Arbeit als Ingenieur für maschinelles Lernen bei a Große Technologie Unternehmen.
Auf dem Papier hatte ich einen Traumjob:
- Flexibles Arbeiten
- Intelligente und freundliche Kollegen
- Tolle Vergünstigungen und Vorteile
- Gute Work-Life-Stability
- Kaum Treffen
- Und meine Vergütung betrug weit über 100.000 US-Greenback
Trotz alledem hatte ich immer das Gefühl, dass etwas fehlte.
Anfangs dachte ich, es wäre eine Part und ich müsste ihr mehr Zeit geben, aber das Gefühl schien im Laufe der Monate nie zu verschwinden.
Wenn überhaupt, wurde es stärker und ich begann, mich unmotiviert zu fühlen.
Ich liebe diesen Bereich so sehr; Ich blogge und filme buchstäblich seit über drei Jahren YouTube-Movies über Datenwissenschaft und maschinelles Lernen, aber im vergangenen Jahr hatte ich nicht mehr den gleichen Spaß daran.
Das hat mich wirklich genervt, da ich mich noch relativ am Anfang meiner Reise befinde und es noch so viel zu lernen gibt.
Ich wusste, dass sich etwas ändern musste.
Ich wollte die Leidenschaft und Aufregung wiedererlangen, die ich noch vor zwei Jahren hatte.
In diesem Artikel möchte ich daher erläutern, warum ich schließlich meinen Job als Ingenieur für maschinelles Lernen gekündigt habe, und eine various Sichtweise darauf bieten, wie diese „Traumjobs“ tatsächlich aussehen.
Selbstverständlich ist dies nur meine Meinung zu meiner kurzen Erfahrung in einem einzelnen Workforce und sollte nicht als Spiegelbild des Unternehmens oder seiner Mitarbeiter verstanden werden.
Tempo
Auch wenn Huge Tech offensichtlich Technologieunternehmen sind, heißt das nicht, dass sie beim Testen und Iterieren von Ideen so schnell vorankommen.
Wenn Unternehmen wachsen, stellen sie natürlich mehr Mitarbeiter ein und fügen ihrer Unternehmensstruktur weitere Ebenen hinzu. Anschließend schleicht sich langsam die Bürokratie ein.
Es gibt nicht viel, was Sie tun können, um es zu vermeiden.
Dies geschieht, wenn es dem Unternehmen normalerweise sehr intestine geht und es erhebliche Gewinne erzielt.
Wie das alte Sprichwort sagt:
Wenn es nicht kaputt ist, reparieren Sie es nicht
Daher ist es weniger wahrscheinlich, dass diese Unternehmen neue Ideen oder Strategien testen, um ihr Geschäftsergebnis zu schützen.
Sie sind sozusagen weniger bereit, größere und riskantere Schwankungen vorzunehmen.
Ich verstehe, es macht absolut Sinn.
Für Menschen wie mich passt diese Artwork von Kultur jedoch einfach nicht.
Ehrlich gesagt bin ich ein sehr kämpferischer, pragmatischer und handlungsorientierter Mensch.
Ich mache mir nicht die Mühe, jedes einzelne komplizierte Element zu testen oder zu viel Zeit mit völlig zufälligen Dingen zu verbringen „was ist, wenn“ Fragen und das Abtauchen in den Analyse-Lähmungs-Kaninchenbau.
Meiner Meinung nach besteht die beste Strategie darin, zu 80 % darauf zu vertrauen, dass Ihre Idee durch Offline-Exams, Worst-Case-Szenario-Modellierung usw. funktioniert, und sie dann in die Produktion zu schicken, um zu sehen, was passiert.
Manche Leute denken vielleicht, dass das leichtsinnig und irgendwie dumm ist.
Das ist in Ordnung, ich habe gelernt, dass man nie alle zufriedenstellen kann.
Für mich macht dieser Ansatz viel mehr Spaß und ist motivierender, da man seine Kreation regelmäßig in die Welt hinausgehen sieht.
Sicher, manchmal wird man völlig aussteigen, aber das ist der Sinn dieses Prozesses.
Es ist iterativ, und Sie lernen und bauen beim nächsten Mal ein besseres Produkt.
Leider passt diese Arbeitsweise meiner Erfahrung nach nicht zur Kultur großer Unternehmen oder zumindest nicht zu bestimmten Groups.
Um es deutlich zu sagen: Es passte nicht zu meiner Arbeitsweise und ich hatte Mühe, motiviert zu bleiben.
Mangel an Zweck
Es ist ein Klischee zu sagen, man sei nur ein kleines Rädchen in einer großen Maschine, aber genau so habe ich mich gefühlt.
Nach ein paar Monaten wurde mir klar, dass meine Arbeit nicht so wichtig struggle.
Sicher, es erzeugte Wirkung, aber im Großen und Ganzen struggle es nur ein Tropfen auf den heißen Stein.
Ob ich dort struggle oder nicht, das Unternehmen würde reibungslos laufen, Gewinne erwirtschaften und den Aktionären weiterhin Einnahmen bescheren.
Verstehen Sie mich nicht falsch, ich verstehe, dass es ein perfektes Beispiel für gutes Geschäft und die Artwork und Weise ist, wie ein Unternehmen geführt werden sollte.
Allerdings fühlte ich mich dadurch ein wenig wertlos und sinnlos. Alles, was ich tat, struggle im Grunde zwecklos, und das hat meine Motivation wirklich beeinträchtigt.
Das hat wahrscheinlich etwas mit meinem Ego zu tun, aber ich wollte das Gefühl haben, wirklich geschätzt zu werden und letztendlich die Verantwortung dafür zu haben, wohin das Unternehmen geht.
Wenn ich ein Unternehmen verlasse, möchte ich, dass sie es spüren.
Nützlich zu sein ist das, was mir Sinn verleiht, und das habe ich im letzten Jahr letztendlich nicht gespürt.
Interne Werkzeuge
Dies ist zwar etwas abwegig, aber viele dieser großen Unternehmen verfügen über zahlreiche interne Instruments, die sie im Laufe der Jahre entwickelt haben, um die Produktivität zu steigern.
Anstatt beispielsweise direkt mit AWS zusammenzuarbeiten, lässt das Unternehmen seine Infrastrukturingenieure Wrapper rund um AWS erstellen, um die Nutzung seiner Kerndienste zu vereinfachen und Rollenberechtigungen besser zu verwalten.
Google ist ein Unternehmen, das dafür bekannt ist, über viele interne Instruments zu verfügen, aber Viele Quellen geben an, dass sie sehr intestine sind.
Auch wenn das auf dem Papier großartig klingt, lernt man nicht, wie man Dinge wie AWS richtig nutzt, sodass man keine übertragbaren Fähigkeiten erwirbt, die man in anderen Rollen anwenden kann, wenn man sich entschließt, das Unternehmen zu verlassen.
Meiner Erfahrung nach gab es viele interne Instruments für grundlegende Fähigkeiten, die ich erlernen wollte:
- Nutzung von Cloud-Systemen
- Aufbau einer Modellbereitstellungsinfrastruktur
- Automatisierungen auf Git/GitHub einrichten
Diese wurden einem einfach auf einem Teller serviert und ich musste nicht zweimal darüber nachdenken.
Klar, es verbessert die Produktivität, das gebe ich Ihnen zu.
Aber ich bin jemand, der ständig wirklich verstehen möchte, was unter der Haube vor sich geht, denn wenn etwas kaputt geht, möchte ich wissen, wie ich es reparieren kann.
Ich hatte nicht das Gefühl, daraus viel gelernt zu haben, und das ist auch nicht das, was ich an diesem Punkt meiner Karriere will.
Kleiner Umfang
Im gesamten Unternehmen gab es rund 100 Ingenieure für maschinelles Lernen und in der gesamten Daten-, maschinellen Lern- und Wissenschaftsorganisation etwa fünfmal so viele.
Angesichts dieser Mitarbeiterzahl waren viele Produkte und Algorithmen so ausgereift, dass es äußerst schwierig struggle, weitere Fortschritte zu erzielen oder eine wesentliche Wirkung zu erzielen.
Es ist nicht unbedingt eine schlechte Sache, und es ist eindeutig meine Aufgabe, Wege zur Verbesserung zu finden.
Dafür wurde ich bezahlt.
Wenn jedoch Hunderte von Personen über ein Jahrzehnt hinweg an demselben Algorithmus arbeiten oder gearbeitet haben, ist der Umfang der Verbesserungen, die Sie vornehmen können, sehr gering.
Die einzige wirkliche Various besteht darin, die Herangehensweise an das Downside neu zu definieren. Aber wie ich eingangs sagte, wird kein etabliertes, profitables Unternehmen ein Jahr damit verbringen wollen, ein ganzes System neu zu gestalten.
Es ist einfach nicht praktikabel und in den Augen der Führungsebene auch nicht lohnenswert.
Ein Großteil der Arbeit, die ich verrichtete, bestand aus mehr Wartung und der Aufrechterhaltung des Betriebs.
Es gab nicht viel Spielraum, um neue Funktionen oder Algorithmen zu implementieren, und mit der Zeit wurde die Arbeit langweilig und unmotivierend, wie ich eingangs erwähnte.
Was kommt als nächstes?
Der einfache Weg bestand für mich darin, zu bleiben, schließlich zum leitenden Ingenieur für maschinelles Lernen befördert zu werden und für das nächste Jahrzehnt einen bequemen, intestine bezahlten Job zu haben.
Aber wo ist da der Spaß?
Ich bin erst 26 Jahre alt und eines habe ich im letzten Jahr über mich selbst gelernt: Ich scheue keine Risiken und bin viel unternehmerischer als ich zunächst dachte.
Ich möchte große Dinge bauen, die sonst niemand hat, und der Welt meinen kleinen Stempel aufdrücken.
Viele Leute werden mit den Augen rollen oder sich über mich lustig machen, wenn ich das sage, was sie schon einmal direkt vor meinen Augen getan haben.
Aber das ist der Preis, den Sie zahlen, wenn Sie wahnhaft optimistisch sind und Dinge wollen, vor denen andere zu viel Angst haben, sie auszuprobieren oder gar zu sagen.
Deshalb habe ich beschlossen, eine volle 180-Grad-Kurve zu machen. Ich werde vom Huge Tech zum sechsten Mitarbeiter bei einem Startup.
Große Veränderung, mit großem Risiko. Aber wie heißt es so schön:
Nichts ändert sich, wenn sich nichts ändert.
Ich freue mich sehr auf dieses neue Abenteuer und kann es kaum erwarten, beim Bau eines Einhorns zu helfen.
Eine andere Sache!
Abonnieren Sie meinen kostenlosen E-newsletter, in dem ich wöchentlich Tipps, Einblicke und Ratschläge aus meiner Erfahrung als praktizierender Datenwissenschaftler und Ingenieur für maschinelles Lernen teile. Außerdem erhalten Sie als Abonnent meine KOSTENLOSE Lebenslaufvorlage!
Die Daten verteilen
Wöchentliche E-Mails, die Ihnen helfen, Ihren ersten Job im Bereich Datenwissenschaft oder maschinelles Lernen zu findenE-newsletter.egorhowell.com