京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者Leon Wei,Instamentor.com创始人,前高级经理。苹果的机器学习。
在2021年初离开苹果的最后一份工作之前,我已经做了六份企业工作,全职专注于InstamentorandSQLPad:我在Covid期间开始的两个副业项目。
但随着巨大的轨迹和增长,它们需要我的全力关注。我别无选择,只好离开在苹果的轻松工作。
今天,我不是在谈论Etherinstamentororsqlpad,因为它们仍处于早期阶段,未来有足够的时间进行研究。
相反,我想回顾一下我迄今为止的职业生涯,并分享几个故事,讲述在过去的14年中,我是如何将公司工作收入增长14倍的。
如果我能做到,你肯定能做到。
TLDR。
我在2007年开始了我的第一份全职工作,年薪美元。14年后的2020年,我14x年收入超过100万美元。
2004:我从中国获得学士学位后来到美国学习高等数学。
我很幸运:威廉玛丽学院应用科学系慷慨地为我提供了全额奖学金(我将永远感激,去部落!)和一份兼职研究助理工作,每月有1500美元的丰厚津贴(每年18K美元)。
2006:我的博士学位。顾问决定加入另一所大学,开始一个全新的学术项目,因为这是全新的,他们没有博士学位。学生,所以我不能和他一起移动。
回想起来,这可能是我在研究生院学习期间发生的最好的事情。
正如史蒂夫·乔布斯所说,“你不能把向前看的点连接起来,你只能把向后看的点连接起来。所以你必须相信这些点在你的未来会以某种方式联系在一起。“
事情就是这样。
我总是觉得在有限的实验数据样本上工作的积极性不高(在我的研究领域,收集数据非常昂贵)。
然而,作为一名数据研究人员,您几乎总是希望拥有一个更大的数据集:开发更好的统计模型并了解更多关于样本的信息,这通常会导致更好的模型性能。
起初我很恐慌,但很快意识到我有两个选择,要么找另一个博士。顾问,完成我的博士学位。(这肯定会让我父母感到骄傲)或者离开博士学位。程序,硕士毕业,找工作。
我决定辞去博士学位。并于2006年底开始找工作。
我很快得到了几个工作面试。2006年,美国经济非常火爆,就业机会很多,房地产市场也在过去几年里蓬勃发展。今天听起来很耳熟,不是吗?
我最终接受了一份数据挖掘研究(又名数据分析师)的工作,并被调到波士顿,年薪高达美元。
我几乎天真地以为我花不了那么多钱,所以没有太多犹豫,我买了一辆新萨博93,以取代我10年的福特福睿斯。
哦,当我收到第一张薪水,看到扣除的税款,我花了一年多的时间才还清我的汽车贷款(27K美元)时,我是不是很震惊。
但不管怎样,这仍然比我以前的研究助理工作要好得多。我挣了差不多4倍的钱,所以生活很棒。
2008-2010:我换了几份工作,搬到了西海岸(西雅图,华盛顿州)。我在当时世界上最大的在线广告网络公司Specific Media开始了一份新工作。
一年后,他们收购了MySpace,几年后,他们被时代公司收购。
收入:70K=>93K(15%)=>100K(20%)
2011年:我以110万美元的起始底薪加入亚马逊。他们还向我提供了7万美元RSU(4年归属)、35万美元第一年登录奖金和4万美元第二年登录奖金,每年约为15万美元:比我上一份工作增加了50%。
2013年:离开亚马逊,在CheggIPO前阶段加入,底薪190万美元,股票期权价值数百万美元(根据招聘团队的说法)。
(我也搬到了硅谷,后来遇到了很多了不起的人。)
嘿,谁不想去上市,发财,再也不用工作了?
但事实证明,2013年对IPO来说是糟糕的一年。
那一年上市的公司屈指可数,几乎都在股市上表现不佳。
2014:我加入了苹果公司(我一直是苹果产品的粉丝),所以当苹果公司的招聘人员联系到领英时,我非常兴奋,并非常努力地准备工作面试。
几周后,我幸运地通过了他们的面试(由于假期的原因,总共花了两个多月的时间)。
尽管我不得不做了一个小的基本工资削减,我得到了很好的补偿,以及签约奖金。
快进5到6年(2016年我离开去创建了一家机器学习初创公司,2017年回到苹果),2020年,我总共获得了大约5000股苹果股票,以今天的价值(每股160美元),我从公司工作中获得的总收入约为1至110万美元。
根据我的经验:我在公司工作中最显著的加薪来自苹果公司股票的升值,我也见过类似的情况发生在我以前的亚马逊同事身上。
当我第一次加入亚马逊时,它的股票大约是每股120美元,所以在过去的十年里,30涨到~3600美元。哇哦。
在我看来,获得50万或七位数收入的最可靠方法之一是加入一家FAANG公司,并在那里呆上至少四年,以获得所有最初的RSUs。
加入一家上市前的公司是非常有趣和令人兴奋的,但上市后你可能会很成功,也可能不会很成功(想想2018年加入优步,或者2019年加入WeWork)。
很多因素,时机,以及投资的一般经济环境都在IPO后的股票期权中发挥作用。
尽管如此,我永远不会忘记Chegg在纽约证券交易所上市那天的公司派对。今天真是太棒了!
几点注意:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12