Первая работа в сфере машинного обучения: стартап против крупных технологических компаний против академических кругов

Практическое руководство по получению первой работы в сфере машинного обучения в стартапах, крупных технологических компаниях и академических кругах.

Делиться

Это руководство предназначено для начинающих специалистов по машинному обучению , которые только что окончили университет и теперь ищут постоянную работу в области машинного обучения. Большая часть опыта, представленного здесь, исходит от компаний и университетов, базирующихся в Соединенных Штатах . Имейте в виду, что эта запись в блоге вдохновлена моим личным опытом , поэтому не все может быть применимо к вашему конкретному случаю. Используйте свое здравое суждение и наслаждайтесь чтением. 🙂

В 2021 году я только что закончил магистратуру по физике сложных систем и больших данных в Римском университете, получив диплом с отличными оценками. Обучение в магистратуре проходило довольно гладко, и во время учебы я прошел две стажировки и выполнил множество практических проектов по машинному обучению. Я также закончил магистратуру за 1,5 года вместо 2. Я был уверен. Я искренне верил, что люди будут стучать в мою дверь. Я думал, что моя степень магистра — это явный признак того, что я способен работать и добиваться успеха. Оказалось, что я не просто «ошибся», я был ужасно неправ.

К сожалению, способность «продавать» свои навыки и проходить процесс подбора персонала — это само по себе навык. За годы после получения степени магистра мне пришлось освоить ряд гибких навыков и методов, которым не обучали на занятиях в университете, но которые были важны для поиска работы. В частности, я узнал, что найти работу в исследовательской лаборатории / университете* — это совсем не то же самое, что найти работу в стартапе , а найти работу в стартапе — это совсем не то же самое, что найти работу в крупной технологической компании.

После получения докторской степени я прошел через несколько процессов найма и в итоге получил предложения из трех совершенно разных мест : стартапа , исследовательской лаборатории и крупной технологической компании . Быть замеченным, пройти собеседования и получить эти предложения было непросто; это стало результатом нескольких ошибок и правильных выборов, которые я сделал на этом пути. В этой статье я хочу поделиться своим опытом, чтобы начинающий специалист по машинному обучению мог блеснуть в процессе поиска работы, какой бы путь он ни выбрал. Прежде чем продолжить, я хотел бы прояснить два момента:

1. Эта статья — всего лишь мой опыт . Хотя я и считаю, что поделиться ею может быть полезно многим людям, пожалуйста, подумайте, что относится к вам, и используйте здравый смысл.
2. Эта статья не из разряда « делай все возможное, будь собой ». Она призвана стать простым, без пафоса, конкретным руководством о том, что делать, чтобы добиться успеха в процессе поиска работы по специальности «Машинное обучение».

Чтобы получить работу в сфере машинного обучения, необходимо выполнить 4 конкретных шага:

В следующих главах я разберу каждый из этих четырех шагов, чтобы у вас было четкое представление о том, как подходить к каждому этапу процесса. Давайте начнем! 🚀

* В этой статье, когда я говорю о «исследовательской лаборатории», я не имею в виду роли в НИОКР в таких компаниях, как Google или Meta. Вместо этого я говорю об исследовательских должностях в академических учреждениях, национальных лабораториях или исследовательских центрах государственного сектора: местах, таких как MIT, Lawrence Livermore или исследовательских группах, связанных с университетами. Эти роли, как правило, больше сосредоточены на публикациях, грантах и долгосрочных научных вкладах, чем на инновациях, ориентированных на продукт.

Источник: towardsdatascience.com