再说如果NG有FG的offer 为什么最好选FG - （续篇）

harrybob 发表于 2021-12-16 20:29:25
如果你是ml组的em的话我真不建议想做ml的ng去fb了，已经和前沿脱节很远了自我感觉还这么良好。

我只能说对牛弹琴，你不能用你的toy project来想象serve 3billion 用户的系统吧？新人来了至少要花半年才能摸到一点门道，难道要我在论坛上慢慢教你？

s703 发表于 2021-12-16 20:32
我只能说对牛弹琴，你不能用你的toy project来想象serve 3billion 用户的系统吧？新人来了至少要花半年才 ...

我也觉得鸡同鸭讲，你张口闭口3b用户，这是一个ml问题吗？你能在其中一个用户上达到sota的效果吗？你在ml会议上发篇文章说我用logsitic regression serve了3b用户看看有没有人鸟你？看看blue app屎一样的搜索，成天推送垃圾游戏广告，ig的推荐也远不如抖音，我真没看出fb的ml先进在哪里。

Alan888 发表于 2021-12-16 16:29
top美本的美国人哪个不是大一大二就fg实习毕业人手一个fg offer的，本科生里hot startup offer的亮眼程度远 ...

完全同意啊
我们学校也是这样
一般来说quant dev和hot startup/中厂比fg要受欢迎很多
不知道为什么论坛里头大家都对fg有这么大的好感

不查不知道，一查吓一跳

和大家分享一下
https://en.wikipedia.org/wiki/Pr ... st_popular_websites
第 1， 2，3，4，5，6，7，8名都是用了PHP。

这就感觉老司机瞧不起自动挡，结果自动挡汽车销量远超过手动挡

harrybob 发表于 2021-12-16 20:54:41
我也觉得鸡同鸭讲，你张口闭口3b用户，这是一个ml问题吗？你能在其中一个用户上达到sota的效果吗？你在ml会议上发篇文章说我用logsitic regression serve了3b用户看看有没有人

你根本就不知道fb解决问题的规模和具体面对什么挑战。你说model serving和feature prep最简单了，最容易parallel。没错，你要是一台机器服务一百个人，那么服务500个人就5台机器就行了。然后你以为服务10亿人只需要简单的1000万台机器吗？量变引起质变，在生产环境serve，收集数据，calibrate ，experiment，ramp up，哪个都有你根本想不到现实问题去解决。你在实验室里一台机器干的事，生产环境可能需要好几个tier，每个tier都有几万台甚至十几万台机器，而且还有各种不同的版本，latency检测反馈。还是那句话，你没有亲自干过就不要妄加评论，你关心的那些东西也许实验室或者没几个用户的小厂会关心。

补充内容 (2021-12-17 13:54 +08:00):
至于fb的ml水平怎么样，你看看ads的市场份额增长就知道了。谷歌都说fb是ads最强劲的竞争对手，您觉得像屎一样那还是您最牛。估计连发明了pytorch的fb员工贾扬青都比不上您。

PERM都没解决的F...劝人去？

s703 发表于 2021-12-16 21:49:47
你根本就不知道fb解决问题的规模和具体面对什么挑战。你说model serving和feature prep最简单了，最容易parallel。没错，你要是一台机器服务一百个人，那么服务500个人就5台

again你说的这一堆大部分跟ml没有半毛钱关系。楼里有要来fb的ml phd你问问他愿不愿意做这些？至于ads增长，用户数在那里，只要不要脸多放广告revenue自然就上来了，谁知道ml到底有多大贡献。还有，FAIR和FB在我看就是两个公司，别往自己身上贴金。pytorch我们已经用了几年了，请问贵组用上了吗？

實名支持一下樓主。利益相關：家裡兩m2.

harrybob 发表于 2021-12-16 22:12
again你说的这一堆大部分跟ml没有半毛钱关系。楼里有要来fb的ml phd你问问他愿不愿意做这些？至于ads增长 ...

看不下去。你到底是针对公司来的，还是针对组来的，还是针对公司的 AI 部门来的？

如果你针对的是楼主的组，楼主的组可能不是AI 组，但是 ML infrastructure也是非常重要非常有挑战的组，不然 AI 怎么发挥那么多的作用 ？

你如果是针对公司AI来的，我实在不理解你说Facebook's AI Research lab (FAIR) 和FACEBOOK 是两个公司。能否严谨一点？FAIR 是公司吗？你对公司这个词是不是有什么误解？

如果是你是针对FB，公司的广告收入 和用户使用人数和时长 engagement都有关系，这些都是靠ML 来保持 推动的。 不然要ML干啥？还有广告投放的有效性， 转化率，都是ML需要帮忙解决的。怎么说没有关系呢？你到底评价一个模型的有效性的 metric是啥

匿名用户 发表于 2021-12-17 04:51:05
看不下去。你到底是针对公司来的，还是针对组来的，还是针对公司的 AI 部门来的？

如果你针对的是楼主的组，楼主的组可能不是AI 组，但是 ML infrastructure也是非常重要非常有挑战

我没针对什么，我是不同意楼主的几个观点而已：
. check 1point3acres for more.1. fb serve 3b用户，所以fb的ml系统scale世界前三。我对ml系统scale的定义是模型大小，数据集大小，训练集群的规模。你用trivial的模型server再多的用户我也不觉得ml scale大。
2. 我在fb做mle我就是在造万吨巨轮，numpy这种低级技能根本不需要不需要会。numpy难道不是mle skill set里最基本的吗，numpy都不会你能会pytorch和tensorflow？都不会的话除了调参还能干啥？你说的ai infra我觉得都是swe的工作，因为不需要什么ml知识。
3. 我ads revenue多所以我ml水平高。如你所说，ads revenue是由多个因素决定，如何排除其他因素证明ml水平高呢？

至于fair，招人流程和工作性质都完全不一样，fair的研究成果也不会给fb其他组带来什么别家没有的优势。在我看形同两个公司有什么问题吗？

归根结底是大家对ml scale和mle职责的理解不一样，吵也是浪费时间。