57 συνεντεύξεις για την OpenAI: μια υποψήφια διδακτόρισσα αποκαλύπτει όλη την άλλη πλευρά της αναζήτησης εργασίας στον τομέα της τεχνολογίας

Το να βρει κανείς δουλειά σε μία από τις πιο περιζήτητες τεχνολογικές εταιρείες του κόσμου αποδείχθηκε πολύ πιο δύσκολο απ’ ό,τι φαντάζονται πολλοί. Η απόφοιτη διδακτορικού στην πληροφορική, Αλίσα Λιου, μίλησε για την πορεία της μέχρι το offer από την OpenAI και δημοσίευσε έναν αναλυτικό απολογισμό της αναζήτησης εργασίας, τον οποίο ήδη αποκαλούν έναν από τους πιο χρήσιμους οδηγούς για επαγγελματίες στον χώρο της πληροφορικής και της τεχνητής νοημοσύνης.

Κατά τη διάρκεια της αναζήτησης εργασίας πέρασε από 57 πλήρεις συνεντεύξεις σε 11 εταιρείες, είχε 46 συζητήσεις με recruiters και άλλες 16 συναντήσεις μετά την παραλαβή προτάσεων εργασίας. Η ερευνήτρια περιέγραψε αναλυτικά την εμπειρία της στο άρθρο «Notes on the Industry Job Search», όπου όχι μόνο εξήγησε τη διαδικασία πρόσληψης, αλλά και συγκέντρωσε δεκάδες χρήσιμα υλικά για την προετοιμασία συνεντεύξεων.

Γιατί η αναζήτηση εργασίας αποδείχθηκε τόσο δύσκολη

Με μια πρώτη ματιά, η Αλίσα ήταν ιδανική υποψήφια. Σπούδασε έξι χρόνια σε διδακτορικό πρόγραμμα στο Πανεπιστήμιο της Ουάσιγκτον, ασχολήθηκε με έρευνα στην επεξεργασία φυσικής γλώσσας και τη μηχανική μάθηση, δημοσίευσε επιστημονικές εργασίες και συμμετείχε σε μεγάλα ερευνητικά έργα.

Ωστόσο, ακόμη και με ένα τέτοιο βιογραφικό, χρειάστηκε να περάσει έναν πραγματικό μαραθώνιο συνεντεύξεων.

Σύμφωνα με τη Λιου, οι σύγχρονες εταιρείες AI αξιολογούν τους υποψηφίους ταυτόχρονα σε αρκετούς άξονες. Και πολλοί υποψήφιοι τα καταφέρνουν άψογα σε έναν τύπο задач και αποτυγχάνουν σε έναν άλλον.

Τι είδους συνεντεύξεις κάνουν οι εταιρείες AI

Κατά την αναζήτηση εργασίας, η Αλίσα ξεχώρισε αρκετές βασικές μορφές συνεντεύξεων.

Αλγοριθμικά προβλήματα

Πρόκειται για κλασικές εργασίες προγραμματισμού, παρόμοιες με τις ασκήσεις της πλατφόρμας LeetCode. Ο υποψήφιος πρέπει να γράψει γρήγορα λειτουργικό κώδικα και να εξηγήσει τη λύση του.

Σύμφωνα με τη Λιου, ακόμη και έμπειροι ερευνητές συχνά υποτιμούν αυτό το στάδιο και χάνουν καλές προτάσεις λόγω ανεπαρκούς εξάσκησης.

Machine Learning Coding

Αυτή η μορφή γίνεται ολοένα και πιο δημοφιλής.

Στον υποψήφιο ζητείται να υλοποιήσει μέρη νευρωνικών δικτύων ή αλγορίθμων μηχανικής μάθησης απευθείας κατά τη διάρκεια της συνέντευξης. Για παράδειγμα:

- να γράψει μηχανισμό προσοχής (attention);

- να υλοποιήσει την εκπαίδευση λογιστικής παλινδρόμησης;

- να κατασκευάσει ένα απλό νευρωνικό δίκτυο;

- να εξηγήσει πώς λειτουργούν οι transformers;

- να υλοποιήσει έναν tokenizer.

Κατά τη γνώμη της Λιου, ακριβώς αυτό το στάδιο προκαλεί πλέον τις μεγαλύτερες δυσκολίες στους υποψηφίους.

System Design για ML

Σε τέτοιες συνεντεύξεις ελέγχεται η ικανότητα σχεδιασμού πραγματικών συστημάτων AI.

Μπορεί να ζητηθεί από τον υποψήφιο να σχεδιάσει:

- ένα chatbot επιπέδου ChatGPT;

- ένα σύστημα συστάσεων;

- μια μηχανή αναζήτησης;

- ένα σύστημα κατάταξης περιεχομένου;

- την υποδομή για την εκπαίδευση μεγάλων γλωσσικών μοντέλων.

Εδώ δεν αξιολογείται ο κώδικας, αλλά η κατανόηση της αρχιτεκτονικής και η ικανότητα λήψης μηχανικών αποφάσεων.

Συνεντεύξεις έρευνας

Ιδιαίτερα σημαντικές για ερευνητικές θέσεις.

Ο υποψήφιος μιλά αναλυτικά για τα επιστημονικά του έργα, τις δημοσιεύσεις και τα πειράματα.

Σύμφωνα με τη Λιου, πολλοί εργοδότες δίνουν σε αυτό το στάδιο ακόμη μεγαλύτερη προσοχή από ό,τι στις δημοσιεύσεις στο βιογραφικό.

Συνεντεύξεις συμπεριφοράς

Παρά τον τεχνικό χαρακτήρα του κλάδου, οι εταιρείες ελέγχουν ενεργά τις επικοινωνιακές δεξιότητες.

Στους υποψηφίους τίθενται ερωτήσεις:

- πώς διαχειρίστηκαν συγκρούσεις;

- πώς αντιμετώπισαν αποτυχίες;

- πώς συνεργάστηκαν σε ομάδα;

- πώς έλαβαν δύσκολες αποφάσεις.

Η Λιου σημειώνει ότι πολλοί μηχανικοί αντιμετωπίζουν τέτοιες ερωτήσεις επιπόλαια και κάνουν μεγάλο λάθος.

Το βασικό συμπέρασμα: το πτυχίο από μόνο του δεν βοηθά πλέον

Ένα από τα πιο απρόσμενα συμπεράσματα της ερευνήτριας είναι ότι η ισχυρή εκπαίδευση έπαψε να αποτελεί εγγύηση επιτυχίας.

Σύμφωνα με την ίδια, ο ακαδημαϊκός τίτλος βοηθά να πάρει κανείς πρόσκληση για συνέντευξη, αλλά στη συνέχεια τους εργοδότες τους ενδιαφέρουν αποκλειστικά οι πρακτικές δεξιότητες.

«Κανέναν δεν ενδιαφέρει πόσο έξυπνος φαίνεστε στο χαρτί. Σημασία έχει να δείξετε ότι μπορείτε να λύνει πραγματικά προβλήματα», καταλήγει η συγγραφέας.

Πώς προετοιμάστηκε

Η Λιου αφιέρωσε εκατοντάδες ώρες στην προετοιμασία.

Έδωσε το μεγαλύτερο βάρος σε:

- λύση ασκήσεων LeetCode;

- επανάληψη των βασικών της μηχανικής μάθησης;

- εξάσκηση στο ML Coding;

- μελέτη των αρχιτεκτονικών των σύγχρονων γλωσσικών μοντέλων;

- προετοιμασία αφηγήσεων για τα δικά της projects;

- εξάσκηση απαντήσεων σε ερωτήσεις συμπεριφοράς.

Συνιστά να μην απομνημονεύει κανείς απαντήσεις λέξη προς λέξη, αλλά να ετοιμάζει ένα σύνολο ιστοριών από την προσωπική του εμπειρία, τις οποίες μπορεί να προσαρμόζει σε διαφορετικές ερωτήσεις.

Γιατί το networking αποδείχθηκε σημαντικότερο από το βιογραφικό

Ένα ξεχωριστό κεφάλαιο της άρθρου της Λιου είναι αφιερωμένο στις γνωριμίες στον κλάδο.

Σύμφωνα με την ίδια, σημαντικό μέρος των ευκαιριών δεν προκύπτει από ψυχρές αιτήσεις σε αγγελίες, αλλά χάρη σε συστάσεις γνωστών.

Συνιστά:

- να συμμετέχει κανείς σε συνέδρια;

- να παρακολουθεί επαγγελματικές συναντήσεις;

- να διατηρεί επαφή με πρώην συναδέλφους;

- να μη φοβάται να γράφει σε ανθρώπους από εταιρείες που τον ενδιαφέρουν;

- να μιλά δημόσια για τα projects του;

Κατά την άποψη της ερευνήτριας, οι καλές επαγγελματικές σχέσεις μπορούν να μειώσουν την πορεία προς τη συνέντευξη αρκετές φορές.

Πώς να μην εξαντληθεί κανείς κατά την αναζήτηση εργασίας

Ένα από τα πιο πολύτιμα τμήματα του άρθρου ήταν οι συμβουλές για την αντιμετώπιση της συναισθηματικής εξουθένωσης.

Μετά από δεκάδες συνεντεύξεις, ακόμη και δυνατοί υποψήφιοι αρχίζουν να χάνουν την αυτοπεποίθησή τους.

Η Λιου προτείνει:

- να μην αντιμετωπίζει κανείς την απόρριψη ως κρίση της προσωπικής του αξίας;

- να θυμάται ότι πολλές αποφάσεις λαμβάνονται λόγω εσωτερικών αναγκών της εταιρείας;

- να κάνει διαλείμματα ανάμεσα στις συνεντεύξεις;

- να μη προετοιμάζεται όλο το εικοσιτετράωρο;

- να κρατά χρόνο για ξεκούραση και επικοινωνία.

Παραδέχεται ότι και η ίδια ένιωθε επανειλημμένα κούραση και απογοήτευση, ιδιαίτερα μετά από απορρίψεις από εταιρείες στις οποίες ήθελε πολύ να ενταχθεί.

Πώς να αποκτήσει κανείς την καλύτερη προσφορά

Μετά την παραλαβή των πρώτων προτάσεων, η δουλειά δεν τελειώνει.

Η Λιου τονίζει ότι πολλοί υποψήφιοι φοβούνται να συζητήσουν τους όρους, παρότι οι διαπραγματεύσεις αποτελούν φυσιολογικό μέρος της διαδικασίας πρόσληψης.

Συνιστά:

- να μην αποδέχεται κανείς αμέσως την πρώτη πρόταση;

- να συγκρίνει περισσότερες από μία προσφορές;

- να διευκρινίζει τα μπόνους και τα options;

- να συζητά την αμοιβή ανοιχτά και επαγγελματικά;

- να χρησιμοποιεί ανταγωνιστικές προσφορές ως επιχείρημα στις διαπραγματεύσεις.

Σύμφωνα με την ίδια, οι σωστές διαπραγματεύσεις μπορούν να αυξήσουν τη συνολική αμοιβή κατά δεκάδες χιλιάδες δολάρια τον χρόνο.

Τι τελικά βοήθησε να μπει στην OpenAI

Κατά τη γνώμη της ίδιας της Λιου, οι καθοριστικοί παράγοντες δεν ήταν το πτυχίο ούτε οι δημοσιεύσεις, αλλά ο συνδυασμός αρκετών πραγμάτων:

- βαθιά κατανόηση της μηχανικής μάθησης;

- συστηματική προετοιμασία για τις συνεντεύξεις;

- ικανότητα να εξηγεί πολύπλοκες ιδέες με απλά λόγια;

- επαγγελματικές επαφές;

- επιμονή.

Η ιστορία της δείχνει πόσο ανταγωνιστική έχει γίνει η αγορά εργασίας στην εποχή της τεχνητής νοημοσύνης. Ακόμη και ένας υποψήφιος με ισχυρό ακαδημαϊκό υπόβαθρο πέρασε από 57 συνεντεύξεις πριν πάρει το επιθυμητό offer. Ωστόσο, η εμπειρία της Αλίσας αποδεικνύει ότι η προσεκτική προετοιμασία και η συστηματική δουλειά πάνω στις δεξιότητές σου μπορούν να ανοίξουν πόρτες ακόμη και στις πιο prestigiές τεχνολογικές εταιρείες του κόσμου.