Я инженер по машинному обучению в Amazon.

До этого я 12 лет занимался биологическими исследованиями. Летом 2020 года я бросил докторскую диссертацию. без плана следующего шага. В конце того же года я получил работу инженера по машинному обучению.

Если я проснусь завтра утром и вдруг потеряю весь свой опыт работы. Вот как бы я получил лучший.

1. Я сосредоточусь на том, что у меня есть, и буду играть по правилам.

Если они все еще просят LeetCode, я сделаю LeetCode. Если попросят PyTorch, docker, AWS, то я выучу те. Итак, добавьте в закладки 30 вакансий, которые кажутся вам желательными, и составьте таблицу, чтобы ответить на эти вопросы:

  1. Какие наиболее распространенные технологии они запрашивают?
  2. Какие проекты я могу сделать, чтобы доказать, что я знаком с этими технологиями?
  3. Каковы наиболее распространенные мягкие навыки, которые они ищут?
  4. Могу ли я рассказать историю из прошлого, чтобы продемонстрировать это умение? Если нет, могу ли я получить возможность на своей нынешней работе продемонстрировать этот навык? Если у меня нет работы, могу ли я стать частью открытой или некоммерческой организации и работать бесплатно?

Все эти вещи не требуют разрешения. Вы можете пойти дальше и сделать это; вот как я это сделал. Во время этих процессов у вас никоим образом не будет меньше знаний или опыта. Все это будет показано в вашем интервью.

Самостоятельное исследование рынка труда преследует две цели:

  1. Данные дают вам уверенность в принятии решений. Ваше исследование, безусловно, будет неполным, но тот факт, что вы исследовали все из первых рук, придает вам значимость этих фактов, что повышает вашу мотивацию. Подумайте об этом: тот факт, что вы заинтересованы в чтении этой статьи, не потому, что то, что я делюсь, является наиболее точным или полным, а потому, что я делюсь реальностью. Если вы человек, заметность служит лучше, чем статистика.
  2. Самостоятельный сбор данных может дать вам информацию, которую вы изначально не искали. Эти идеи побуждают вас задавать вопросы и лучше понимать игру. При поиске своей первой работы я видел, как разные компании выбирают разных поставщиков облачных услуг. Поэтому я начал задаваться вопросом, что заставляет компанию выбирать между AWS, GCP или Azure. Затем я узнал о доле рынка, истории обслуживания и клиентской стратегии каждого сервиса, что в конечном итоге привело к моей заинтересованности в получении сертификата AWS.

2. Каждое собеседование я воспринимаю как ступеньку.

Независимо от того, является ли эта возможность работой или просто собеседованием, относитесь к ним как к возможности учиться, а не как к достижению. Восприятие каждой возможности как трамплина для вашего следующего шага поможет вам несколькими способами:

  1. Этот долгосрочный горизонт сохраняет спокойствие, когда ставки кажутся высокими.
  2. Это помогает вам сосредоточиться на той части, которую вы можете контролировать, поскольку у вас больше контроля над тем, что вы можете узнать, чем над тем, как получился результат.
  3. Это поможет вам сосредоточиться на самой важной части этих усилий, поэтому ваша общая отдача увеличится в наибольшей степени.
  4. Чтобы найти свой следующий шаг, вам предлагается понять более широкий контекст и задать более глубокие вопросы.

Внешняя проверка всегда будет

  1. отставание
  2. шумный

Поэтому вы должны определить свои внутренние стандарты. Чтобы определить эти стандарты, вам, вероятно, придется терпеть унижения и неудачи. Звучит ужасно, но вы не привыкнете к тому, чтобы не волноваться и сосредоточиться только на росте.

3. Я буду игнорировать бессмысленные возможности.

Я помню, как я был взволнован, когда получил свое первое интервью, которое позже оказалось мошенничеством. По крайней мере, так стало ясно, и я тут же остановился. Однако есть и более изощренные аферы, которые скрывают их как возможности. Вот один пример:

  • Более 2 лет совместного академического/отраслевого опыта работы с прогнозным моделированием, машинным обучением и расширенной аналитикой.
  • Глубокое понимание и опыт работы с передовой статистикой и современными методами прогнозирования машинного обучения, такими как GLM, деревья решений, леса, усиленные ансамбли, нейронные сети, глубокое обучение и т. д.
  • Свободно владеет Python, R, Java и Typescript.
  • Знаком с процессами Git и CI/CD.
  • Сильные навыки обработки данных с использованием SQL, Hive, Impala, Spark, Hadoop, Kafka сильный>
  • Знаком с инфраструктурой сервисов и инструментов AWS в виде кода, такого как Terraform.
  • Отличные коммуникативные навыки
  • Страсть к извлечению скрытой информации и созданию систем машинного обучения, которые улучшают бизнес-результаты

Практически невозможно, чтобы человек был компетентен во всех этих навыках.

Если что-то кажется неразумным, как в хорошем, так и в плохом смысле, сначала подумайте об искажении реальности, а не себя. Если у вас все благие намерения и вы проделали внушительный объем работы, а что-то все равно не работает, то ошибка, скорее всего, систематическая. Если это систематически, это означает, что вы столкнулись с масштабируемой проблемой, и многие люди разделяют эту борьбу так же, как и вы.

Вы не представляете, сколько у меня было беспокойства и неуверенности в себе, когда я только начинал свой путь в качестве инженера по машинному обучению, но мне удалось не попасть под их контроль и придерживаться моего графика выполнения моего LeetCode и имитационных интервью.

Если вы хотите узнать, как я нашел свою первую работу за 4 месяца без диплома, вот мой рецепт из 3 шагов.

До скорого!