J’ai quitté mon emploi d’ingénieur ML de 130 000 $ après avoir appris 4 leçons

travailler comme ingénieur en apprentissage automatique dans un Grande technologie entreprise.

Sur le papier, j’avais un métier de rêve :

• Travail flexible
• Des collègues intelligents et sympathiques
• De grands avantages et bénéfices
• Bon équilibre travail-vie personnelle
• Presque aucune réunion
• Et ma rémunération dépassait largement les 100 000 $

Malgré tout cela, j’ai toujours senti qu’il manquait quelque chose.

Au début, je pensais que c’était une phase et que je devais lui donner plus de temps, mais ce sentiment n’a jamais semblé disparaître au fil des mois.

Au contraire, c’est devenu plus fort et j’ai commencé à me sentir démotivé.

J’aime tellement ce domaine; Je blogue et filme littéralement des vidéos YouTube sur la science des données et l’apprentissage automatique depuis plus de 3 ans, mais l’année dernière, je n’ai pas ressenti le même plaisir.

Cela m’a vraiment dérangé, car je suis encore relativement tôt dans mon voyage et il me reste tellement de choses à apprendre.

Je savais que quelque chose devait changer.

Je voulais retrouver cette passion et cet enthousiasme que j’avais il y a seulement deux ans.

Ainsi, dans cet article, je souhaite expliquer pourquoi j’ai finalement quitté mon poste d’ingénieur en apprentissage automatique et proposer une vision alternative de ce à quoi ressemblent réellement ces emplois « de rêve ».

Inutile de préciser que ceci n’est que mon avis basé sur ma courte expérience au sein d’une seule équipe et ne doit pas être considéré comme le reflet de l’entreprise ou de ses collaborateurs.

Rythme

Même si les Big Tech sont évidemment des entreprises technologiques, cela ne signifie pas qu’elles évoluent aussi rapidement lorsqu’il s’agit de tester et d’itérer des idées.

À mesure que les entreprises se développent, elles embauchent naturellement davantage d’employés et ajoutent davantage de niveaux dans leur structure d’entreprise. Ensuite, la bureaucratie s’installe peu à peu.

Vous ne pouvez pas faire grand-chose pour l’éviter.

Cela se produit lorsque l’entreprise se porte normalement très bien et réalise des bénéfices importants.

Comme le dit le vieil adage :

Si ce n’est pas cassé, ne le répare pas

Par conséquent, ces entreprises sont moins susceptibles de tester de nouvelles idées ou stratégies pour protéger leurs résultats.

Ils sont moins enclins à prendre des décisions plus importantes et plus risquées, pour ainsi dire.

Je comprends, c’est tout à fait logique.

Cependant, pour des individus comme moi, ce type de culture ne me convient tout simplement pas.

À vrai dire, je suis une personne très décousue, pragmatique et orientée vers l’action.

Je ne prends pas la peine de tester chaque détail complexe, ni de passer trop de temps sur des choses complètement aléatoires. « et si » questions et descendre dans le terrier du lapin analyse-paralysie.

La meilleure stratégie, à mon avis, est d’avoir 80 % de confiance dans votre idée quant à son fonctionnement via des tests hors ligne, une modélisation du pire des cas, etc., puis de l’envoyer en production pour voir ce qui se passe.

Certaines personnes pourraient penser que c’est imprudent et quelque peu stupide.

C’est bien, j’ai appris qu’on ne peut jamais satisfaire tout le monde.

Pour moi, cette approche est bien plus amusante et motivante car vous voyez fréquemment votre création sortir dans le monde.

Bien sûr, parfois vous serez complètement éliminé, mais c’est le but de ce processus.

C’est itératif, et vous apprenez et créez un meilleur produit la prochaine fois.

Malheureusement, cette façon de travailler ne correspond pas à la culture des grandes entreprises, ou du moins pas à celle de certaines équipes, d’après mon expérience.

Pour parler franchement, cela ne correspondait pas à ma façon de travailler, j’ai donc eu du mal à rester motivé.

Manque de but

C’est un cliché de dire que vous n’êtes qu’un petit rouage dans une grande machine, mais c’est exactement ce que j’ai ressenti.

Quelques mois plus tard, j’ai réalisé que mon travail n’avait pas vraiment d’importance.

Bien sûr, cela a généré un impact, mais dans l’ensemble, ce n’était qu’une goutte d’eau dans l’océan.

Que j’y sois ou non, l’entreprise fonctionnerait sans problème, réaliserait des bénéfices et continuerait à générer des revenus pour les actionnaires.

Ne vous méprenez pas, je comprends que c’est un parfait exemple de bonnes affaires et de la façon dont une entreprise devrait être gérée.

Cependant, cela me faisait me sentir un peu inutile et sans but. Tout ce que je faisais était fondamentalement futile, et cela a vraiment affecté ma motivation.

Cela vient probablement d’un certain ego, mais je voulais me sentir vraiment valorisé et finalement responsable de la direction que prend l’entreprise.

Si je quitte une entreprise, je veux qu’ils le ressentent.

Être utile est ce qui me donne un but, et je n’ai finalement pas ressenti cela au cours de l’année écoulée.

Outillage interne

Il s’agit d’une solution légèrement malveillante, mais bon nombre de ces grandes entreprises disposent de nombreux outils internes qu’elles ont développés au fil des années pour augmenter la productivité.

Par exemple, au lieu de travailler directement avec AWS, l’entreprise demande à ses ingénieurs d’infrastructure de créer des wrappers autour d’AWS pour rendre ses services de base plus faciles à utiliser et pour mieux gérer les autorisations de rôle.

Google est une entreprise connue pour disposer de nombreux outils internes, mais de nombreuses sources affirment qu’ils sont très bons.

Bien que cela semble bien sur le papier, vous n’apprenez pas à utiliser correctement des éléments comme AWS, vous n’acquérez donc pas de compétences transférables que vous pourrez appliquer dans d’autres rôles si vous décidez de partir.

D’après mon expérience, il existait de nombreux outils internes pour les compétences fondamentales que je souhaitais acquérir :

1. Utiliser des systèmes cloud
2. Création d’une infrastructure de déploiement de modèles
3. Configuration des automatisations sur Git/GitHub

Ceux-ci vous ont été simplement servis dans une assiette, et je n’ai pas eu à y réfléchir à deux fois.

Bien sûr, cela améliore la productivité, je vous l’accorde.

Mais je suis quelqu’un qui veut toujours vraiment comprendre ce qui se passe sous le capot, car quand quelque chose tombe en panne, je veux savoir comment le réparer.

Je n’ai pas eu l’impression d’avoir beaucoup appris de cela, et ce n’est pas ce que je souhaite à ce stade de ma carrière.

Petite portée

Il y avait environ 100 ingénieurs en apprentissage automatique dans l’entreprise, et environ 5 fois ce nombre dans l’ensemble de l’organisation des données, de l’apprentissage automatique et de la science.

Compte tenu de ce nombre d’employés, de nombreux produits et algorithmes étaient très matures, à tel point qu’il était extrêmement difficile de réaliser des gains supplémentaires ou d’avoir un impact substantiel.

Ce n’est pas nécessairement une mauvaise chose, et c’est clairement mon travail de trouver des moyens de m’améliorer.

C’est pour cela que j’ai été payé.

Cependant, lorsque des centaines de personnes travaillent ou travaillent sur le même algorithme depuis plus d’une décennie, la portée des améliorations que vous pouvez apporter est très réduite.

La seule véritable alternative est de redéfinir la manière d’aborder le problème. Mais, comme je l’ai dit au début, aucune entreprise établie et rentable ne voudra passer un an à repenser l’intégralité d’un système.

Ce n’est tout simplement pas pratique et cela n’en vaut pas la peine aux yeux des hauts dirigeants.

Une grande partie du travail que je faisais consistait davantage à effectuer de la maintenance et à maintenir l’exploitation en marche.

Il n’y avait pas beaucoup de possibilités d’implémenter de nouvelles fonctionnalités ou de nouveaux algorithmes, et avec le temps, le travail est devenu obsolète et peu motivant, comme je l’ai mentionné au début.

Quelle est la prochaine étape ?

La voie la plus facile était pour moi de rester, d’obtenir éventuellement une promotion au poste d’ingénieur senior en apprentissage automatique et d’avoir un emploi confortable et bien rémunéré pour la prochaine décennie.

Mais où est le plaisir là-dedans ?

Je n’ai que 26 ans et s’il y a une chose que j’ai apprise sur moi-même au cours de la dernière année, c’est que je n’ai pas peur des risques et que je suis bien plus entrepreneurial que je ne le pensais au départ.

Je veux construire de grandes choses que personne d’autre n’a et faire ma petite brèche dans le monde.

Beaucoup de gens lèveront les yeux au ciel ou se moqueront de moi quand je dis cela, ce qu’ils ont déjà fait juste devant moi.

Mais c’est le prix que vous payez lorsque vous êtes d’un optimisme illusoire et que vous voulez des choses que les autres ont trop peur pour essayer ou même dire.

J’ai donc décidé de faire un 180 complet. Je passe de la Big Tech à la sixième embauche dans une startup.

Un grand changement, avec de gros risques. Mais comme le dit le proverbe :

Rien ne change, si rien ne change.

Je suis très enthousiasmé par cette nouvelle aventure et j’ai hâte d’aider à construire une licorne.

Une autre chose !

Rejoignez ma newsletter gratuite où je partage chaque semaine des astuces, des idées et des conseils issus de mon expérience en tant que data scientist et ingénieur en apprentissage automatique. De plus, en tant qu’abonné, vous recevrez mon Modèle de CV GRATUIT !

Diffuser les données
Des e-mails hebdomadaires vous aidant à décrocher votre premier emploi en science des données ou en apprentissage automatiquenewsletter.egorhowell.com

Connectez-vous avec moi