За последние восемь месяцев я успел пройти собеседования в различных компаниях вроде DeepMind, Microsoft, Ola, Fractal Analytics на должности аналитика данных, разработчика ПО и инженера-исследователя. В процессе мне посчастливилось не только пообщаться со многими интересными людьми, но также проанализировать, что интересует интервьюеров в соискателях. Мне кажется, если бы я обладал этими знаниями раньше, я мог бы избежать многих ошибок и лучше подготовиться.
Я заметил, что люди используют множество ресурсов для подготовки к собеседованиям, однако считаю, что будет достаточно лишь нескольких из них, если вы являетесь специалистом в области искусственного интеллекта. О них я расскажу позже.
1. Как сделать так, чтоб вас заметили
Честно говоря, этот шаг самый важный. Среди всех откликов рекрутер должен заметить именно ваш. Эту часть можно разделить на три ключевых шага:
a) Последовательная подготовка: Составьте профиль на LinkedIn, Github, сайт-портфолио и хорошее резюме. Во-первых, ваше резюме должно быть кратким и аккуратным. Это руководство поможет вам правильно его составить. В нем указано все, чем я хотел бы с вами поделиться, и я сам им очень часто пользуюсь. Если говорить о шаблонах резюме, неплохие варианты можно найти на Overleaf.
На одной странице можно уместить множество информации. Однако если вам действительно нужно больше места, формат, который я предложил выше, не подойдет. Вместо этого вы можете найти более объемный шаблон здесь. Еще одна важная вещь – ваш профиль на Github. Многие недооценивают потенциал этого сервиса, потому что, в отличие от LinkedIn, здесь нет функции «Кто просматривал ваш профиль». Люди просматривают ваш профиль на Github, потому что это единственный способ проверить то, что вы упомянули в своем резюме. Вот что вы должны сделать:
- Создать аккаунт на Github, если вы еще не зарегистрированы.
- Создать репозиторий для каждого из ваших проектов.
- Добавить документацию, где указаны четкие инструкции, как запускать код.
- Добавить документацию для каждого файла с указанием роли каждой функции, значением каждого параметра, правильного форматирования (например, PEP8 для Python) и сценария по автоматизации предыдущего шага (факультативно).
Перейдем к третьему шагу – это сайт-портфолио, которое продемонстрирует ваш опыт. Создав портфолио, вы покажете работодателю серьезность своих намерений попасть в эту сферу. Кроме того, это добавляет несколько очков к вашей аутентичности. Как правило, вы не можете в резюме углубляться в детали своих проектов. С этим вам поможет портфолио. Его довольно легко создать. Существует множество бесплатных платформ, которые сделают этот процесс безболезненным. Лично я использую Weebly. Конечно, с самого начала лучше посмотреть на примеры чужих сайтов. Вот, например, мой:
Фото: Medium
Наконец, многие рекрутеры и стартапы начали использовать LinkedIn как основную платформу для поиска сотрудников. Туда выкладывают очень много интересных предложений. Помимо рекрутеров, активность на сайте проявляют и люди, занимающие влиятельные должности. Поэтому если вы привлечете их внимание, у вас есть шанс найти работу. Конечно, с вами захотят связаться только в том случае, если у вас будет аккуратный профиль. Поисковая машина LinkedIn является очень важной частью этого сайта. Чтобы вас заметили, вы должны использовать в профиле актуальные ключевые слова. Кроме того, вы можете попросить людей, с которыми вы когда-либо работали, написать рекомендацию. Все это повысит ваши шансы быть замеченным. Еще раз оставлю здесь ссылку на руководство Udacity по созданию профилей на LinkedIn и GitHub.
Фото: Rusbase
Объем информации довольно большой, но помните, что вы не обязаны сделать это все за один день или даже месяц. Этот процесс никогда не заканчивается. Конечно, настройка всего с самого начала потребует некоторых усилий, однако как только вы с этим справитесь и продолжите постепенно обновлять свой профиль, вы заметите, что все это очень просто. Кроме того, это поможет вам без проблем рассказывать о себе на собеседованиях без подготовки.
б) Аутентичность: Я часто видел, как люди меняли на собеседованиях поведение в зависимости от требований к вакансии. Я считаю, что сначала следует решить, что вас интересует, чем вы хотели бы заниматься, а затем искать соответствующие возможности – не наоборот. Кроме того, спрос на сотрудников в сфере ИИ выше предложения, поэтому у вас есть преимущество.
Фото: Unsplash
в) Нетворкинг: Очень важно взаимодействовать с людьми каждый день – если не физически, то на LinkedIn. Вы должны создать мощную сеть знакомств. Если вы хотите выстроить крепкие отношения с человеком, сначала предложите ему помощь. Еще один полезный шаг в нетворкинге – публикация вашего контента. Например, если у вас что-то хорошо получается, напишите об этом пост и поделитесь им на Facebook и LinkedIn. Это поможет не только остальным, но и вам. Как только вы выстроите хорошую сеть знакомств, вы станете более узнаваемым в обществе. Вы не представляете, как сильно вам может помочь человек, который просто лайкнет ваш пост.
2. Список компаний и стартапов, куда следует отправить резюме
Я составил список интересных компаний, в которых можно попробовать свои силы. Организации, которые я лично вам рекомендую, я отметил знаком «*». Моя рекомендация основывается на следующих факторах: программное заявление, люди, личное взаимодействие и область обучения. Рекомендации с двумя звездочками основываются только на последних двух факторах.
-
Adobe Research
-
*AllinCall – (основана выпускником Индийского технологического института Бомбея)
-
*Amazon
-
Arya.ai
-
*Element.ai
-
*Facebook AI Research: Программа резидентов ИИ
-
*Fractal Analytics (также приобрели: Cuddle.ai, **Qure.ai)
-
**Google (Brain / DeepMind / X): Программа резидентов ИИ
-
Goldman Sachs
-
Haptik.ai
-
**HyperVerge – основана выпускниками Индийского технологического института Мадраса , которые также работают над развитием решений различных проблем на основе ИИ с клиентами по всему миру
-
IBM Research
-
*Intel AI labs
-
**Jasmine.ai – основана выпускником Индийского технологического института Мадраса, который также получил докторскую степень в Мичиганском университете
-
JP Morgan
-
*Microsoft Research: а) стипендия на один или два года в лаборатории Microsoft в Индии. б) программа резидентов ИИ
-
MuSigma
-
Next Education
-
niki.ai
-
*Niramai – бывшие сотрудники Xerox Research работают над ранним выявлением рака молочной железы с использованием тепловизора
-
Ola
-
*OpenAI
-
*PathAI
-
Predible Health
-
Qualcomm
-
*SalesForce
-
Samsung Research
-
*SigTuple
-
*Suki – голосовой ассистент для врачей на основе ИИ. Недавно компания привлекла множество инвестиций, и, вероятно, откроет офис в Индии
-
*Swayatt Robotics – специализируется на развитии беспилотных автомобилей в Индии
-
**Wadhwani AI – основана братьями-миллиардерами Вадхвани
-
*Uber AI Labs & Advanced Technologies Group: Программа резидентов ИИ
-
*Umbo CV
-
Uncanny Vision
-
Zendrive
3. Как понравиться на собеседовании
Существует два типа собеседований:
-
Интервьюер пришел с подготовленным списком вопросов и будет задавать вам только их, независимо от вашего резюме.
-
Интервьюер будет задавать вопросы, опираясь на ваше резюме.
Я начну со второго. Такие собеседования начинаются с вопроса: «Что вы можете рассказать о себе». В таком случае не стоит рассказывать об обучении в университете и деталях ваших проектов. Идеальный ответ должен уместиться в минуту или две. Из него собеседник должен понять, чем вы занимались до этого момента. Вы можете рассказать о своих хобби – чтении книг, спорте, медитации – буквально о чем угодно, что определяет вас как личность. Затем интервьюер, основываясь на вашем ответе, задаст следующий вопрос, а затем начинается техническая часть собеседования. Цель – определить, указали ли вы правду в своем резюме.
Фото: Corinne Kutz / Unsplash
Будут вопросы о том, что можно было бы сделать по-другому или что было бы, если бы вместо «X» стоял «Y». Здесь нужно разбираться, какие типы компромиссов обычно выполняются во время реализации. Например, если интервьюер говорит, что использование более сложной модели дало бы лучшие результаты, вы можете ответить, что у вас на самом деле было меньше данных, и это привело бы впоследствии к переобучению.
Я также заметил, что интервьюерам нравилось, когда я говорю о проектах в следующем порядке:
Проблема > один или два предыдущих подхода > наш подход > результат > интуиция
Суть первого типа собеседований заключается в том, чтобы просто проверить ваши базовые знания. Обычно там не задают слишком сложных вопросов. Однако будьте готовы к тому, что вас подробно опросят по каждой из областей, которыми вы должны владеть. Обычно сюда относятся линейная алгебра, машинное обучение и/или глубокое обучение, статистика и оптимизация. Интервьюеры обращают внимание также на скорость ваших ответов. Поскольку эти вопросы являются базовыми, отвечать на них вы должны мгновенно.
Фото: LinkedIn Sales Navigator / Unsplash
По завершении собеседования вам предложат самому задать вопросы. Я знаю людей, которым отказали как раз потому, что они провалили эту часть. Очевидно, что если вы правда хотите работать в этой компании, у вас будет множество вопросов касательно культуры организации или вашей в ней роли. Проявите интерес и любопытство.
Недавно я начал просить интервьюеров высказывать то, что им во мне не понравилось, чтобы я мог исправить эти недостатки в будущем. Это очень помогло мне.
4. Минимальные ресурсы, необходимые для подготовки
Любые собеседования на должность исследователя данных охватывают вопросы по следующим темам: информатика, математика, статистика и машинное обучение.
Информатика
-
Алгоритмы и структура данных:
-
- InterviewBit (практика)
-
- Лекции Индийского технологического института Дели на YouTube
-
Операционные системы:
-
10 концепций операционных систем, о которых должны помнить разработчики ПО
-
Главы 3, 4, 7 книги «Концепции операционных систем» (англ. – Operating System Concepts)
-
Операционные системы на GeeksForGeeks
-
Объектно-ориентированное программирование: Вас спросят, как спроектировать систему. Поэтому вам нужно обсудить с интервьюером его/ее требования, какие классы необходимо создать, какими переменными/методами должен обладать каждый класс, как можно использовать наследование и так далее. Все это приходит с практикой. Вы можете перейти по этой ссылке для базового понимания терминологии.
Математика и статистика
При подготовке полезными могут быть главы 2, 3 и 4 книги «Глубокое обучение». Благодаря ней вы сможете подготовиться к теоретическим вопросам. Я подготовил краткое изложение нескольких глав, где объяснил концепции, которые, как мне кажутся, сложны для понимания. Если говорить о статистике, этих статей будет достаточно.
Машинное обучение
Список вопросов здесь может зависеть от типа должности, на которую вы проходите собеседование. В основном интервьюеры будут проверять ваши базовые знания в области машинного обучения, и вы можете пройти один из следующих курсов:
- CS 229 – курс по машинному обучению, который ведет Эндрю Ын
- Курс по машинному обучению, который ведет профессор Калифорнийского технологического института Ясер Абу-Мостафа
Важные темы: Обучение с учителем (классификация, регрессия, SVM, дерево решений, Random Forests, логистическая регрессия, многослойный перцептрон, оценка параметров, теорема Байеса), Обучение без учителя (Метод k-средних, GMM), Понижение размерности (PCA).
Фото: Unsplash
Если вы проходите собеседование на более продвинутую должность, есть вероятность, что вас спросят о глубинном обучении. В таком случае вы должны хорошо разбираться в сверточных нейронных сетях и/или рекуррентных нейронных сетях. То есть вы должны понимать фундаментальную идею глубинного обучения, как работали сверхточные и рекуррентные сети, какие типы архитектур предлагались и почему эти архитектурные изменения произошли. Нет никакой короткой статьи, в которой это все объяснялось бы. Вы либо понимаете это, либо выделяете время на ознакомление с этими темами. Вы можете почитать ресурсы Стэнфорда CS 231N и CS 224N. В первом расскажут о сверточных нейронных сетях, во втором – о рекуррентных. Мне также очень понравилось это видео о нейронных сетях. Эта статья поможет быстро освежить в памяти материал. Не забывайте про Udacity. Как вы уже могли догадаться, Udacity – действительно важное место для тех, кто занимается машинным обучением.
Подготовка к интервью – длинный путь к самореализации. Я надеюсь, эта статья будет для вас полезной и поможет получить работу своей мечты.
Источник: https://rb.ru/story/how-to-win-interviews/
