Re: [問題] 博士進業界困難度?
在朋友的 FB 看到這系列文章, 頗有感觸, 也打算分享一下自己的打不死蟑
螂經歷
2012 年的時候, 我從某私立物理博休學. 當時是做量子光學的實驗模擬,
本身的 lab 是做實驗的, 但是我在組裡主要是做理論分析與模擬. 也因為
做量子模擬, 跑的程式都很大, 第一年花了很多時間學 MPI, CUDA 之類的,
我們實驗有做 optical quantuam cavity, 然後有一部分是在最佳化光學路
徑來避免 decoherence 之類. 所以也修了一些統計和人工智慧. 第二年考
過資格考後, 就開始想人生的目標, 發現作物裡要做到有對人類有貢獻真的
很難 (當時會唸物理是被費曼騙進去了, 以為 daily life 和他說的一樣好
玩..XD) 剛好同 lab 的學長有要搞 startup, 主要是給女生的 social
network, 根據人工智慧, 來推薦她們不同朋友, 互相學習穿著與風格. 盈
利基點是可以結合手機, 當使用者到商場的時候, 附近店家可以主動 push
適合的場品到手機. 這可以結合 social, local, mobile 成為完整的生態.
當時覺得這個 idea 超好, 然後我們自己把 prototype 寫出來, 後來找 VC
投資, 被說你們一群男的, 怎搞得懂女人在想什麼. 好歹我們都有女朋友
啊!
於是我就休學打算去業界闖闖看. 本來自己覺得還算會寫 code, 畢竟當時
寫 code 能力在物理系是稱霸的. 開始找工作後, 投了近百間公司, 也只拿
到五間 onsite interview 的機會. 每天找新的工作機會, 客製化自己的履
歷來說服說為什們我適合這個職位. 然後石沈大海. 或許是我背景不是資工
的, 大部分公司都要立即的戰力. 那段時間是一種對我自我否定, 把自己的
信心貶到最低, 然後隔天睡醒, 有得要告訴自己有光明的未來.
後來終於有一間 startup 做大數據分析的要我. 因為剛創立沒多久, 進去
後, 發現原來團隊裡面還沒有人真的懂大數據人工智慧, 大部分工程是都是
Web 背景或者 CS 剛畢業的. 還好老闆很重視我的數學背景, 讓我開始做
MapReduce C4.5 decision tree 的 implementation. 當時連 Java 都不會
寫, 更不用說 MapReduce 了. 我先花時間把 C4.5 decision tree 的數學
架構搞懂, 這對唸物理的不難, 不過是種根據 entropy 來決定 splitting
的方法而已. 然後開始學 MapReduce, 這個貌似概念不難. Java 就和組裡
資深的工程師學, 很快就作出第一個版本. 到客戶那裡, 竟然 OOM (out of
memory). >< 後來發現 MapReduce 很多眉眉角角, 要盡量把工作在 Map
Stage 做完, 減少 shuffle, 讓 reducer 做很簡單的 aggregation, 這樣
才容易 scale up. 後來又經過幾個月, 把這個 implementaiton 做出來,
shuffle 只大概和 tree 大小相關, 所以的工作都在 mapper 解決. 包含
entory 得計算. 這個也讓我們贏到一個客戶, 讓老闆放心讓我全力在發展
大數據的算法. 回想當時, 睡覺起來就開始工作, 把不懂的補足, 然後直到
睡前都在想要怎樣優化演算法. 也因為牽涉數學甚多, 然後我們小公司招不
到這領域的資工 PhD, 所以我數學優勢遠勝於一般的資工碩士同事.
後來回想, 對於我這種不是神人的, 到給機會的小公司學習, 成長會比大公
司牛人一堆的快多了! 後來我到大公司當 tech lead, 更發現這是在大公司
的問題. 在第一個 startup 的時候, 我們導入 Spark 來取代 Hadoop. 眾
所皆知的, Spark 對於 iterative 算法有很大的優勢. 當時是 2013 年,
Spark 還沒有很大的名氣, 對於工業界應用也還不是很穩定. 所以我晚上時
間開始讀 Spark 的 code, 幫忙送 patch. 因為剛開始計畫還不是很有名,
那些原來柏克萊大學創造 Spark 的神人們, 花了很多時間教我改 code, 也
因為這些業餘的時間付出, 讓我寫 code 功力增加很多. 後來也參與設計幾
個 Spark 的 ML 模組. 也因為這樣, 有幸與他們發了篇文章在 JMLR.
大約在 startup 工作兩年後, 開始有些大公司的獵頭接觸. 想說去看看別
的公司在幹嘛也無仿, 所以就去聊聊. 這幾年也沒什計畫轉職, 也沒特別準
備. 但是發現內功在 startup 一個人當七個人用快速增長, 反而在面試可
以問到他們很深入的問題, 然後在某些我熟的領域, 我甚至可以面試中提出
建議. 順利拿了幾個 offers, 最後決定去一間影視平台做推薦系統. 是的,
回到原來自己創業, 搞 fashion 時, 系統很大部分的推薦系統.
在大公司上班和小公司差很多. 大公司每個人專職於一小塊, 做好自己的本
分. 但因為大公司系統很大, 所以要推一個東西, 就得找很多人協調. 我發
現大部分的時間都是花在開會, 協調功能, 和讓大家 on the same page.
然後通常都會有幾個頂樑神人, 負責架構的規劃. 所以一般剛畢業的學生,
常常會好幾年都在修修改改那一小部分的 code, 很難對整個系統的 flow
比較有清晰的洞察力. 然後通常大公司付的很好, 不用升遷就可以有很好的
生活, 所以很多人就努力到畢業找到工作, 就如溫水煮青蛙般的, 滿足於現
狀, 做那幾樣工作.
在我後來的大公司, 我的方向轉成帶新人, 架構系統, 協調開會, 寫專利.
有時候去給給演講, 講講公司系統 (主要也是為了招人). 生活算是愜意.
閒暇的時候, 就幫 Apache Spark project 帶帶新人, review code. 也算
是當時從社群學習, 回饋給社群的方式. 我也可以從那裡找到有 potential
的新人.
人生是 conditional radom process, 雖然有很多的不可預計的變數, 但是
努力是機遇的必要條件. 我很贊同一開始的薪資不是決定整個事業的起步,
而是一開始的機會. 我很多同學一開始到大公司領大筆薪水的, 很多安於現
狀, 學習的機會不多 (tech lead 很多都會把打雜的事往下丟), 反而後來
對整個技術與產品的 sense 廣度與深度不足. 舉我來說, 一開始我在
startup 的薪水比我朋友大公司的一半還不到, 後來被挖到第二間大公司也
破千萬了.
雖然我從物理轉行到人工智慧, 完全不同的領域, 中間有很多無助與辛苦,
但是往回想, 這些種種是種下的果實, 成為現在的我. 如果問我會不會再
念一次 PhD, 我會. 那兩年讓我學會獨立思考與解決問題的能力, 也讓我
了解人生很多時候, 都是孤單的, 需要靠自己尋找下一步. 若問我要不要
PhD 休學, 我也會. 這是一個好的機會去實踐, 若是覺得所學不足, 再回到
學校也無妨. Tesla CEO Elon Musk 是我們 PhD 系上傑出校友, 但是他
只唸了兩天就休學了...XD 或者這是我和他的差別, 多花了兩年. ><
加油, 不要放棄夢想. 有什們轉業問題, 也可以和我討論, 有空我會盡量回答.
--
DB Tsai
----------------------------------------------------------
Web: https://www.dbtsai.com
PGP Key ID: 0xAF08DF8D
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 216.216.202.69
※ 文章網址: https://www.ptt.cc/bbs/PhD/M.1473037679.A.0B3.html
推
09/05 09:29, , 1F
09/05 09:29, 1F
※ 編輯: dbtsai (73.71.108.208), 09/05/2016 10:24:37
→
09/05 12:00, , 2F
09/05 12:00, 2F
→
09/05 12:10, , 3F
09/05 12:10, 3F
推
09/05 12:12, , 4F
09/05 12:12, 4F
推
09/05 12:25, , 5F
09/05 12:25, 5F
推
09/05 12:32, , 6F
09/05 12:32, 6F
推
09/05 12:40, , 7F
09/05 12:40, 7F
推
09/05 12:42, , 8F
09/05 12:42, 8F
→
09/05 12:44, , 9F
09/05 12:44, 9F
→
09/05 12:45, , 10F
09/05 12:45, 10F
→
09/05 14:03, , 11F
09/05 14:03, 11F
推
09/05 14:16, , 12F
09/05 14:16, 12F
→
09/05 14:17, , 13F
09/05 14:17, 13F
推
09/05 14:19, , 14F
09/05 14:19, 14F
→
09/05 14:19, , 15F
09/05 14:19, 15F
→
09/05 14:19, , 16F
09/05 14:19, 16F
噓
09/05 15:27, , 17F
09/05 15:27, 17F
推
09/05 15:43, , 18F
09/05 15:43, 18F
噓
09/05 16:10, , 19F
09/05 16:10, 19F
推
09/05 16:13, , 20F
09/05 16:13, 20F
推
09/05 16:44, , 21F
09/05 16:44, 21F
推
09/05 16:56, , 22F
09/05 16:56, 22F
→
09/05 17:01, , 23F
09/05 17:01, 23F
→
09/05 17:06, , 24F
09/05 17:06, 24F
推
09/05 18:00, , 25F
09/05 18:00, 25F
→
09/05 18:05, , 26F
09/05 18:05, 26F
→
09/05 18:07, , 27F
09/05 18:07, 27F
推
09/05 18:24, , 28F
09/05 18:24, 28F
推
09/05 20:46, , 29F
09/05 20:46, 29F
→
09/05 21:16, , 30F
09/05 21:16, 30F
→
09/05 21:19, , 31F
09/05 21:19, 31F
→
09/05 21:19, , 32F
09/05 21:19, 32F
推
09/05 21:28, , 33F
09/05 21:28, 33F
推
09/05 21:36, , 34F
09/05 21:36, 34F
→
09/05 23:16, , 35F
09/05 23:16, 35F
推
09/05 23:19, , 36F
09/05 23:19, 36F
推
09/06 07:28, , 37F
09/06 07:28, 37F
推
09/06 17:19, , 38F
09/06 17:19, 38F
→
09/06 17:19, , 39F
09/06 17:19, 39F
推
09/07 21:48, , 40F
09/07 21:48, 40F
→
09/07 21:48, , 41F
09/07 21:48, 41F
推
09/08 10:00, , 42F
09/08 10:00, 42F
→
09/08 10:01, , 43F
09/08 10:01, 43F
推
09/08 10:04, , 44F
09/08 10:04, 44F
→
09/08 10:05, , 45F
09/08 10:05, 45F
→
09/08 11:00, , 46F
09/08 11:00, 46F
→
09/08 13:20, , 47F
09/08 13:20, 47F
推
09/10 08:49, , 48F
09/10 08:49, 48F
推
12/02 02:44, , 49F
12/02 02:44, 49F
推
04/21 02:45, , 50F
04/21 02:45, 50F
討論串 (同標題文章)