聊一聊北美算法工程师日常

作者 | 叶小飞@北美奔驰研究院 

整理 | NewBeeNLP

看到大部分文章基本都是大佬们在讲国内算法工程师的日常体验，那这里我就补充一个数据点，讲一下北美做算法工程师是怎样的日常。 

我的经历还算比较丰富，曾经在三年内从「初创公司」的实习生跳到「国内大厂北美研究院」的全职，再跳到「德国车企北美研究院」的senior职位，所以在这里，我想分别介绍一下这三种不同类别公司的日常是怎样的。

初创公司日常体验——一入初创深似海

在startup干活的特点有三个：钱少、活多、压力大。至于成长速度与成长上限，有很大一部分取决于你的leader。

工作作息

九点上班，中午十二点午饭，下午一点干到六点下班，然后开始加班到十点，周末单休。没错，我在这家初创公司拿着可怜的实习生薪水，过着比国内996还要悲痛的生活--因为我的组长就坐在我身后，我一旦发呆或者看手机，他就会过来提醒我，连一点摸鱼的机会都不给。也是在这段时间，由于压力过大和缺乏锻炼机会，我体重狂涨将近20斤，过了很久才恢复过来。现在想想，当初就是被PUA了。

工作内容

我刚加入者家公司的时候，整个公司一共就10个人，我的小组长也是刚加入（没错，我们组就我俩人），他开发了一个很丑陋的产品原型，我的目标就是不断改进这个原型。

在这段时间里，我的工作「80%」 集中在不停地扒拉别人现有的github repo和pretrained model，然后放到我们自己的数据集上跑一跑，把效果好的demo记录下来，汇报给小组长，小组长会拿来深入研究（后来事实证明，他所谓的研究就是拿着我搞的demo继续拉大老板的投资，根本没做实质性的工作）。

另外的「20%」 时间用来复现那些看起来效果很好，但是没有开源的论文。有些论文复现难度很大，我就会拿着向小组长请教，结果发现这个以PhD自称的组长也都是束手无策，只会含含糊糊地说个所谓的方向（比如，你要把这几个数学公式搞懂再写阿！什么，你搞懂了？不可能，那一定能复现，你再好好查查.......).

我在最初时对工作内容还算满意，虽然很多时候做事情像蜻蜓点水一样浮躁，复现时经常受挫孤独无援，但我的确对相关领域在短时间内有了完整的了解，数学能力与代码能力也在复现中得到了提升。但到了后来，小组长push我越来越严重，言语bully, 他自己却又毫无作为，每天沉浸在社交媒体，我实在忍无可忍，直接在某天发作，与他进行了一番激烈的撕逼，当场辞职。

总结

虽然我本人在初创公司的体验很差，既没有生活可言，薪水可怜，成长有限，但是不排除这个世界上仍有很多好的startups值得你加入。不过一定要瞪大眼睛仔细观察，如果你的tech leader技术水平有限，人品一般，还是躲得越远越好。

国内大厂北美研究所日常体验——充实愉悦暖似家

从上一个初创公司离职后，我加入了某国内大厂北美研究所，在这里度过了一段充实愉悦的时光。

工作作息

其实在这里的工作时间表有两套，第一套是研发阶段，第二套是落地阶段。

在研发阶段的时间安排整体比较轻松，早上九点到办公室，中午十二点开饭（湾区最棒伙食，经常能吃到火锅、烤鱼），午饭后会在附近的小道上和同事们一起散步半个小时，然后接着回来工作，干到晚上六点下班，几乎很少加班。下班之后我一般会去健身房锻炼一小时，然后回家继续充电，写写论文，上一些网课。

到了落地阶段时间安排就不太固定了，其实工作时间仍旧是八到十个小时，但为了配合国内团队，有时候需要昼夜颠倒，白天休息，凌晨干活同步。好在这种日子一般不长，而且其他同事也会与我并肩作战，整体感觉还好。

工作内容

「40%」 的时间是在做各种算法的prototyping, 包括阅读大量文献，筛选适合我们应用场景的baseline, 并且在baseline上不断提出改进的idea, 然后在大量的数据集上训练与验证，力争效果达到最好。由于每次训练需要花的时间比较久，我们每个人往往同时会负责两个项目（一主一辅），这样就不必眼巴巴等着训练结果出来，而且交叉领域很多时候会带来新的灵感。

另外有「40%」 的时间是用来做模型优化与移动端移植。因为许多模型需要放在移动端跑，所以需要针对不同的prototype进行模型剪枝、蒸馏、量化、结构调整，在表现与性能之间找到最优平衡点，然后利用各种移动端ML Framework将模型移植。

最后还有「20%」 的时间就是用在数据清理和写专利啦！

总结

这里有很多厉害的同事可以给我指点，同时操手算法设计与落地让我具备了全栈能力，代码水准大幅度提高。而且这里的同事大部分都很nice, leader人超级棒，给我留下了许多温暖的回忆。

德国车企北美研究院日常体验——一丝不苟惊喜多

在德国车企北美研究院的工作可以说是轻松愉悦又心惊胆战，这里继秉承着德国人严谨的特性（就连comment里面语法写得不好都会被decline pr，如果代码写的不够规范或者效率太低，组长会非常严厉地提醒你), 也有着德国特有的人文关怀（假期超级多，豪华汽车只要提前预约就可以免费开）。

工作作息

早上九点上班，十一点四十吃饭，一点开始工作，最早五点半就能下班，基本是实打实的朝九晚五。重点来了，除了每年正常的带薪休假外，我们在圣诞节期间会全体放假两周，感恩节期间放假一周，每年还经常来几天wellness day放假，可以说一年里面有差不多一个半月都处于放假状态.....

工作内容

由于我的主要职责还是在计算机视觉这块领域，所以与上一个公司比较类似，「30%」 时间算法prototyping, 「30%」 时间放在模型优化与移植到无人车上测试，另外还有「20%」 的时间针对组内现有的代码架构做一些泛性优化，剩下的时间用来撰写论文与专利。

总结

日常整体较为轻松，最大的进步在于代码的规整性、可读性和效率大大提高（毕竟审查变态般严格），同时有许多自由的时间与空间去探索最前沿的论文成果，可以结合自己的经验产生新的模型（顺便再出几篇论文就更好了）。

精致的结尾

在北美做算法工程师整体来说日常体验来说还是不错的，虽然工作时长基本停留在每天8到9个小时，但是效率非常高，很少有划水，同时充分的休息又让这种高效可以持续很久。这里的大部分公司都是扁平化管理，所以交流起来比较轻松友好。

一起交流

想和你一起学习进步！『NewBeeNLP』目前已经建立了多个不同方向交流群（机器学习 / 深度学习 / 自然语言处理 / 搜索推荐 / 图网络 / 面试交流 / 等），名额有限，赶紧添加下方微信加入一起讨论交流吧！（注意一定要备注信息才能通过）

- END -

聊一聊 “超 大 模 型”

2021-07-11

NLP任务增强：通过引入外部知识来提供额外信息

2021-07-07

微软亚研院 | 智能信息检索综述

2021-07-05

我是如何寻找数据集的，一些个人私藏

2021-07-02