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:
- Какие наиболее распространенные технологии они запрашивают?
- Какие проекты я могу сделать, чтобы доказать, что я знаком с этими технологиями?
- Каковы наиболее распространенные мягкие навыки, которые они ищут?
- 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:
- 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.
- 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:
- Этот долгосрочный горизонт сохраняет спокойствие, когда ставки кажутся высокими.
- 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.
- Это поможет вам сосредоточиться на самой важной части этих усилий, поэтому ваша общая отдача увеличится в наибольшей степени.
- Чтобы найти свой следующий шаг, вам предлагается понять более широкий контекст и задать более глубокие вопросы.
Внешняя проверка всегда будет
- отставание
- 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!