FAANG Master

Бытовые особенности жизни в Лондоне. Часть 3. Предыдущая часть: Бытовые особенности жизни в Лондоне. Часть 2. Преступность: 1) В Лондоне достаточно высокий уровень преступности. Смотри пост: Рейтинг городов по уровню преступности. Это было для меня большой неожиданностью, когда я переехал из Люксембурга, где преступность была очень низкой. 2) Карманников в метро практически нет. В Барселоне или Париже очень расспространнены карманники в метро. У меня даже в метро Барселоны украли бумажник со всеми картами. В Лондоне же, этого практически нет, т.е. в метро достаточно безопасно. 3) Часто воруют телефоны на улице. Это наиболее верроятное, с чем вы можете столкнуться. Люди в балаклавах и капюшонах на электовелосипедах проезжая мимо могут выхватить телефон. Хотя сейчас начали с этим бороться и уже это не так часто происходит. Год назад это было везде. 4) Преступность сильно зависит от района и локации. Преступность по районам(а также школы, шум, качество школ, национальности проживающих и т.д.) можно посмотреть тут: https://crystalroof.co.uk/. Есть много безопасных, хороших районов. 5) Воровство велосипедов. Это также то, с чем можно столкнуться. Это не так расспространено как в Амстердаме, но бывает относительно часто. Причем, воруют не только с уличных парковок, но и из закрытых домашних парковок. Если вы живете в многоквартирном доме, то на -1 этаже у вас будет парковка для машин и клетки для велосипедов. Там есть камеры наблюления, консьерж, парковка, клетка на парковке закрываются на ключ. Но все равно умудряются воровать. 6) В UK запрещено любое оружие, даже для самообороны. Нельзя огнестрельное и холодное оружие. Нельзя даже перцовые балончики, травматы и электрошокеры. Это приводит к тому, что убийства (в том числе массовые) происходят с использованием холодного оружия (часто самодельного, вроде ножа или мачете). В UK практически нет масшутинга как в США(или даже в России). Но бывает массовая поножовщина. Недавно был сериал Переходный возраст, советую посмотреть. Только на практике, это чаще не белые инцелы, а чернокожие, члены какой-то банды. 7) В местных новостях постоянного говорять, что кого-то подрезали. Но в реальной жизни вы с этим почти 100% никогда не столкнетесь. Вероятность, этого крайне мала. Примерно, как погибнуть в автокатастрофе. В основном, это происходит в разборках банд. Есть банды, которые занимаются наркотиками, также расспространена культура Дрилла. Иногда можете встретить группы чернокожих, читающий уличный рэп. Они разбиваются на банды и воюют друг с другом. В некоторых городах, есть гопники, которые часто связаны с футбольной фан тусовкой. Например, много гопников в Ливерпуле. Но я не встречал.

По каким осям оценивается System Design в Мета 1) Problem Navigation 2) Solution Design 3) Technical Excellence 4) Technical Communication Смотри также: По каким осям оценивается кандидат на поведенческом собеседовании в Meta? В скором времени планирую сделать видео и вебинары с детальным разбором всех критериев, оценок для всех типов собеседований.

В какие компании я собеседовался за свою карьеру? 1) Google 2) Facebook 3) Amazon 4) Booking 5) Skyscanner 6) Яндекс 7) Сбер 8) Одноклассники 9) Criteo 10) Tom Tom 11) Trivago 12) HERE Technologies 13) Zalando 14) Spotify 15) Huawei 16) Тинькоф 17) Связной 18) Deutsche Bank 19) Revolut 20) WIZ И еще штук 5 компаний. Аплаился в еще большее число компаний. Удивительно, но за 18 лет моей карьеры у меня было мало реджектов по резюме. Скорее все это благодаря вузу. А после благодаря названиям компаний в моем резюме. Если учесть все случаи подачи резюме, то я получал офер в ~20% случаев. В 15% я останавливал процесс по своей инициативе, пройдя уже часть раундов. В 15% случаев меня реджектили по резюме. В 5% случаев меня реджектили еще до технических раундов. И в 45% меня реджектили на технических раундах. Это все компании, за все время. На удивление, в FAANG у меня статистика лучше. Я дошел до офера в половине случаев. Думаю, если сейчас выйду на рынок труда, то стата будет вообше другая. Как с этим у вас?

Изучение каких hard скилов дало самый большой boost в плане денег в моей карьере? Тут я говорю не про знание предметной области, а про неспецифичные hard-скиллы. Что самое забавное, что эти скилы хороши на собеседовании и вы сможете пройти собес в другую компанию с сильным ростом зп, но на практике в работе они используются редко и не так широко, как их спрашивают на собеседовании. Собственно скилы: 1) Многопоточность. Её очень часто спрашивают в топ-компаниях, помимо FAANG/Big Tech. У меня её спрашивали на собесах в топ-банках, в «Одноклассниках», в Яндексе. Когда я решил поработать в Европе, на собесах на позицию Java-разраба её тоже спрашивали во многих компаниях — особенно там, где платят больше. Я походил по собесам, сначала везде заваливал вопросы по многопоточности, потом очень детально заботал книгу Java concurrency in practice. И смог пройти собесы в топовые Российские компании, а потом получил еще и офер от Европейской компании и переехал в Германию. 10 лет назад это помогло мне получить офер на $3.5k в месяц в Москве, что с учетом инфляции $4.76k (380k рублей) на современные деньги. Это конечно не сбер за 500, но все же. 2) Алгоритмы. Ну тут все просто, после того, как я завалил собес в гугл 10 лет назад, я начал ботать алгосы. И через 2 года получил офер в Amazon, а после в Facebook. Где в итоге я заработал несколько миллионов долларов. System Design я указывать не буду, т.к. жёсткого бота по нему у меня не было, а собесы по System Design я обычно прохожу, часто без подготовки. Такие собесы давались мне проще, чем алгосы или многопоточность. При этом я всегда читал по нему книги — и не приходилось себя специально заставлять.

Бытовые особенности жизни в Лондоне. Часть 2. Бытовые особенности жизни в Лондоне. Часть 1. Интернет: 1) В метро нет интернета. На подавляющем числе веток и станций нет мобильного интернета. Аналогично, далеко не на всех поездах ловит мобильный интернет или есть wifi. 2) Далеко не везде на поверхности ловит мобильный интернет. Часто возле станций, внутри или около зданий интернет не ловит. Кроме прочего, это усложняет работу доставки. 3) Домашний интернет достаточно быстрый. С домашним интернетом таких проблем нет. Гигабитный домашний интернет это норма. 4) Соцсети, youtube и т.д. не заблокированные. VPN особого смысла использовать нет. Хотя сейчас ввели проверку возраста на сайта для взрослых. 5) Куча доступных стримингов, но мало контента на русском. Есть Netflix, Amazon Prime Video, Google Movies и т.д. Но дорожек на русском практически нет. До 22 года было сильно больше. 6) Можно официально смотреть контент российских стримингов на kartina.tv. Там есть как телевидение стран СНГ, так и российские фильмы и сериалы. 7) За пиратскими стримингами особо не следят. В Германии с этим строже, можно большой штраф получить. Тут можно смотреть сериалы с русской озвучкой на сизонваре и за тобой врятли кто-то придет выписывать штраф. С торентами не знаю, не пользовался с тех пор как уехал из России 9 лет назад. Транспорт: 1) В метро, поездах и такси жарко летом. В Метро нет кондиционеров, вентиляция работает плохо. И если на улице выше 25 градусов, то в метро будет как в сауне. Пропотеете хорошо. Можно брать с собой веники. В такси кондиционеры есть, но таксисты экономят бензин и не включают кондиционеры. 2) Многие линии очень старые и ширина тоннеля для поезда меньше современных, поэтому высота потолков в вагоне меньше, чем в других городах. 3) Дороги узкие. В городе нет 10-полосных шоссе, как в Москве. Шоссе есть, но в них сильно меньше полос и сами полосы очень узкие. Тут есть и плюсы и минусы. 4) В соседние города есть скоростные поезда. Поезда современные, малошумные, очень быстрые. Даже живя в 50 км от Лондона вы можете каждый день ездить на работу. Также можно пользоваться такими поездами по выходным, чтобы поехать за город. Например, на побережье. Из Лондона можно за 1-2 часа приехать к морю. Купаться там холодно, но погулять по пляжу, посидеть смотря на волны можно. 5) Uber есть, но время ожидания машины может быть большим. В Москве заказ принимается очень быстро, в Лондоне это все меньше распространено. Поэтому в зависимости от места и времени вы можете прождать 20 минут так и не найдя машину. 6) Двухэтажные автобусы. Они тут вместо обычных автобусов внутри города, не только туристические. Т.е. обычные автобусы на обычных маршрутах двухэтажные. 7) Метро и остальной транспорт современные и чистые. Метро приятное, в отличие от метро других стран (вроде Нью Йорка или Парижа). 8) Кэбы. В тачестве такси, кроме убера есть аутентичные кэбы. Они очень просторные внутри, ехать на низ достаточно удобно. Продолжение следует.

Несколько человек уже уволились из нового подразлеления Меты через месяц работы Avi Verma(ex-Open AI) вернулся в Open AI спустя месяц работы в Meta. Ethan Knight(ex-xAI, ex-Open AI) также свалил в Open AI спустя месяц. Rishabh Agarwal умудрился проработать 5 месяцев и тоже свинтил. Слабаки, я тут уже почти 5 лет в игры кальмара играю. WIRED

Как я заработал первые деньги в IT Дело было 19 лет назад. Я был еще студентом. Была такая компания Физикон (Competentum Group). Возможно она все еще есть. Они делали онлайн систему для обучения физике, математике, химии и т.д. У них была возможность подработки QA. Нужно было тестировать систему, причем не только функционал, но и контент, правильно ли составлено условие, правильный ли ответ указан в системе и т.д. Как выглядела работа. Работа была удаленная. Я работал из общаги раз в неделю ночью. Приходил с пар в 6 вечера, садился тестить. Открывал систему, решал задачу, вбивал ответ, смотрел, что система принимает мой ответ и не принимает неправильный ответ. Заполнял отчет о тестировании в эксельке. Указывал, если в системе неправильное решение или ответ, неправильное условие или функциональные проблемы(исключения, ошибки) или что-то не работает. Оплата была за задачу. Сколько то там центов. Помню, что за месяц работы я получил в конверте $160 (с учетом инфляции это 20k рублей на современные деньги). Работал ~5 ночей в месяц. Проработал так месяца 4. Как вы заработали свои первые деньги в IT?

Сколько денег заработает средний Senior разработчик в Meta за 4 года в Лондоне? Текущие средние начальные оферы для Senior: Базовая зп: £110k, бонус 15%: £16.5k, стоки: $400k на 4 года. Также часто дают sign-on bonus за подписание контракта в первые два месяца работы и релокационный пакет, если вас надо перевести. Часть релокационного пакета вам выдадут наличными, часть оплатят сами услуги(билеты, перевозка мебели из любой точки мира, риэлтор, 1-2 месяца временной квартиры, аренда машины и т.д.). Включу только часть с наличными и sign-on bonus. Это порядка £30k, но только в первый год. Далее раз в год дают рефрешеры. Для Senior таргет - $200k * 0.8 = $160k в год в виде стоков. Суммарно за 4 года вы успеете получить в виде стоков: $400k + 3/4 * $160 + 1/2 * $160k + 1/4 * $160k = $640k.

Бытовые особенности жизни в Лондоне Жилье: 1) В Лондоне половина людей живет в квартирах, половина в домах. За городом и в других городах большинство живет в частных домах. Поэтому вы можете снять/купить дом, а не только квартиру. При этом жить в самом городе, хоть в центре, хоть в спальных районах в своем частном доме. Частные дома 2-3 этажные на 3-5 спален (4-6-7 комнат). 2) Если вы снимаете квартиру, то во многих жилых комплексах есть бесплатный спортзал, в некоторых бесплатный бассейн, сауна, консьерж и джакузи. Иногда еще есть кинотеатр, который может быть в вашем доме/комплексе и только для жильцов этого дома. 3) Съем жилья официальный с официальным контрактом. Ну этим никого в Европе не удивишь, в Москве (во времена, когда я там жил), договор вам делают, но регистрацию далеко не всегда. В Европе и UK никаких серых схем. После заключения договора, это будет ваш официальный адрес, который вы будете указывать везде: при регистрации в больнице, в банковских приложениях, при оформлении коммуналки и т.д. 4) Спальни достаточно маленькие, особенно в домах. Хоть обычно комнат много, общая площадь не очень большая. Комнаты нарезаны достаточно мелко. Обычно дело иметь спальни 3 на 3 метра. 5) При покупки квартиры, вы не покупаете квартиру в собственность. Квартиры продаются в долгосрочную аренду. На 125, 250, 990, 999 лет. Вы не владете квартирой в полном смысле этого слова, вы владеете контрактом долгосрочной аренды (leasehold). В отличие от домов. В домах вы владаете и домом и землей под домом и участком. Сейчас это постепенно меняется, принимаются акты и законы, но это все еще так. 6) При съеме квартиры вы платите всю коммуналку, кроме Service Charge. Вы, обычно, платите council tax, воду, электричество, тепло, интернет. Оплачиваете не хозяину квартиры, а напрямую провайдерам услуг. Для этого вы там все регистрируете на себя, на свое имя и адрес квартиры. Также можете выбрать из нескольких провайдеров электричества, выбрать лучший тариф. Service Charge оплачивает владелец квартиры. Это сборы за уборку подъездов, лифтов, ремонт, уход за предворовой территорией (обычно там ландшафтный дизайн с растениями), содержание бассейна, сауны и т.д. В подъездах убираются раз в неделю или чаще. 7) Есть сайт для поиска жилья, но оно не очень продвинутое. Есть rightmove, но там не все доступные квартиры и мало фильтров. Часто вам придется общаться по телефону с конкретным риэлторским агентством. Тут в целом много вопросов надо решать по телефону. 8) Большинство квартир сдаются с мебелью. Если вам нужно без мебели, то искать придется дольше, т.к. таких вариантов меньше. В отличие от Германии, например. В Германии квартиры сдаются, в основном, без мебели.

По каким осям оценивается кандидат на поведенческом собеседовании в Meta? 1) Driving Results. 2) Resolving Conflict. 3) Embracing Ambiguity. 4) Growing Continuously. 5) Communicating Effectively. По каждой оси выставляется оценка: Insufficient, Moderate, Solid, Exceptional, Cannot Assess. Если будет интересно, сделаю вебинары с детальными разборами критериев оценки на coding, system design и поведенческом и критерии выставления оценок.

Только 5% компаний внедрили GenAI в свой бизнес Вышло новое исследование от MIT, в котором изучался уровень внедрения GenAI в бизнес и реальный импакт от этого внедрения. Краткие результаты: 80% компаний исследовали возможность и пользу от внедрения обычного LLM (вроде ChatGPT или Copilot), 50% пробовали и 40% в итоге внедрили. Но эти тулы используются для индивидуальной продуктивности сотрудников, а не на прямую для бизнеса. Они не приносят пользу бизнесу напрямую. Внедрить GenAI (враперы поверх LLM) в свои продукты рассматривали 60% компаний, 20% пробовали и только 5% внедрили. Т.е. 40% используют тулы для сотрудников и 5% только смогли найти пользу для самого бизнеса напрямую. Типичные проблемы - отсутствие памяти, возможности к кастомизации и т.д. Т.е. реальный импакт современных моделей очень ограниченный, пока это просто google++ и IDE автокомплит++, но не что-то, что дисраптит экономику.

Только 5% компаний внедрили GenAI в свой бизнес Вышло новое исследование от MIT, в котором изучался уровень внедрения GenAI в бизнес и реальный импакт от этого внедрения. Краткие результаты: 80% компаний исследовали возможность и пользу от внедрения обычного LLM (вроде ChatGPT или Copilot), 50% пробовали и 40% в итоге внедрили. Но эти тулы используются для индивидуальной продуктивности сотрудников, а не на прямую для бизнеса. Они не приносят пользу бизнесу напрямую. Внедрить GenAI (враперы поверх LLM) в свои продукты рассматривали 60% компаний, 20% пробовали и только 5% внедрили. Т.е. 40% используют тулы для сотрудников и 5% только смогли найти пользу для самого бизнеса напрямую. Типичные проблемы - отсутствие памяти, возможности к кастомизации и т.д. Т.е. реальный импакт современных моделей очень ограниченный, пока это просто google++ и IDE автокомплит++, но не что-то, что дисраптит экономику.

Почему Мета купила 49% Scale AI за $14B Качество современных LLM зависит не только от числа параметров в модели, но и от количества и качества данных, на которых она обучается. Более того, качество зависит от способа обучения. В современных версиях LLM обучение происходит в несколько этапов. Вначале происходит сбор данных со всего интернета, далее фильтрация и обработка данных, т.к. в интернете куча мусорной и дублирующийся информации. Далее эти данные используются для предварительного обучения модели. После предварительно обучения используется метод обучения, который называется Reinforcement learning from human feedback. Это обучение с подкреплением (Reinforcement learning), в котором параметры LLM подстраиваются таким образом, чтобы максимизировать функцию вознаграждения (reward function). В случае с нейронками, которые играют в шахматы, функцию вознаграждения построить просто в зависимости от того, выиграла ли нейросеть партию или нет (или сделала ход, который улучшает оценку позиции). В случае же с LLM не понятно как построить функцию вознаграждения. Поэтому для этого обучают другую модель (модель вознаграждения/reward model), которая будет оценивать результат работы LLM и использоваться в RL. Чтобы обучить эту reward model, используются люди. Они вначале руками пишут ответы на самые популярные/типичные/ключевые вопросы по всем основным темам. Эти данные используются для предварительного обучения этой модели вознаграждения. Далее ее дообучают, и люди уже не пишут весь ответ руками, а оценивают разные варианты ответов. Этот процесс требует специальных тулов и большого числа обычных людей (тысячи). Scale AI это как раз такая компания, которая позволяет распределять задачи по аннотированию данных на тысячи человек. Open AI пользуется услугами таких компаний как Surge AI и Scale AI для этих целей. Поэтому покупка Scale AI должна сказаться положительным образом на качестве моделей, которые делает Meta и вывести LLama в топ по качеству на уровне Open AI, Google и т.д.

Как FAANG/BigTech покупают стартапы Один из вариантов сделать exit для стартапов - это продажа своего стартапа FAANG-компании. Например, вы придумали идею, нашли инвесторов на pre-seed раунд, получили $150k, сделали прототип. Далее получили seed на $1M, вышли на рынок. Получили Series A $10M с оценкой в $50M. С момента основания прошло 4 года. Из реальных заработков у вас была только зп. Все эти миллионы не шли вам в карман, у вас осталась доля в 25% к компании и зп. Сначала зп у вас была как у джуна в фанге, дальше выросла до нескольких сотен тысяч, как у синьера в фанге. И тут вами заинтерисовался Amazon. Он предложил купить вашу компанию за $50M. Это неплохой вариант exit. Но вам не дадут при покупке мешок денег ($50M * 0.25 = $12.5M) и вы не сможете в день покупки с этим мешком уйти в закат. По факту, вам придется отработать 4 года в Amazon. Под вашу компанию создадут команду/отдел, в котором вы будете директором(L8) или VP(L9). У вас будет базовая зп, которая будет соответствовать уровню в несколько сотен тысяч долларов в год. И вам будут выплачивать деньги за компанию в виде акций Amazon, в течении 4 лет. Например, 2 раза в год по $1.6M раз в полгода. Т.е. покупка вашей компании мало отличается от найма вас на позицию L8/L9, но возможно с большим пакетом стоков. Поэтому новости про безумные зп для AI ресечеров в сотни миллионов меня не сильно удивляют. Задействован уже существующий механизм покупки стартапов, только для покупки специалистов. В фангах есть целые команды, которые занимаются поиском и покупкой стартапов и покупается достаточно много компаний, про которые вы никогда не слышали. Это не такие крупные сделки как покупки Instagram или WhatsApp, каждый год покупается много мелких компаний.

Как я себя чувствую, когда провожу собеседования в Мету.

Вышла еще одна статья, которая показывает ограничения LLM. Чтобы улучшить неопределенность предсказаний LLM в 10 раз, требуется увеличение числа параметров на 10 порядков. Не в 10 раз, а в 10 миллиардов раз, с 10^14 до 10^24. Для сравнения на графике показано, как масштабирование MC (Monte Carlo), где требуется увеличение всего на 2 порядка. Проще говоря, качество сильно расти не будет просто от увеличения числа параметров. Сама статья: The wall confronting large language models

Hiring freeze в Meta AI Superintelligence lab и реорги Сейчас в новом отделе Meta Superintelligence lab, который возглавил Alexandr Wang, ~4.5k человек. Всех людей сгребли в одну большую кучу и сказали делать суперинтеллект. Пока это не работает, т.к. не понятно, кто за что отвечает и куда и как это все двигать. Поэтому в этом отделе планируется реорг и разделение на 4 отдела: AI research, AI superintelligence, products и ai инфра. На время реоргов хайринг в этот отдел остановлен. Возможно, кого-то будут увольнять. Также есть напряженности, кто что будет возглавлять, т.к. все там суперзвезды и мультимиллионеры.

Бесплатная еда в офисе Facebook/Meta это первая компания, в которой я работал, которая предоставляет бесплатную еду для сотрудников. В Amazon давали талоны на обеды (sodexo vouchers), за которые можно было оплатить обед к кафе/ресторане или купить что-то в магазине. В Meta можно есть 3 раза в день. Завтрак, обед и ужин. Они проходят в определенное время. Также есть бесплатные снеки (печенье, шоколадки, орехи, фрукты), ну и чай/кофе, напитки. Более того, 20 раз за год можно водить гостей (друзей, семью) и кормить их также бесплатно. Какие есть в этом плюсы: 1) Меньше времени на готовку 2) Не нужно что-то придумывать с едой во время работы 3) Обед проходит быстро, не нужно тратить время на поход в кафешку, ждать пока приготовят и т.д. 4) Меньше расходов Но, я не сильно оценил этот бенефит. Есть минусы: 1) Непривычная кухня. Т.к. компания международная и находится не в СНГ, то практически вся еда непривычная, то что вы не едите в обычной жизни. Более того, она часто меняется. Сегодня у вас индийская, завтра турецкая, послезавтра азиатская и т.д. Блюда и специи могут быть на любителя. В какой-то момент я стал выбирать базовые продукты вроде риса, курицы и овощей. Про супы я вообще молчу, это не то, что выходцы из СНГ называют супом. Часто это суп-пюре из какой-то хрени. Но время от времени бывает наша кухня. 2) Если хочешь питаться 3 раза в день - нужно приходить рано и уходить поздно. Завтрак достаточно рано, а ужин поздно. Это заставляет работать больше. Поэтому я, в основном, только прихожу на обеды. 3) Facebook 15. Из-за бесплатной еды и шведского стола, многие набирают вес. Есть даже такой эффект - Facebook 15 - когда люди сразу после старта набирают 15 lbs. В компаниях, где я сам готовил себе обеды и приносил контейнеры, вес держать было проще. Хотя за последние 5 лет с развитием доставки вес держать стало еще сложнее. Есть ли в вашей компании бесплатная еда и что вы об этом думаете?