57 собеседований ради OpenAI: аспирантка раскрыла всю изнанку поиска работы в IT

Получить работу в одной из самых желанных технологических компаний мира оказалось куда сложнее, чем многие представляют. Выпускница докторантуры по компьютерным наукам Алиса Лю рассказала о своём пути к офферу от OpenAI и опубликовала подробный конспект поиска работы, который уже называют одной из самых полезных инструкций для специалистов в сфере IT и искусственного интеллекта.

За время поиска работы она прошла через 57 полноценных собеседований в 11 компаниях, провела 46 разговоров с рекрутерами и ещё 16 встреч после получения предложений о работе. Свой опыт исследовательница подробно описала в статье «Notes on the Industry Job Search», где не только рассказала о процессе найма, но и собрала десятки полезных материалов для подготовки к интервью.

Почему поиск работы оказался настолько сложным

На первый взгляд Алиса была идеальным кандидатом. Она шесть лет училась в аспирантуре Университета Вашингтона, занималась исследованиями в области обработки естественного языка и машинного обучения, публиковала научные работы и участвовала в крупных исследовательских проектах.

Однако даже с таким резюме ей пришлось пройти настоящий марафон интервью.

По словам Лю, современные AI-компании оценивают кандидатов сразу по нескольким направлениям. Причём многие претенденты отлично справляются с одним типом задач и проваливаются на другом.

Какие собеседования проводят AI-компании

В ходе поиска работы Алиса выделила несколько основных форматов интервью.

Алгоритмические задачи

Это классические задачи по программированию, похожие на задания с платформы LeetCode. Кандидату нужно быстро написать рабочий код и объяснить своё решение.

По словам Лю, даже опытные исследователи часто недооценивают этот этап и теряют хорошие предложения из-за недостаточной практики.

Machine Learning Coding

Этот формат становится всё популярнее.

Кандидату предлагают реализовать части нейросетей или алгоритмов машинного обучения прямо во время интервью. Например:

- написать механизм внимания (attention);

- реализовать обучение логистической регрессии;

- построить простую нейронную сеть;

- объяснить работу трансформеров;

- реализовать токенизатор.

По мнению Лю, именно этот этап сейчас вызывает у кандидатов наибольшие сложности.

System Design для ML

На таких интервью проверяют способность проектировать реальные AI-системы.

Соискателя могут попросить спроектировать:

- чат-бота уровня ChatGPT;

- рекомендательную систему;

- поисковый движок;

- систему ранжирования контента;

- инфраструктуру для обучения больших языковых моделей.

Здесь оценивается не код, а понимание архитектуры и способность принимать инженерные решения.

Research Interviews

Особенно важны для исследовательских вакансий.

Кандидат подробно рассказывает о своих научных проектах, публикациях и экспериментах.

По словам Лю, многие работодатели уделяют этому этапу даже больше внимания, чем публикациям в резюме.

Поведенческие интервью

Несмотря на техническую направленность отрасли, компании активно проверяют навыки общения.

Кандидатов спрашивают:

- как они решали конфликты;

- как справлялись с провалами;

- как работали в команде;

- как принимали сложные решения.

Лю отмечает, что многие инженеры относятся к таким вопросам несерьёзно и совершают большую ошибку.

Главный вывод: диплом сам по себе уже не помогает

Один из самых неожиданных выводов исследовательницы заключается в том, что сильное образование перестало быть гарантией успеха.

По её словам, научная степень помогает получить приглашение на интервью, но дальше работодателей интересуют исключительно практические навыки.

«Никого не волнует, насколько умным вы выглядите на бумаге. Важно показать, что вы способны решать реальные задачи», — такой вывод делает автор.

Как она готовилась

Лю потратила сотни часов на подготовку.

Основное внимание она уделяла:

- решению задач LeetCode;

- повторению основ машинного обучения;

- тренировке ML Coding;

- изучению архитектур современных языковых моделей;

- подготовке рассказов о собственных проектах;

- тренировке ответов на поведенческие вопросы.

Она рекомендует не заучивать ответы дословно, а готовить набор историй из собственного опыта, которые можно адаптировать под разные вопросы.

Почему нетворкинг оказался важнее резюме

Отдельую главу своей статьи Лю посвятила знакомствам в индустрии.

По её словам, значительная часть возможностей появляется не через холодные отклики на вакансии, а благодаря рекомендациям знакомых.

Она советует:

- участвовать в конференциях;

- посещать профессиональные встречи;

- поддерживать связь с бывшими коллегами;

- не бояться писать людям из интересующих компаний;

- рассказывать о своих проектах публично.

По мнению исследовательницы, хорошие профессиональные связи могут сократить путь к интервью в несколько раз.

Как не выгореть во время поиска работы

Одним из самых ценных разделов статьи стали советы по борьбе с эмоциональным выгоранием.

После десятков интервью даже сильные кандидаты начинают терять уверенность в себе.

Лю рекомендует:

- не воспринимать отказ как оценку собственной ценности;

- помнить, что многие решения принимаются из-за внутренних потребностей компании;

- делать перерывы между интервью;

- не готовиться круглосуточно;

- сохранять время на отдых и общение.

Она признаётся, что сама неоднократно чувствовала усталость и разочарование, особенно после отказов от компаний, в которые очень хотела попасть.

Как получить лучший оффер

После получения первых предложений работа не заканчивается.

Лю подчёркивает, что многие кандидаты боятся обсуждать условия, хотя переговоры являются нормальной частью процесса найма.

Она советует:

- не принимать первое предложение сразу;

- сравнивать несколько офферов;

- уточнять бонусы и опционы;

- обсуждать компенсацию открыто и профессионально;

- использовать конкурирующие предложения как аргумент в переговорах.

По её словам, грамотные переговоры могут увеличить итоговую компенсацию на десятки тысяч долларов в год.

Что в итоге помогло попасть в OpenAI

По мнению самой Лю, решающими факторами стали не диплом и не публикации, а сочетание нескольких вещей:

- глубокое понимание машинного обучения;

- системная подготовка к интервью;

- умение объяснять сложные идеи простыми словами;

- профессиональные связи;

- настойчивость.

Её история показывает, насколько конкурентным стал рынок труда в эпоху искусственного интеллекта. Даже кандидат с сильным научным опытом прошёл через 57 собеседований, прежде чем получить желаемый оффер. Однако опыт Алисы доказывает, что тщательная подготовка и последовательная работа над своими навыками способны открыть двери даже в самые престижные технологические компании мира.