Facebook的Data Scientists职位

[SOD]

发信人: songkun (告别棒球场), 信区: Statistics
标 题: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 03:01:39 2014, 美东)

Facebook有两种data scientist, 一种是core data scientist, 招的人比较像MSR, 或
者Google Research那种profile. 另一种是product data scientist. 我下面主要针对
第二种说.

先说analytics org, 基本可以概括成分散集中制, 工作时分散的, 管理是集中的.
Facebook大体上可以分成product org和business org. 后者是sales/HR/marketing/
Finance等等那些部门, 而data scientists是属于product org. 对于product org, 又
分成众多的product units, 大体有100多个. 每个team基本是4个主要pillars组成
engineering, pm, analysts (data scientist), product designers. 所以整个
Facebook一共有一百多个data scientists, 工作领域是分散在不同units, 但是
reporting structure是集中的. 所以hiring也是集中的. 面试Facebook的data
scientist, 是general hiring pool, 不分组的, 进来以后再allocate. 这点上和
engineers, PMs 什么的都相同. 之所以要这样, 是为了让analytics保持独立性, 更好
的为产品提供insights,而不完全受product的制约, 换句话说, 你的老板是analytics
head, 而不是你工作的那个product的head. 再有就是这样会形成analytics community
, 容易share resources, best practices, 等等.

再说data scientists的日常工作组成, 基本分四项
(1) data pipelines, 这包括各种ETL, 处理数据, reporting, dashboard 等等
(2) product operation, 包括监测和产品的走向, own key metrics, 和各种ad hoc的
product support. 这种可以简单概括成被动分析, 就是有人问你关于产品问题, 你得
回答.
(3) strategic analysis, 各种exploratory的分析, 提供insight来帮助产品set
roadmaps. 这种可以简单概括成主动分析, 就是没人问你问题, 你自己要问你合适的问
题, 并且回答, 主动为产品提供发展方向.
(4) cross functional influencing. 有了insights, 要和另外几大pillars打交道(
eng, pm等等), 所以influencing必不可少.
可以想想, 每个产品的analysts, 都是和那个产品的团队坐在一起的, 而不是和你老板
坐在一起. 同一个analytics team里的人, 往往是分散坐在不同的楼里, 而你老板可能
是坐在他最involve的一个产品那个组里. Analytics team有weekly meeting, 但是你
更多的时候是meet同一product team里的人.

再说data scientists面试的要点.
(1) 有"一定"的技术能力, Python + big data (比如Hive/SQL). R也可以, 但是很多
面试题用R来做恐怕有些困难, 会Python是很有帮助的. 不需要啃算法书, CS面试那种
算法题不会考. 我们只需要知道你有独立handle data的能力, 遇上事情能有技术能力
unblock你自己. 光会SQL是不行的.
(2) 有"极好"的分析能力, 这是analysts的本质, 也是面试的重点. 给你一个问题(
open ended), 看能不能 think analytically and structurally. 随便举个例子: 怎
么用FB数据分析日本核电站爆炸的影响. 这里要自己formalize这个问题, 提出假设,
思考可以用哪些数据, 怎么分析, 没有某些数据怎么替代 等等一系列步骤.
(3) 有"极好"的product sense. 因为实际工作中, 很多时候没人问你问题, 你要自己
问问题, 问正确的问题, 需要对产品有很好的理解. 这里也举个例子: 假如印度的某个
城市停电三天, 你觉得对FB会有哪些影响, 这些影响对Twitter会如何? 回答这个问题,
先得对行业和产品有一定了解, 否则根本无从下手.
当然一些其他的东西, 比如对数字的敏感度, 交流的能力等等很重要, 但是哪些都表现
在上面这些回答当中.

很大程度上, FB的data scientists需要的是通才, 而不是专才, 从上面这些问题就能
看的出来. 这也是为什么我们招进来的人什么背景的都有. 背景可以千差万别, 但是上
面三条都一定满足. 对于学统计的人, 尤其是对互联网行业比较陌生的, 可能在
product sense方面会有些challenge. 我们也面试过很多统计PhD, 有些人回答很好,
有些人就一塌糊涂, 最后的差别并不在于统计, 而是分析头脑和product sense. 这里
要说一点, 大多数中国人都比较适合回答close-ended questions(这个和咱们的教育背
景有关), 纠结于"怎么分析". 很多时候遇上"分析什么" 这种 open-ended questions
反而不知如何下手.

最后明确一下, FB现有大量的data scientists空缺, 刚兴趣的请自己申请, 也可以找
FB的朋友推荐. 因为我个人也是hiring manager之一, 也是interviewers之一, 所以我
不负责推荐.
https://www.facebook.com/careers/depart ... 00CyDjDMAV

最后说点题外话. 这个版上稍微老点的人恐怕都知道我, 我来FB之前在Google工作了7
年半. Google是个给钱多还不累的地方. FB可完全不是, FB比Google忙的多的多的多的
多, 整个公司都是这个文化. 对于mediocre performer, Google更tolerant, 而FB很多
就直接fire了. 所以追求work life balance的, 基本就不要考虑FB了.
Google是很好的公司, 也有很多牛人, 但也有很多不干活的人在公司的各个角落. FB可
以说基本没有, 至少整个analytics org一百多人, 我还没发现任何一个人有任何一点"
混"的迹象. Analytics从director到
manager到IC, 都是要做IC活的. 光管人耍嘴皮子, 在FB是吃不开的. 我老板director,
基本每天也就睡4,5个小时, 剩下时间全在工作, 又management, 又自己分析东西. 很
大程度上, FB这么大的公司, 能保持这种模式, 也算是奇迹了. 以前我在Google的时
候, 基本天天泡在这个版, 可是现在可能一两个月都不来一次了, 实在是没时间, 有时
一天忙到最后都渴的不行饿得不行了, 才发现自己一天忙得都没喝口水的时间.


发信人: huaifans (坏粉丝), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 03:22:17 2014, 美东)

满足这些条件的，基本上都有不少应用经验而且可以 lead project 了。
大公司里十个 analyst 出一两个就不错。 就现在录取几率的确很难招满，更别提
LinkedIn Google 也在抢人。

【 在 songkun (告别棒球场) 的大作中提到: 】
: Facebook有两种data scientist, 一种是core data scientist, 招的人比较像MSR, 或


发信人: catforfish (catforfish), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 10:50:23 2014, 美东)

好有营养的帖子！谢谢楼主。
这么看了fb的ds不太适合fresh，学生在学校里见的数据都是response, covariates很
明确的，在analytic和product方面几乎都一片空白。统计背景优势也不太大。
--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 97.]

发信人: daybreak (daybreak), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 11:20:21 2014, 美东)

好多干货，非常感谢楼主分享！！！
--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 162.]


发信人: kirklanda (kirkland), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 11:47:15 2014, 美东)

多些songkun大牛分享！
--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 73.]


发信人: yangcs (Fly), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 12:34:05 2014, 美东)

35岁以下，这么干还行。35岁以上，有家有孩子的这么干就不好了。

人生不只是事业，到了一定年龄，家庭，孩子，健康等等更重要。要享受生活，而不是
到了60岁回首，自己只是干了多少有挑战性的projects，很少有时间陪伴家庭。

当然，LZ是大牛，好好好膜拜一下

【 在 songkun (告别棒球场) 的大作中提到: 】
: Facebook有两种data scientist, 一种是core data scientist, 招的人比较像MSR, 或
: 者Google Research那种profile. 另一种是product data scientist. 我下面主要针对

发信人: DaShagen (Unbearable lightness), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 12:58:47 2014, 美东)

song大侠这是劝退吧。。。。真是不是一般人可以干的活。


【 在 yangcs (Fly) 的大作中提到: 】
: 35岁以下，这么干还行。35岁以上，有家有孩子的这么干就不好了。
: 人生不只是事业，到了一定年龄，家庭，孩子，健康等等更重要。要享受生活，而不是
: 到了60岁回首，自己只是干了多少有挑战性的projects，很少有时间陪伴家庭。
: 当然，LZ是大牛，好好好膜拜一下



发信人: songkun (告别棒球场), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 13:02:05 2014, 美东)

其实面试FB的DS, experienced未必比fresh有优势. 事实上我们招的人绝大部分都是
fresh grads.
experienced只是在product sense方面可能有点优势, 前提还得是在相关领域, 但是对
于analytical thinking, 经常有负面影响. 工业界大多数的analysts, 工作基本都是
routine work, 时间长了只熟悉自己用的那点东西, 未必就比fresh有更好的
analytical breadth and depth. Fresh没有太多的思维禁锢, 经常反而更能独立思考.

我个人觉得, 相比业内其他公司和岗位, FB的DS面试, fresh一般更有优势. 本质上
experienced的优势是简历, 而这种面试不看简历, 不管你25岁还是52岁, 来了一套面
试流程, 主要考核的现场思考的能力.

学统计的, 的确没有天生的优势, 因为就像上面说的, 统计基本上是有固定的x, y, 考
虑"怎么分析更好"的学科; 而不是有个问题, 没有x,y, 要首先考虑"分析什么更好"的
学科. 但是即使如此, 懂统计也不是没有任何帮助. 往往统计背景的人, 在确定了分析
什么以后, 能更好的formalize分析, 比如比较什么metric, 什么分布, 什么test, 怎
么检验什么的, 这个肯定是有帮助的. 我们面试的人里面一直有不少是stat ms/phd,
也有不少人面试很成功, 也有中国人, 所以说这个不能一概而论.

--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 70.]


发信人: songkun (告别棒球场), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 13:16:19 2014, 美东)

应该说这个工作不是适合所有的人.

如果希望多学一些东西, work with awesome people, learn from everyone, 挑战自
己积累经历, FB的确是很好的地方.
如果个人背景很牛, 也希望和牛人工作, 但是又比较希望work life balance, Google
的某些组是更好的选择.
如果不在乎挣钱少点, 但是想有机会发财, 并且愿意take risk, 显然应该去startup.
如果work life balance是第一考量, 恐怕应该去微软这类总司.





【 在 DaShagen (Unbearable lightness) 的大作中提到: 】
: song大侠这是劝退吧。。。。真是不是一般人可以干的活。

发信人: sweetworm (粘粘动动虫), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 13:34:44 2014, 美东)

是啊，data scientist 刚去不过15-20万吧，干几年 potential 2,30 万？这样卖命可
能很多人会宁可少赚一点，去混一点的公司也少不了多少。
以前投行也这样不要命，但是 potential 是 million 级别的，拼几年可以退了，当然
身体也毁了。


【 在 DaShagen (Unbearable lightness) 的大作中提到: 】
: song大侠这是劝退吧。。。。真是不是一般人可以干的活。



标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 14:02:42 2014, 美东)

"这样卖命可能很多人会宁可少赚一点，去混一点的公司也少不了多少。"

从挣钱的角度讲的确是这样, 挣钱多本来也不是FB的卖点. 这样想法的人, 本来也不应
该去FB, 也不是FB要招的对象, 这个就属于不match的例子. 可是放宽来讲, 去混一点
的公司, 不只是少赚一点, 还少学很多东西, 少历练自己, 少和其他聪明的人交流等等
, 这个价值多少就见仁见智了.

要是从这个角度出发, 我肯定选择留在Google. 我那些年在Google可以说是顺风顺水,
career非常smooth, 挣钱不少干活还不累. 我跳FB, 挣钱可能增加10%, 但是至少有三
倍这么忙. 可是另一方面, 在FB半年学到的东西比在Google 4,5年都要多, 这里包括眼
界,思维方式,等等很多东西. 意识到很多以前都不意识的事情.


【 在 sweetworm (粘粘动动虫) 的大作中提到: 】
: 是啊，data scientist 刚去不过15-20万吧，干几年 potential 2,30 万？这样卖命可
: 能很多人会宁可少赚一点，去混一点的公司也少不了多少。
: 以前投行也这样不要命，但是 potential 是 million 级别的，拼几年可以退了，当然
: 身体也毁了。



--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 70.]


[回复] [回信给作者] [本篇全文] [本讨论区] [修改] [删除] [转寄] [转贴] [收藏] [举报] [ 12 ]
发信人: chuck1212 (chuck1212), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 14:35:55 2014, 美东)

感谢大牛！受教了！
对于Fresh来说，分析一下大牛说的三点能力具体该怎么提高。

(1) 有"一定"的技术能力, Python + big data (比如Hive/SQL). R也可以。
这一点是可以通过练习Python,SQL,HIVE来实现的。

(2) 有"极好"的分析能力, 这是analysts的本质, 也是面试的重点. 给你一个问题(
open ended), 看能不能 think analytically and structurally.

这一点对Fresh 来说，有一定可能可能提高，比如参加Kaggle，自己做Porject，实习
等等。但是question很可能还是不够open ended，很多情况，数据都是给你的，也不需
要自己去定义问题。那Fresh应该怎么样提高自己分析的能力呢，是应该做一些类似MBA
的case study吗，还是自己多读一些report，看看facebook怎么分析数据的？有没有推
荐的参考书／blog呢？

(3) 有"极好"的product sense. 因为实际工作中, 很多时候没人问你问题, 你要自己
问问题, 问正确的问题, 需要对产品有很好的理解。

product sense恐怕对fresh更难，一是不一定了解产品，第二是即使自己觉得了解，说
出来的答案也未必合理，而且没有经验丰富的Data scientist给予指导，很可能只是自
己乱分析，这点实在不知该如何提高？多和已经入职的Data scientist交流，听他们讲
日常工作？

--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 98.]


标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 15:06:48 2014, 美东)

其实没必要把东西很复杂化.

像product sense,你用过FB, Twitter, gmail, iphone什么的, 就应该有些感觉, 你为
什么用他们, 做什么, 那些地方好, 那些地方不好. 你的观点可能片面, 但是这个没关
系. 面试的时候, 你的回答也未必就有对错之分, 只要能make sense就行.

这种open ended question, 不是要寻求一个正确答案, 而是看一个candidate能不能
think.
面试挂了的, 极少是因为回答的不对, 而是没能convince人家自己有独立思考的能力.

举个例子, 给你个题目和一些数据, 可能一个不难的SQL query就是正确答案, 这个很
多人都可以. 可是后面会有追加问题, 比如说你觉得哪些地方可以改进. 有些人会从数
据的收集入手, 说说收集哪些数据能更好的回答一些隐含问题, 如何存储处理这些数据
. 有些人会从query efficiency入手, 说说如果要写大的pipeline, 怎么能让query更
efficient, 如果安排staging data, 如何back up, 如何防止出错. 有些人会从题目本
身入手, 讨论本质的问题是什么, 什么题目更适合回答这个本质的问题. 这些都可以,
怎么回答都无所谓, 但是在回答的过程中, 体现了一个人的思考能力, 思维的逻辑性,
深度和广度. 这个才是面试真正来evaluate的.

归根结底, analysts最重要的不是math, 也不是stat, 也不是query, 更不是model什么
的. 而是能够critical thinking, 有analytical mindset. 有了后者, 前面的都是可
以学的, 而且都不难. 反之, 光有技术能力, 不能独立思考, 最终只能在别人指导下做
些具体工作, 很难在这个career上走得很远.




【 在 chuck1212 (chuck1212) 的大作中提到: 】
: 感谢大牛！受教了！
: 对于Fresh来说，分析一下大牛说的三点能力具体该怎么提高。
: (1) 有"一定"的技术能力, Python + big data (比如Hive/SQL). R也可以。
: 这一点是可以通过练习Python,SQL,HIVE来实现的。
: (2) 有"极好"的分析能力, 这是analysts的本质, 也是面试的重点. 给你一个问题(
: open ended), 看能不能 think analytically and structurally.
: 这一点对Fresh 来说，有一定可能可能提高，比如参加Kaggle，自己做Porject，实习
: 等等。但是question很可能还是不够open ended，很多情况，数据都是给你的，也不需
: 要自己去定义问题。那Fresh应该怎么样提高自己分析的能力呢，是应该做一些类似
MBA
: 的case study吗，还是自己多读一些report，看看facebook怎么分析数据的？有没有推
: ...................




--
※ 修改:·songkun 於 Nov 27 15:08:12 2014 修改本文·[FROM: 73.]
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 70.]

发信人: Actuaries (striving), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 21:14:20 2014, 美东)

很有道理
在职场上见得人多了
觉得楼主说的critical thinking
还有一些人说的strategic thinking比具体的技术要重要的多
【 在 songkun (告别棒球场) 的大作中提到: 】
: Facebook有两种data scientist, 一种是core data scientist, 招的人比较像MSR, 或
: 者Google Research那种profile. 另一种是product data scientist. 我下面主要针对
: 第二种说.

发信人: lana1972 (lana), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 21:58:06 2014, 美东)

瞎逛进来的路人甲发言：
你老板你自己打算做几年？这是玩命的节奏，以后自己做老板还是退休？就你们这种突
击工作方法还搞持久战，不是给资本家榨干吗，别忘了人到中年老小都眼巴巴瞅着你这
个顶梁柱呢。FB很出名，钱给你再多，也没人知道你，你的存在感还是来自于一家老小
的饭后相聚，保重身体要紧。
--

发信人: niubee (资深街霸卧槽立马勒戈壁), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 22:20:33 2014, 美东)

既然这么想学东西，又不在乎钱和忙碌，干嘛不去多读几个博士，数学物理法律金融经
济考古梵文，还不行一个学期修个100门课够了吧。学到的东西比在Google 40,50年都
要多, 这里包括眼界,思维方式,等等很多东西. 意识到很多以前都不意识的事情

【 在 songkun (告别棒球场) 的大作中提到: 】
: 倍这么忙. 可是另一方面, 在FB半年学到的东西比在Google 4,5年都要多, 这里包括眼
: 界,思维方式,等等很多东西. 意识到很多以前都不意识的事情.

发信人: niubee (资深街霸卧槽立马勒戈壁), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Thu Nov 27 22:24:55 2014, 美东)

没必要这么装逼吧。把python学好点，就足够找到无数的比DS好的多的多的多的职业发
展机会。

【 在 chuck1212 (chuck1212) 的大作中提到: 】
: 感谢大牛！受教了！
: 对于Fresh来说，分析一下大牛说的三点能力具体该怎么提高。
: (1) 有"一定"的技术能力, Python + big data (比如Hive/SQL). R也可以。
: 这一点是可以通过练习Python,SQL,HIVE来实现的。
: (2) 有"极好"的分析能力, 这是analysts的本质, 也是面试的重点. 给你一个问题(
: open ended), 看能不能 think analytically and structurally.
: 这一点对Fresh 来说，有一定可能可能提高，比如参加Kaggle，自己做Porject，实习
: 等等。但是question很可能还是不够open ended，很多情况，数据都是给你的，也不需
: 要自己去定义问题。那Fresh应该怎么样提高自己分析的能力呢，是应该做一些类似
MBA
: 的case study吗，还是自己多读一些report，看看facebook怎么分析数据的？有没有推
: ...................



--
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 71.]
[首页] [上页][下页][末页] [分页:1 2 3 4 5 6 7 ]
[快速返回] [ 进入统计讨论区] [返回顶部]
回复文章
标题：
Re: 说说Facebook的Data Scientists职位
内 容：

[SOD]

发信人: songkun (告别棒球场), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Fri Nov 28 12:37:54 2014, 美东)

对. 还是我之前说的那个问题, 本质上analysts有两个职能, 分析什么 和 怎么分析.

在很多传统领域(比如说银行,保险,药厂等等), 各个公司的商业模型是类似的, 要分
析的问题都是很明确的, 好与坏的区别在于分析得好不好, 所以很多人就是在前人的
基础上, 让分析变得更好一些, 更精确一点, 更无偏一点等等, 区别只是做的好于
不好的问题. 这才是model要做的. 这个是解决"怎么分析"的问题, 也是各种统计领
域针对的.

而像IT这种新兴行业, 数据增长远远快于analysts能分析的速度, 而且各种新兴的
商业模型层出不穷. Google, FB, LinkedIn, Pinterest, Uber, Airbnb, 他们的商业
模型都互不相同. 所以要分析的问题都不是确定的, 好于怀的分别在于分析正确的
问题, 而不是分析的更准确一些. 所以除了一些特别的部门, 大部分analysts不会用到
很复杂的model, 用也是偶尔用. 大多数时候, 就是像你说的SQL, 算算百分比, 画画图
. 但是重要的是要formalize一个正确的问题, 做一个合适的分析, 并且articulate你的
观点, 并且influence product 的 roadmap.

同样是百分比, 保险公司关心的可能是某小概率事件的odd到底是 3.0% 还是 3.1%.,
今天分析完了, 明天想办法更精确一些, 是 3.0% 还是 3.05%. IT公司关心的用户使用
某feature的可能到底是3% 还是30%. 今天分析完了, 就move on分析别的新问题去
了, 原来这个问题可能一年半年都不会再分析了.

还有像你说的"错误分析", 至少我在Google和FB见过太多太多了, 而且从我面试别人
的经历, 也可以保证其他公司也差不多是这样. 比如说对于不正态的样本就直接t test,
不独立的样本就直接regression, 不管什么分布一律用正态假设算p value 等等数不
胜数. 因为很多分析都不是统计背景的人做出来的, 他们并不懂这些, 所以统计背景的
人可以帮助每个公司改善这些不完善的地方. 但是即使如此, 那些所谓"错误"的分析依
然提供了很多价值, 为产品的发展提供了很多insights.

No models are correct, but some are useful.


【 在 catforfish (catforfish) 的大作中提到: 】
: 想问下楼主，为什么会觉得什么model，技术可以在analytical thinking和product
: sense之后学习？
: 是因为fb用的model什么的都比较简单吗？我不敢说的太绝对，但是大部分工作以后再
: 学习的东西，尤其是偏理论的，都是学学皮毛。举个例子，统计版上的人都知道，一个
: 简单的线性模型就能学一个学期。这东西看着简单，但是assumption, underlying
: meanings多的很，不好好理解，很可能用的都是错的。
: 楼主能不能大概说说fb的ds都用点什么model啊？还是sql之后，算算均值，
percentage
: ，画画图就完了？

[SOD]

发信人: rrented (rrented), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Fri Nov 28 21:18:47 2014, 美东)

一直很喜欢niubee哥强烈的个人风格，paranoid

如同很多其他职位，我相信好的ds在未来三五年内能distinguish themselves. 每个人
都有机会。

【 在 niubee (资深街霸卧槽立马勒戈壁) 的大作中提到: 】
各大公司里面ds都比swe工资低很多，还别说职位数量至少有10倍的差距.
别加上个scientist就以为高大上以为是业务核心。只有中国人这么想吧。其实地位在
swe之后，属于辅助部门。


发信人: songkun (告别棒球场), 信区: Statistics
标 题: Re: 说说Facebook的Data Scientists职位
发信站: BBS 未名空间站 (Fri Nov 28 21:20:14 2014, 美东)

的确是不sustainable, 所以work-life balance问题一直是management讨论的话题.
不过整体上, FB和Google一样, 还是比较empathetic, care员工wellness的公司. 大家
很努力倒是真的, 至少我感觉比Google要push的多. 这个和年轻人多有很大关系.

我个人觉得, 这个也和FB的成长过程相关. FB一直成长在Google的威胁下, 所以一直是
夹缝中求生存而成功的心态, 所以有这种keep lean, move fast的传统, 也形成相关
的文化和价值取向. 相比之下, Google的成长一直顺风顺水, 没什么大的威胁, 所以
Google的公司风格很大气. 不同的公司都是依自己的价值而存在, 所以这个也很好理解
.

有n多Google的同事都考虑跳来FB问我建议, 我一般都是先说清楚我之前说的那些.
然后建议他们想好了自己到底要什么, 否则不要轻易来FB.

【 在 rrented (rrented) 的大作中提到: 】
: 谢谢lz非常有价值的帖子！Bow｀｀｀
: 有一点疑惑：
: fb员工努力程度应该被夸张了吧？？？怎么看都不sustainable啊。。总让我想起修铁
: 路的事。。