我在FAANG担任机器学习工程师，过去半年一直在被动地寻找工作

显然，学习所有流行的技术栈并不完全现实，但在我看来，当一名软件工程师或其他工程师在找工作时，至少花1-2个月的时间去研究并熟练掌握你感兴趣领域中的各种技术，这会带来回报。 除非你换工作只是为了做完全相同的事情（谁会想要那样呢），你必须自己承担起责任，在面试时表现出你对希望在工作中真正熟悉和掌握的技能的精通。你甚至可能需要夸大自己的经验。 最终，专业化应该更多地体现在你的思维方式上，而不是你掌握的事实。但招聘市场不会这样看待，这意味着你需要变得非常擅长假装，并且不要害怕在深夜学习后去支持你的说法。 这另一部分是，'级别'并不总是能跨公司转换的。…

作为FAANG公司的员工，从事机器学习，除了更多的钱，你从其他公司还想得到什么？ 例如，很难有更多资源。你进行的实验更少，在一个计算资源紧张的环境中，你的处理能力也更少。

从这个情况的另一面来看：我曾是一家薪资不错但非FAANG级别的公司的招聘经理。我们的办公室靠近几家FAANG公司的办公室。我们收到了很多想要离开FAANG的人的申请。 我们在与FAANG申请者和一些前FAANG员工合作时遇到的一些问题： * 知识无法转移：他们中的很多人在自己FAANG公司的抽象和结构中积累了大量经验，但一旦脱离FAANG的基础设施，就难以处理基础概念。他们中的一些人花了好几年时间试图复制他们熟悉的FAANG工具，只是为了完成一些其实并不需要这些工具的工作。 * 经验与当前团队不匹配。上述问题的延伸：一些候选人曾在FAANG担任高级职位，但他们在日常操作方面的经验却不如我们内部的资深员工。…

我认为假设是FAANG会向非FAANG的候选人投入大量资金，而不是相反。关于从FAANG招聘有一些“常识性”的观点（这些是假设，但通常准确），可以解释为什么没有“大量资金”： * 黄金手铐是真实存在的，并且是有意为之，在很多方面是理性的：很少有其他公司有同样规模的资金来投入，或者有同样规模的问题，使得FAANG级别的薪资可能带来显著的回报。 * FAANG的架构往往有许多其他地方无法找到的优秀内部便利条件，因此会有一种“他们是专家，还是只是擅长使用谷歌的内部架构？”的问题？他们是否能立即投入工作，还是需要先重新构建所有这些东西？ 每个人都希望向他们的CEO或投资者炫耀，他们成功挖走了FAANG的人。…

FAANG公司的声誉已经不再平均分布。 尽管大多数人对公司看法发生了变化，但谷歌工程师仍然普遍被认为素质很高。苹果工程师也有很好的声誉，但在市场上很少见到他们。Facebook/元宇宙工程师通常处于平均水平以上，但有积极攀爬公司阶梯的声誉。 但若我大胆猜测，如果你在找工作时遇到困难，那你可能在亚马逊。根据我的经验，亚马逊的“招聘->淘汰”流程至少在某种程度上摧毁了他们的声誉。过去几年里，我与许多前亚马逊工程师合作过，他们技能明显低于平均水平。这并不是说你（如果你在亚马逊工作）就是如此，但亚马逊已经不再是以前的简历加分项了，相反，现在可能还会有负面影响。 谈论“FAANG”已经不再那么相关了，因为…

对于想要转行成为机器学习工程师的后端工程师，你有什么建议吗？如果你参与了开源项目（如TensorFlow、PyTorch），这会有帮助吗？你每天的工作内容是怎样的？作为机器学习工程师，你需要具备哪些最低技能？在Coursera上学习机器学习课程有帮助吗？ 祝你找工作顺利，加油

> 在薪资方面，大多数公司通常最多只能达到我当前薪资的一半。 虽然我并不在机器学习或FAANG公司工作，但最近在欧盟，我的经历也是一样的。事实上，我认为根据我的经验和职责，我被严重低估了，但最近的职位空缺在薪资和福利方面都很糟糕。此外，与我的欧盟同胞们所说的相反，大多数职位虽然写着“混合办公”和“灵活办公”，但在面试后期才勉强透露出需要每周至少到办公室3-4天，而且他们更喜欢面对面的会议，因为“协作”！令人遗憾的是，尽管不断强调通货膨胀调整，但薪资却在下降，欧盟正在慢慢赶上美国的热潮，但并没有赶上薪资水平。

需要注意的是，员工职位的要求非常高。一方面是因为它们成本很高，另一方面是因为他们寻找的是有经验的人。 从高级职位晋升到员工或主管职位是一个巨大的飞跃。 我个人认为，人们怎么能在6年的工作经验下就获得员工职位呢？我预计至少需要8-10年。你只需要在那个位置上有经验。低于这个水平的话，你最好是个天才。