fb E5怎样利用内部资源扩展自己的ml skillset

lz在FB第3年，这个half刚升的5。背景是prod infra generalist。现在组是做ml infra的，但是主要是靠近delivery/ranking service这一块，负责service本身的effeciency和服务product 的integration。没有做model/training/data方向的机会。虽然平时也经常跟服务的mle 组打交道，但主要工作是inform他们 ml model 对我们delivery infra scalability/effeciency的影响，然后push他们去改进expensive的model。lz很想扩展一下自己在full ML life cycle 上的skillset, 比如说搭建model, feature 的e2e lifecycle，a/b test，以及develop一下ml product sense. 最好是能有实践项目。想请教大家这些选项的可行性：

1. 还是继续做prod infra, 但是换组做一些更偏model serving infra的方向。优点能够leverage 现在的system skillsets. 缺点是还是focus在model底层一小块，没法develop ml life cycle 的big picture.
2. 换track成为mle?  这样也许能有full ml experience。但是e5后风险很高？而且leverage 不了infra experience. 有同学有e5后换track的经验么？

另外lz对升6没有什么急切要求（35岁之前就行）。现在达到terminal level之后想花几年扩展skillsets.

1. 内部有很多course可以学一下基本的理论知识跟workflow
2. 内部有很多转组的机会以及hack month之类的机会，利用这些机会可以花1-4个月时间试一试
3. 当你对理论以及workflow有一定了解后基本就可以转组了。
4. 直接从sde转e5的mle还是有一点难度。可以转去边缘一点的ml的组，很多这样的组，其实60%活还是sde的活。
5. 年轻应该多做bfs。不要听别人的mle就是调参师，自己去体会了才知道自己适合不适合
6. mle如果不做infra，跟除了发论文的research scientist没啥区别，ml理论上可以很深，不深工作中经常会有掣肘，applied ml上也有非常多的domain对应着非常多的ml solution。不广，工作没有新direction或者idea。各个domain在各个ml solution上都会有很多challenge的issue。也会有新的ml solution出现，需要终身学习。goal上非常的明确，做的东西非常好measure business impact。不用扯皮。这一行做深入，个人觉得非常不容易。

同楼上， title是SDE还是MLE不重要。你甚至可以在jobs tool上找 hc写着MLE的组聊聊。都是码农，转track本质上还是看学得快不快，会不会‘抄代码’。加上你做delivery的背景，ads ranking的老板应该会喜欢。

说到这里特别厚颜无耻地打个广告，，我们组在做 IG的 ML + ads ecosystem 的东西，欢迎内网搜索我现在这个id。希望可以考虑一下我们。：D

做普通ML当调参工程师还不如当sde呢。

没有什么好的建议，不过lz是不是可以找内部ml track的大佬们聊聊吧。感觉卖他的ml infra以及做法在不同product、不同org之间还是有差异的，ig/fb feed在ml上都各自搞了自己的生态，ads和commerce team想做点商业化的事儿很可能是要ig/fb feed的工具都要学习，开会讨论学习花太多时间，更别说有些组间还是用千奇百怪的语言写的（看到lua实现时，尼玛惊了。。）
一个fblearner时常让人觉得又丑又难用（相对个人接触到的其他厂情况而言，可能有偏见，不喜轻喷）
lz要是未来到其他厂发展，个人以为还是学习思想原理好一些，卖他的工具去了其他厂大概率没啥太多用处。。

刚看到另一个fb换track的帖子，信息很乱，还有人说track无所谓的。lz在fb三年了了解换track成为mle的实际流程是怎样的吗？只是有个组愿意要你做model就可以？

理论上讲你就是SDE，MLE做model都是做prod，做prod如果只是加feature调metircs的普通ML感觉意义不大，打一枪换一炮的积累不深不如infra，如果是做硬核DL/RL 或者nlp cv那种比较specializ的这种mle比较抢

我个人感觉 ML generalist 的价值很大程度上在于 business logic 的理解，一般这里的知识护城河不低，做深了之后价值比较大，因为会直接贡献 business success。当然另外一个积累价值的方法是做 specialize 的 ML development，比如 CV 这种 domain knowledge 要求比较高的

说到这里厚颜无耻打个广告，我们组在做 ML + ads ecosystem 的东西，是全面接触学习 ads business logic 的好机会，欢迎把你的 unix name 发给我 (ads.ecosystem.hiring at gmail)，我们可以在 workchat 上详聊.

匿名用户 发表于 2022-01-30 02:53:43
没有什么好的建议，不过lz是不是可以找内部ml track的大佬们聊聊吧。感觉卖他的ml infra以及做法在不同product、不同org之间还是有差异的，ig/fb feed在ml上都各自搞了自己

看到“千奇百怪的语言“的时候就想我们的lua难不成要被……哈哈哈哈哈

跟lz类似的背景 不知道楼主知不知道我们有个ML accelerator的内部training项目

一年两次 需要提前sign up 以及manager的approval

有其他MLE带着你用公司的stack解决一个真正的问题

貌似是每天expect你有4小时花在这个training上 （也有可能是每周😅）持续4-6周

感觉是个不错的机会👍

蹲一個zszszs