在朋友的 FB 看到这系列文章, 颇有感触, 也打算分享一下自己的打不死蟑 螂经历 2012 年的时候, 我从某私立物理博休学. 当时是做量子光学的实验模拟, 本身的 lab 是做实验的, 但是我在组里主要是做理论分析与模拟. 也因为 做量子模拟, 跑的程式都很大, 第一年花了很多时间学 MPI, CUDA 之类的, 我们实验有做 optical quantuam cavity, 然後有一部分是在最佳化光学路 径来避免 decoherence 之类. 所以也修了一些统计和人工智慧. 第二年考 过资格考後, 就开始想人生的目标, 发现作物里要做到有对人类有贡献真的 很难 (当时会念物理是被费曼骗进去了, 以为 daily life 和他说的一样好 玩..XD) 刚好同 lab 的学长有要搞 startup, 主要是给女生的 social network, 根据人工智慧, 来推荐她们不同朋友, 互相学习穿着与风格. 盈 利基点是可以结合手机, 当使用者到商场的时候, 附近店家可以主动 push 适合的场品到手机. 这可以结合 social, local, mobile 成为完整的生态. 当时觉得这个 idea 超好, 然後我们自己把 prototype 写出来, 後来找 VC 投资, 被说你们一群男的, 怎搞得懂女人在想什麽. 好歹我们都有女朋友 啊! 於是我就休学打算去业界闯闯看. 本来自己觉得还算会写 code, 毕竟当时 写 code 能力在物理系是称霸的. 开始找工作後, 投了近百间公司, 也只拿 到五间 onsite interview 的机会. 每天找新的工作机会, 客制化自己的履 历来说服说为什们我适合这个职位. 然後石沈大海. 或许是我背景不是资工 的, 大部分公司都要立即的战力. 那段时间是一种对我自我否定, 把自己的 信心贬到最低, 然後隔天睡醒, 有得要告诉自己有光明的未来. 後来终於有一间 startup 做大数据分析的要我. 因为刚创立没多久, 进去 後, 发现原来团队里面还没有人真的懂大数据人工智慧, 大部分工程是都是 Web 背景或者 CS 刚毕业的. 还好老板很重视我的数学背景, 让我开始做 MapReduce C4.5 decision tree 的 implementation. 当时连 Java 都不会 写, 更不用说 MapReduce 了. 我先花时间把 C4.5 decision tree 的数学 架构搞懂, 这对念物理的不难, 不过是种根据 entropy 来决定 splitting 的方法而已. 然後开始学 MapReduce, 这个貌似概念不难. Java 就和组里 资深的工程师学, 很快就作出第一个版本. 到客户那里, 竟然 OOM (out of memory). >< 後来发现 MapReduce 很多眉眉角角, 要尽量把工作在 Map Stage 做完, 减少 shuffle, 让 reducer 做很简单的 aggregation, 这样 才容易 scale up. 後来又经过几个月, 把这个 implementaiton 做出来, shuffle 只大概和 tree 大小相关, 所以的工作都在 mapper 解决. 包含 entory 得计算. 这个也让我们赢到一个客户, 让老板放心让我全力在发展 大数据的算法. 回想当时, 睡觉起来就开始工作, 把不懂的补足, 然後直到 睡前都在想要怎样优化演算法. 也因为牵涉数学甚多, 然後我们小公司招不 到这领域的资工 PhD, 所以我数学优势远胜於一般的资工硕士同事. 後来回想, 对於我这种不是神人的, 到给机会的小公司学习, 成长会比大公 司牛人一堆的快多了! 後来我到大公司当 tech lead, 更发现这是在大公司 的问题. 在第一个 startup 的时候, 我们导入 Spark 来取代 Hadoop. 众 所皆知的, Spark 对於 iterative 算法有很大的优势. 当时是 2013 年, Spark 还没有很大的名气, 对於工业界应用也还不是很稳定. 所以我晚上时 间开始读 Spark 的 code, 帮忙送 patch. 因为刚开始计画还不是很有名, 那些原来柏克莱大学创造 Spark 的神人们, 花了很多时间教我改 code, 也 因为这些业余的时间付出, 让我写 code 功力增加很多. 後来也参与设计几 个 Spark 的 ML 模组. 也因为这样, 有幸与他们发了篇文章在 JMLR. 大约在 startup 工作两年後, 开始有些大公司的猎头接触. 想说去看看别 的公司在干嘛也无仿, 所以就去聊聊. 这几年也没什计画转职, 也没特别准 备. 但是发现内功在 startup 一个人当七个人用快速增长, 反而在面试可 以问到他们很深入的问题, 然後在某些我熟的领域, 我甚至可以面试中提出 建议. 顺利拿了几个 offers, 最後决定去一间影视平台做推荐系统. 是的, 回到原来自己创业, 搞 fashion 时, 系统很大部分的推荐系统. 在大公司上班和小公司差很多. 大公司每个人专职於一小块, 做好自己的本 分. 但因为大公司系统很大, 所以要推一个东西, 就得找很多人协调. 我发 现大部分的时间都是花在开会, 协调功能, 和让大家 on the same page. 然後通常都会有几个顶梁神人, 负责架构的规划. 所以一般刚毕业的学生, 常常会好几年都在修修改改那一小部分的 code, 很难对整个系统的 flow 比较有清晰的洞察力. 然後通常大公司付的很好, 不用升迁就可以有很好的 生活, 所以很多人就努力到毕业找到工作, 就如温水煮青蛙般的, 满足於现 状, 做那几样工作. 在我後来的大公司, 我的方向转成带新人, 架构系统, 协调开会, 写专利. 有时候去给给演讲, 讲讲公司系统 (主要也是为了招人). 生活算是惬意. 闲暇的时候, 就帮 Apache Spark project 带带新人, review code. 也算 是当时从社群学习, 回馈给社群的方式. 我也可以从那里找到有 potential 的新人. 人生是 conditional radom process, 虽然有很多的不可预计的变数, 但是 努力是机遇的必要条件. 我很赞同一开始的薪资不是决定整个事业的起步, 而是一开始的机会. 我很多同学一开始到大公司领大笔薪水的, 很多安於现 状, 学习的机会不多 (tech lead 很多都会把打杂的事往下丢), 反而後来 对整个技术与产品的 sense 广度与深度不足. 举我来说, 一开始我在 startup 的薪水比我朋友大公司的一半还不到, 後来被挖到第二间大公司也 破千万了. 虽然我从物理转行到人工智慧, 完全不同的领域, 中间有很多无助与辛苦, 但是往回想, 这些种种是种下的果实, 成为现在的我. 如果问我会不会再 念一次 PhD, 我会. 那两年让我学会独立思考与解决问题的能力, 也让我 了解人生很多时候, 都是孤单的, 需要靠自己寻找下一步. 若问我要不要 PhD 休学, 我也会. 这是一个好的机会去实践, 若是觉得所学不足, 再回到 学校也无妨. Tesla CEO Elon Musk 是我们 PhD 系上杰出校友, 但是他 只念了两天就休学了...XD 或者这是我和他的差别, 多花了两年. >< 加油, 不要放弃梦想. 有什们转业问题, 也可以和我讨论, 有空我会尽量回答. -- DB Tsai ---------------------------------------------------------- Web: https://www.dbtsai.com PGP Key ID: 0xAF08DF8D --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 216.216.202.69 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PhD/M.1473037679.A.0B3.html ※ 编辑: dbtsai (73.71.108.208), 09/05/2016 10:24:37