В предыдущем посте я писала про такую "оптимизацию" работы организации, которая, хоть и вызывает уныние у сотрудников, но хотя бы реально увеличивает прибыль... например, большое количество статей действительно повышает престиж научного университета и позволяет привлекать больше капитала (в т.ч. человеческого). А если приводить пример про бизнес: создание большой каловой массы донатных игр на смартфон низкого качества - реальная бизнес-стратегия, позволяющая получать реальную прибыль. С ML продуктами тоже бывает похожая история (особенно когда область на хайпе), хотя там это менее заметно и поэтому сложнее подобрать яркий пример.
А как насчет случаев, где организация настолько преисполняется в улучшении собственной эффективности, что работа становится бесполезна и неинтересна не только для сотрудника, но и для самой организации? 😂
Раб. 1. Моей первой работой в офисе была работа инженера по расчетам, где надо было оптимизировать параметры рабочей части некоего промышленного устройства. Пайплайн был такой: сначала по заданным параметрам конструкции (аналог гиперпараметров в ML расчетах) автоматически строилась 3D модель рабочей части устройства; затем эта модель должным образом преобразовывалась и загонялась в программу для физической симуляции (CAE пакет). Там происходила симуляция, после которой выдавались ожидаемые результаты работы устройства на практике. Функцией, которую нужно было максимизировать, был КПД, но при этом нужно было следить и за другими параметрами, чтобы они оставались в допустимых пределах. Например, важной частью было следить за тем, чтобы на рабочих частотах не возник резонанс и все вокруг не разнеслок хуям. По итогам наиболее богоугодная 3D модель отправлялась на завод, где по ней станок вырезал физическое устройство для реальных испытаний.
Ну так вот. Начальник предприятия считал, что раз он потратил миллионы рублей на расчетные сервера, то лучший способ побыстрее аммортизировать их стоимость - максимально утилизировать компьют. В результате мне на всю жизнь запомнились фразы в характерном приказном тоне: "Расчеты должны идти всегда." и "Пока расчет не поставишь, домой не уходишь.". Сейчас я, услышав подобное, просто сразу бы написала заявление на увольнение, но тогда я была молодой, неопытной и покорно оставалась на работе до ночи, если симуляция не запускалась (существуют десятки причин, по которым она может не запуститься, и иногда приходится долго разбираться, как правильно поставить начальные условия).
Надо ли говорить, что симуляция имела конечную погрешность, и после какого-то порога дальнейшая оптимизация становилась бессмысленной? Но чтобы уйти домой, расчет все равно ставить было надо, и мне приходилось жечь электричество ненужными симуляциями, которые не добавляли новой информации, но зато радовали начальника. Теперь я даже немного жалею, что не ставила на тех серверах майнинг. Электричество бы расходовалось так же, зато была бы хотя бы какая-то прибавка к моей тогдашней микро-зарплате😂
Раб. 2. Второй пример - с работы, на которой нужно было тренировать большое количество маленьких ML-моделек, занимаясь подбором гиперпараметров и feature engineering отдельно для каждой из них. Через пару месяцев этого однообразного занятия я поняла, что наш перебор укладывается в определенные шаблоны, и его несложно автоматизировать. Написав скрипт для такой оптимизации, я гордо показала его тимлиду. Мол, смотри - теперь можно не делать этого вручную, а поставить скрипт. Тимлид был очень рад... тому, что у меня освободилось свободное время, и дал мне больше задач, включая "любимую" всей командой задачу, где надо было по ТЗ вручную прописывать if-ы для экспертной системы (я называла эту задачу "карательное программирование").😂 Естественно, коллеги посмотрели на это и продолжили делать все вручную, чтобы, так сказатб, тоже не словить маслину. И вроде бы выходит, что бизнес оптимизирует ресурсы, когда перекидывает людей с освободившимся временем на насущные проблемы, а вроде бы и отбивает какое бы то ни было желание оптимизировать процесс. История стара, как мир 😂
#карьера
А как насчет случаев, где организация настолько преисполняется в улучшении собственной эффективности, что работа становится бесполезна и неинтересна не только для сотрудника, но и для самой организации? 😂
Раб. 1. Моей первой работой в офисе была работа инженера по расчетам, где надо было оптимизировать параметры рабочей части некоего промышленного устройства. Пайплайн был такой: сначала по заданным параметрам конструкции (аналог гиперпараметров в ML расчетах) автоматически строилась 3D модель рабочей части устройства; затем эта модель должным образом преобразовывалась и загонялась в программу для физической симуляции (CAE пакет). Там происходила симуляция, после которой выдавались ожидаемые результаты работы устройства на практике. Функцией, которую нужно было максимизировать, был КПД, но при этом нужно было следить и за другими параметрами, чтобы они оставались в допустимых пределах. Например, важной частью было следить за тем, чтобы на рабочих частотах не возник резонанс и все вокруг не разнесло
Ну так вот. Начальник предприятия считал, что раз он потратил миллионы рублей на расчетные сервера, то лучший способ побыстрее аммортизировать их стоимость - максимально утилизировать компьют. В результате мне на всю жизнь запомнились фразы в характерном приказном тоне: "Расчеты должны идти всегда." и "Пока расчет не поставишь, домой не уходишь.". Сейчас я, услышав подобное, просто сразу бы написала заявление на увольнение, но тогда я была молодой, неопытной и покорно оставалась на работе до ночи, если симуляция не запускалась (существуют десятки причин, по которым она может не запуститься, и иногда приходится долго разбираться, как правильно поставить начальные условия).
Надо ли говорить, что симуляция имела конечную погрешность, и после какого-то порога дальнейшая оптимизация становилась бессмысленной? Но чтобы уйти домой, расчет все равно ставить было надо, и мне приходилось жечь электричество ненужными симуляциями, которые не добавляли новой информации, но зато радовали начальника. Теперь я даже немного жалею, что не ставила на тех серверах майнинг. Электричество бы расходовалось так же, зато была бы хотя бы какая-то прибавка к моей тогдашней микро-зарплате
Раб. 2. Второй пример - с работы, на которой нужно было тренировать большое количество маленьких ML-моделек, занимаясь подбором гиперпараметров и feature engineering отдельно для каждой из них. Через пару месяцев этого однообразного занятия я поняла, что наш перебор укладывается в определенные шаблоны, и его несложно автоматизировать. Написав скрипт для такой оптимизации, я гордо показала его тимлиду. Мол, смотри - теперь можно не делать этого вручную, а поставить скрипт. Тимлид был очень рад... тому, что у меня освободилось свободное время, и дал мне больше задач, включая "любимую" всей командой задачу, где надо было по ТЗ вручную прописывать if-ы для экспертной системы (я называла эту задачу "карательное программирование").
#карьера