Как найти работу ML-разработчиком: взгляд изнутри

Есть такое когнитивное искажение – феномен Баадера-Майнхоф, или иллюзия частотности. Это то самое чувство, когда ты только что узнал что-то новое, и вдруг все вокруг начинают об этом говорить. У меня такое произошло с темой трудоустройства разработчиков: все, от медиа до троюродной тети, вспомнили про эту тему.

Вы вообще когда-нибудь задумывались, как работает алгоритм поиска талантов? Мне со стороны казалось, что процесс прост, как дважды два: резюме, собеседование, тестовое задание, ну и что там еще надо – специалист найден.

Работая в компании-разработчике промышленной видеоаналитики, я побывал на множестве собеседований. И чем глубже вникаешь в этот процесс, тем больше понимаешь: все не так легко. За каждым кандидатом стоит история, а за каждым этапом отбора – свои подводные камни.

Решил поделиться опытом изнутри: какими мы видим кандидатов, что ожидаем на каждом этапе и как избежать типичных ошибок, которые могут стоить вам работы.

На рынке найма ML сейчас не слишком-то расслабишься. Мало сложной общей ситуации, так еще в нашей локации, на Урале, по нему как пылесосом регулярно проходится именитый крупняк, втягивая в себя большую часть ценных кандидатов. Пишу это, глядя из окна офиса на технохаб «зеленых».

Поэтому активно рассматриваем кандидатов на удаленку по всей России. И поэтому же пришли к частичному менторству и дообучению спецов в процессе.

Среди российских работодателей сейчас появляются новые тенденции. HeadHunter, например, недавно сообщил, что спрос в целом на спецов со знанием ИИ вырос в два раза.

Кроме того, компании всё чаще задаются вопросом о том, как сделать решения AI более понятными и этичными. Специалисты, которые могут объяснить, как работает нейросеть и что именно она «думает», сейчас особенно востребованы.

Когда мы ищем нового сотрудника, важно видеть не только техническую подкованность, но и готовность к постоянному развитию. Сфера машинного обучения развивается так быстро, что вчерашние знания могут быстро устареть. Нам важнее всего видеть в кандидате стремление учиться и адаптироваться к новым условиям. Это как в шахматах – стратегия может меняться, но способность к анализу и планированию всегда на высоте.

Специфика вакансии также играет ключевую роль.

Например, если вы нацелены на работу в отделе Computer Vision, вам будут полезны знания таких библиотек, как OpenCV, TensorFlow, PyTorch, и опыт работы с распространёнными архитектурами вроде YOLO, Unet, ViT etc.

Если ваша страсть – Data Science, то знание Pandas, Scikit-learn и других инструментов обработки данных станет вашим козырем.

Мы ищем не просто знатоков технологий, а людей, готовых решать сложные задачи, думая на несколько шагов вперед и предлагая нестандартные решения.

Дополнительно, в сфере нейросетевого обучения существует множество инструментов, которые создают дополнительный уровень абстракции для управления процессом обучения. Например, такие решения как ClearML, TensorBoard, MLflow значительно облегчают мониторинг и управление экспериментами. Знание и умение работать с такими инструментами является важным преимуществом при трудоустройстве и повышает ценность специалиста на рынке.

Что касается тестовых заданий, то здесь все зависит от уровня кандидата:

Примеры тестовых заданий

1. Очевидная: учите английский – это откроет вам больше возможностей как в трудоустройстве, так и в самообучении.

2. Если вы новичок, обратите внимание на предложения, которые могут не совсем соответствовать вашему профилю – такие вакансии могут стать хорошей отправной точкой для развития. Например, в «ВидеоМатрикс» мы можем предложить джуниору подработку, которая позволит ему развить навыки в смежной области.

3. Не зацикливайтесь на одном источнике вакансий – смотрите на сайты компаний и профессиональные сообщества, а не только на крупные порталы.

4. Готовьтесь к разным вариантам отбора – кому-то, как нам, хватит два с половиной собеседования, а кто-то растянет знакомство аж до шести.

Вся надежда на сертификат

Курсы – это отличная основа для старта и получения базовых знаний, но важно помнить, что они не заменят реальную практику. Самостоятельная работа и реальные задачи принесут вам куда больше профита.

Очепятки в названиях технологий

Ошибаться в названии библиотек или фреймворков – это буквально забыть, как правильно называть свои инструменты. Можно, конечно, сказать, что строителю не помешает забить гвоздь то, что он написал «малаток», но речь и не о строительстве.

Было ваше – стало наше

Не стоит пытаться выдать чужую работу за свою, а уж тем более форкать чужой код (видали и такое). Это всегда легко читается и никакой пользы вам не принесет.

Хочу все знать

Это желание – иллюзия, бери красную, Нео. Лучше рассказать, что вы не обладаете какими-то знаниями, чем пытаться охватить все сразу. Так работодатель поймет, что вы честны и открыты к обучению.

Моя коллега из HR-отдела тоже захотела внести свою лепту и поделиться универсальными рекомендациями, которые помогут вам на любом этапе. HR – это не только «фильтр», но и ваш «адвокат», который расскажет о вас руководству и поможет сделать первое впечатление ярким.

Вот несколько рекомендаций, которые помогут вам создать хорошее первое впечатление:

Не бойтесь быть открытым

Будьте готовы к вопросам, которые помогут лучше узнать вас. HR не будет задавать загадок, как Сфинкс-привратник, но немного поговорить придется.

Круто, если вы можете подробно описать свои достижения и интересы в рабочей сфере. А вот в рассказе о личном лучше опустить подробности и обрисовать картину парой общих мазков.

Не стесняйтесь задавать вопросы. Это покажет ваш интерес к компании и вакансии.

Позитив и конструктив

Обходите лишний негатив в своих ответах. Позитивный настрой всегда привлекает. Продемонстрируйте свой профессионализм. Говорите четко и ясно, избегайте жаргона, если только он не необходим.

Внешний вид

Никто не оценивает разработчика по тому, насколько у него чистые ботинки в дождливый день. Но базовая опрятность всегда в цене – собеседование это в первую очередь деловая встреча.

Поиск работы непростая задача, часто стрессовая, часто требующая множества итераций цикла. Важно не опускать руки, быть настойчивым и постоянно развиваться. Работодатель ценит не только ваш опыт, но и ваше стремление к обучению и росту.

Если вам интересна видеоаналитика на основе AI и Computer Vision, присылайте своё резюме – мы всегда открыты для талантливых специалистов.

Каждый из нас начинал с чего-то. Сегодня вы, возможно, сомневаетесь, а завтра будете решать сложные задачи в крупной компании. Главное – продолжайте двигаться вперед!