为什么Manager不support我做Machine Learning

过去半年的工作让我经历了很多和组里小伙伴career conversation，“我想做Machine Learning”是常常听到组员1:1的时候讨论的话题。如果你对当前工作的内容比较挣扎，希望这里的内容能够给你带来一些启发。我这里会以Q&A的形式谈谈我的理解，不间断的增加新的item。

Q: 我在1:1的时候告诉manager，我做了超级多的experimentation，想做machine learning相关的project，为什么manager那里迟迟没有回应？

很多同学都说，我做了很多metrics，做了很多dashboard，分析，想做machine learning。这样的想法正常，常见原因如下：

- 我做了repetitive work，seek new things to learn
- machine learning is hot and I want to change course to be a research scientist or machine learning engineer
- Higher compensation

好的Manager 一般会acknowledge 组员的兴趣以及growth mindset，尽可能的去match project和组员的goal。但是为什么有的时候还是没有拿到这样的项目呢？

Key question 1: 组里是否有这样的scope？有没有临近的MLE组？

有的公司DS和MLE有比较清晰的划分，DS只做analytics，MLE才会involve in modeling，这样的情况，我建议是直接转组。
多数公司，DS这个title比较general，有flexibility去做ML，但是需要提前scope好business problem，以及manager的support，去和隔壁MLE组align

Key question 2: 自己是不是prove了能力去做这些新项目？

有的同学还没有prove自己的能力，就非常着急的找mng去说，我想explore一个新的area，which requires a different skill set。Manager可能会concern：你可以做好这个项目吗？我们可以提供好failure的support吗，比如组里是不是有tech lead可以手把手的带，有没有troubleshooting 的 community等。如果身边没有support，自己的能力也不ready，那么manager很难帮助你。

Key question 3: 自己有没有已经把日常的工作crush it，比如做到自动化，如果你的role reporpose到ML，你的工作谁来替你做，怎么可以free you up？

很多时候，我们总想着自己想要做什么，但是没有想过，当我们提出新的工作的时候，那些必须要我做的内容，是不是有scalable solution来解决。比如experimentation，比如metric deep dive，我们是否已经将其变成一种tooling，一种culture，不用再人工完成。Manager会很头疼，你的工作没有人来cover。

Key question 4: 你是想走BFS还是DFS？

我在早期career的时候，不确定自己喜欢什么，经常explore不同的track，可以说是BFS。但是后来发现，积累不够，很难往上走。于是精挑一个方向，走deep，然后再拓宽。如果我们把这个要不要做ML generalize成要不要换track的问题，那么我建议你考虑一下你的career 阶段。早期，想换，建议早换。中期，建议先prove当前的role，做好，跟manager propose项目，以及solution，把ML作为一种解决问题的手段，看是否可以找到tech lead或者mentor来帮助学习。当manager觉得项目plan ready，support的chance会大很多。

希望这个帖子对大家有一些启发，有想法，可以留言。最后希望大家可以加大米，楼主会继续不间断的更新新的Q&A。

真实原因其实是对manager向上管理上没有任何benefit甚至有risk， 你得换位思考这事对manager自己来说有什么影响。 你搞ml反而本职上受影响， 或者ml对本组scope和大org road map不align， 或者其实踩了别的组的scope， 我是manager肯定也劝退你。  你propose 项目也是一种能力， 察言观色， 要propose也得帮manager准备好一套说辞帮他说服他的manager.

其实ML很多时候没有什么用对吧？需要质量非常好的data，非常好的model，非常好的parameter，非常好的maintenance等等

个人感觉有很多限制。很多小公司可能做不成好的ML production

mandmwantapig 发表于 2021-12-05 10:55:25
个人DP
马内鸡说要做ML
结果搞半天就上了个PCA

真实，我们吹半天，一看是个LR，还啥高级feature都没有的纯tabular LR，五个feature还有俩corelated那种

个人DP
马内鸡说要做ML
结果搞半天就上了个PCA
还在公司大会小会上吹了一年

mandmwantapig 发表于 2021-12-05 10:55:25
个人DP
马内鸡说要做ML
结果搞半天就上了个PCA

真实 以前公司（3线）也是基本上没有ml人才 随便搞一下就能hackathon拿奖 搞个高斯分布吹一年

做什么没有那么重要。钱比较重要。迟迟不给你做，证明其实business上不需要。哪怕让你做了估计也不会被拿出去得到重用。想要转track就要找一个真的需要ML的地方。问题是这种地方其实很少。如果只是自己想做，随便做，写简历也可以的。别人也不知道最后到底有没有进production。更何况production里面没人用的model多的是。

好的Manager 一般会acknowledge 组员的兴趣以及growth mindset，尽可能的去match project和组员的goal。

这个就天真了，经理这种漂亮话，都有个大前提，就是在 interest align 双赢的情况下。不然你说了， manager 没有啥好处，还培养了个要跑路的人，肯定不乐意。

有的公司DS和MLE有比较清晰的划分，DS只做analytics，MLE才会involve in modeling

这一点我也一直好奇， analytics 一遍包括哪些技术和 keywords? （确实是看到有的公司 DS 不做 ML 好奇他们是做什么）

谢谢楼主分享！我现在也处于类似的困境，很想做ML，但是一堆reporting dashboard, KPI的数据要我弄。。。已经一天工作很长时间，没什么时间做自己想要做的ML project ：（