聊一聊统计/DS就业(含3tech+3bank+2insurance DS职位简介及面试概要)

farmer0307 发表于 2021-10-24 12:03:42
嗯~~同学加油，向往科技公司发展挺好，希望早日去体验圆梦，但是关于"二等公民"，请注意我说的是在某些行业，我可没说(只)在传统行业二等公民.......哈哈.......

哈哈没办法 行业就是这样的， 但毕竟还是公司前景好一点长远看不容易失业吧

感谢楼主！我生统PhD正在找实习，纠结要不要转码。总是听到说DS的发展前景比药厂好的话，纠结要不要转码，虽然我个人比较喜欢偏统计inference之类的。以后工作希望能在大城市（一直在村里读书想出去看看lol），大城市的药厂比较有限，这也是我一个转码的原因。

大可不必 发表于 2021-11-2 22:08
感谢楼主！我生统PhD正在找实习，纠结要不要转码。总是听到说DS的发展前景比药厂好的话，纠结要不要转码， ...

多找(不装b)的学长们聊聊吧，对于药厂和码农，我觉得整体来讲更多是编程vs统计推断的兴趣选择以及来钱快压力大vs生活平衡的选择，至于大城市，我觉得 1.绝大部分人即使去纽约三藩之类工作也大多住在外围郊区(乡下）每天花2-3小时往返进城(主要是城里太贵及没有郊区安全）2. 很多药厂在波士顿及剑桥，环纽约圈(新泽西东北，康州西南）应该也是有大药厂的，加州三藩和下面一点也有大药厂啊。我没在药厂干过，但是在纽约1.5小时车程住过，觉得生活安静，想去吃逛也不远，周末就能去，还是不错的。建议你还是更多从兴趣，生活节奏和快钱的需求角度来选吧，祝一切顺利 ;-D

c1的case study想起来就头疼，貌似全网就他们这么考

frizfealer 发表于 2021-10-24 07:07
“统计DS更像是奢侈品，不要不足以显得自己时尚，要了也不知有什么真正价值“ -> 深有同感，我做的产品是图 ...

想问一下，你觉得MLE换工作相对自由，是不怎么看过去经历match程度的吗，那主要考察什么呢。
最近面的几家都是手写KNN或者其他经典算法，ML八股文，onsite多个推荐系统设计之类的。按你的看法这大概算是制式化的内容？
我就是做电脑视觉的，因为是转行PhD，自身技术比不过ML本行PhD，导致跳去自动驾驶这种高要求的面不过，去其他赛道的也容易因为背景不match被踢掉，非常迷茫和尴尬，不知道留在这行出路在哪里。
反倒是SDE面试遍地开花。不知道如果现在转成SDE了，将来还有希望回MLE么。。

algrev 发表于 2021-11-13 12:28
想问一下，你觉得MLE换工作相对自由，是不怎么看过去经历match程度的吗，那主要考察什么呢。
最近面的几 ...

主要看面试，我认为比较少看经历，leetcode至少占一半以上。其他是ML design和system desigin
"手写KNN或者其他经典算法，ML八股文，onsite多个推荐系统设计之类的" -> 对，这些挺制式化的。如果你对其中某些部分，例如，feature engineering 在推荐系统上怎么实作有更深入了解，会在面试有加分，但我以为那些是加分，而不是必须。


以我的理解，MLE更注重把整个service/system建立出来，DS更偏向modeling和研究的部分。例如我今年在狗和脸书的面试，没有特别被要求data science的domain knowledge。狗家特别注重刷题，三轮leetcode＋一轮ML面试一些cv基本知识。脸家比较有意思，有两轮leetcode + 一轮 ML design + 一轮（ML infra design or ML domain design or system design)。最后一轮是从三选一。如果你特别选择domain design, e.g. cv, 那可能就会问得很深，但你也可以选其他两样。


.--当然各家的DS定义还是不太一样，例如我听到doordash的DS可能更偏向MLE一些，不过他的面试是很DS，take home model design 挺神奇的，比重大概还是内部员工才能说得清。


所以回到我为什么认为MLE比较广，因为本质上他是SDE，只是specialized in ML system design. 至少在狗和脸和一些大厂都是这样认为。SDE的需求，面试流程都很制式化成熟，相对的DS就是比较新的了。以我这种entry-senior level的情况，MLE(SDE)似乎比较多机会。

好帖先mark一下

我也mark一下 学习了

饭团团XXX 发表于 2021-10-23 13:46:22
生统PhD转MLE上岸了，lz说的自己也挺有体会的，主要面试了科技公司～

可以问问phd的研究方向么？

一直对分工有困惑，感谢楼主分享！我用澳洲的经验来总结分类成以下四类，不知道对不对。
第一类 做产品分析的:大部分的DS做的其实是产品分析、AB testing的工作。不需要接触产品代码，不建模型，不懂CICD都可以。大部分人统计/DS背景或者PhD转行做DS都是这类。
第二类 做ML产品 工程infra的: MLE是重点在ML产品的工程部分，具体来讲做K8S、MLOps等等，不会接触如何使用数据建立模型。（个人觉得这类人不懂ML模型都是完全可以的 否则太难招了，类似工程能力9/10 ML知识6/10）
第三类 发论文的：主要就是换个地方发论文，稍微结合一些自家的产品
第四类 做ML产品 模型的：这类事我最困惑的，可能从title不能完全看出来？另外感觉从人数上比第一第二类少很多。希望懂的朋友能再具体解释一下。我理解不需要有发论文的能力，但是要能实现最新的模型，懂一些产品级的代码怎么写，懂一些MLops，也懂一些因果推断和统计。

感谢！