AI hunter

HR платформа для студентов Университета искусственного интеллекта

Студенты Университета искусственного интеллекта

Здесь вы можете найти полезную и актуальную информацию по трудоустройству в сфере искусственного интеллекта

Есть такое выражение “встречают по одежке”, так вот резюме — это ваша “одежка”, и если оно небрежно написано, то и к человеку соответственное отношение

Пример

Гайд по написанию сопроводительного письма

Сопроводительное письмо — шанс кандидата привлечь внимание работодателя именно к его резюме

Пример

Гайд, как успешно пройти собеседование

Собеседование — один из ключевых этапов при приеме на работу, где компания определяет соответствуют ли ваши знания и навыки должности, на которую вы претендуете, и можете ли вы применять их на практике

Пример

Частые ошибки в резюме

Резюме - это первое знакомство с вами и насколько оно профессионально будет составлено, будет зависеть желание работодателя продолжить знакомство с вами или нет

1
Ошибки в тексте
В резюме бывают ошибки или опечатки, но если их количество переходит все границы, а это бывает в 10% резюме, то такие резюме не обрабатываются дальше

Рекомендация: проверяйте ошибки, перед публикацией резюме
2
Опыт работы
Указывайте по возможности релевантный опыт, если его нет, то достаточно указать последние 2 места работы

Рекомендация: нет необходимости указывать опыт в Макдональдсе или в Магните или опыт работы с сроком давности больше 10 лет
3
Заработная плата
Всегда указывайте свои пожелания по заработной плате, и не завышайте их. Объективная оценка своих знаний позволит вам найти отличную работу в короткий срок

Рекомендация: если сомневаетесь, то лучше не указывайте уровень заработной платы
4
Нет портфолио и ссылок на реальные проекты
Часто бывает, что человек не размещает ссылки на проекты, но это очень плохо, так как необходимо оценить его работы. Чаще всего оправдания у кандидатов:
Нет работ из-за отсутствия опыта
Это говорят 90% начинающих специалистов, которые уже обучаются 5-18 месяцев. Но что мешает кандидатам находить проекты на бирже фриланс и реализовывать их используя различные технологии?

Рекомендация: найдите 3-5 проектов, покажите на что вы способны и не забывайте про дипломный проект
5
Нет четкой специализации, знаю все по чуть-чуть
Большинство начинающих специалистов указывают то, что они на все руки молодцы, но на деле всё знают по чуть-чуть. Зачастую в резюме указывают все работы которые делал кандидат, но работодателю важно не количество, а качество работ

Рекомендация: если хотите работать в хорошей компании, то выберите то, что вам по душе и то в чем вы хотите развиваться. Гораздо важнее указать 3 хороших работы, чем 10 посредственных. Также обязательно дайте ссылку на ваш git, где можно изучить ваш код
6
Навыки "Владею ПК", "Работаю с орг техникой"
На hh.ru есть раздел «Ключевые навыки». Половина кандидатов туда пишут все подряд. Вроде, заголовок говорит о ключевых навыках, т.е. то в чем специалист разбирается лучше всего, но многим всё равно

Рекомендация: в «ключевых навыках» указывайте только то в чем вы действительно хорошо понимаете и что может пригодится для новой должности

Важно

Что важно в резюме?

Опыт работы
В опыте постарайтесь максимально подробно описать задачи, которые вы решали. Если у вас нет релевантного опыта работы, то последнее место работы добавляете учебу в УИИ, должность Студент/ Стажер Data Science, в обязанности прописываете дипломный проект: название, технический стэк (что использовали при реализации проекта), ссылку.
Также можно добавить ссылки домашних работ уровня про, ультра про (3-5 шт).
И потом добавляете ваш фактический последний опыт работы.

Если у вас нет опыта работы, большим плюсом в резюме станет:
Участие в хакатонах. Это говорит как минимум о том, что вы работали в команде и (скорее всего) создали работающее решение в ограниченный срок. Участие в хакатонах хорошо еще и тем, что на них вас могут заметить работодатели.
Ключевые навыки
Указывайте то в чем действительно понимаете и можете работать
О себе
Указывайте профессиональную информацию, опишите проекты, опишите куда хотите развиваться и над какими проектами работать. Почему решили заняться нейронными сетями, какая область наиболее для вас интересна. Также будет полезно указать особые достижения (профессиональные конкурсы/соревнования, курсы и т.п.). Не указывайте информацию про курение, домашних животных и прочее, это никому не интересно, так как это резюме, а не анкета на сайте знакомств
Сертификаты
Если у вас есть электронные сертификаты, то обязательно их надо указать, они дают значительный плюс в выборе кандидатов

Что важно отразить в сопроводительном письме?

Мотивацию и заинтересованность именно в их вакансии. Чем вы можете быть полезным компании на данной позиции?

Причины, по которым компании стоит обратить на вас внимание. Почему вы должны работать в конкретной компании?

Навыки, опыт и личные качества, связанные с работой, которые делают вас подходящим для этой роли. Почему вы идеальный кандидат для этой позиции?

Это важный момент, поскольку именно такая информация облегчает процесс рекрутмента и дает понимание самому кандидату, как он может реализоваться в рамках компании

Сопроводительное письмо

Здравствуйте!
Ваша вакансия Data Scientist заинтересовала меня по нескольким причинам!

Я закончил [квалификация, пример: Data Science и нейронные сети ] в Университете искусственного интеллекта. Получил опыт работы с машинным обучением, глубоким обучением, RL, GAN, компьютерное зрение, распознавание лиц и тд.
Мной был реализован проект [название].
Мои основные результаты как Data Scientist: [назовите 3-4 основных результата как ML, DL эксперт, используя ключевые слова].

Согласно требованиям, предъявляемым к должности, мой технический стек — это Python, Pytorch, Tensorflow, Machine Learning, Deep Learning, Reinforcement Learning, Graph methods.

В моем резюме вы заметите, что я [ важно описать опыт, технические навыки, компетенции, которые непосредственно отвечают требованиям, перечисленным в описании вакансии специалиста по данным].

Я обращаюсь к вам, потому что восхищаюсь вашими [назовите 2 или 3 факта о компании и ее проектах, связанных с ML, DL в приоритетах, которые вам действительно нравятся в ней]. Как специалист по Data Science, я был бы рад присоединиться к команде профессионалов и использовать свой опыт в алгоритмах DS, ML, RL для получения результатов [компании].

Спасибо, что нашли время рассмотреть мое резюме. С нетерпением жду Вашего ответа.

Как подготовиться к собеседованию

Изучите подробно вакансию на которую вас пригласили на собеседование

Описание

Прочитайте про компанию, зайдите на их сайт, в социальные сети.
И ответьте на вопросы:
"Чем привлекательна для вас компания? Какие ценности компании вы разделяете? Чем интересен для вас их продукт/проект?"

Задачи

Пройдитесь по каждому пункту, продумайте как вы можете ее решить, какие инструменты использовать.
Если не до конца понимаете задачу, не хватает данных - запишите, на собеседование, как правило, спрашивают: "Есть ли у вас вопросы по вакансии?" и здесь вы будете готовы

Требования

Технический стэк или Hard skills.
Все ли вы умеете? Все ли вы знаете?
Как и где вы уже это применяли?
Какие у вас есть кейсы?
Если вы что то не знаете/не умеете - Гугл вам в помощь. Прочитайте статьи, спросите у своего куратора.
И проговорите на собеседование, что практических навыков по этим инструментам нет, однако вы знаете/читали...

Условия

Все ли понятно, что предлагает компания? График работы, место работы, вознаграждение, обучение, развитие, карьерные перспективы?
Самое главное, не бойтесь задавать вопросы, если что то не понятно и не прописано в вакансии, а для вас это важно!

Самопрезентация

Ваш предыдущий опыт работы: задачи, которые решали, реализованные проекты, достижения. Оцифруйте свои результаты.
Если ваш предыдущий опыт работы не релевантный с вакансией, делайте акценты только на том, что может пригодиться на новом месте работы.
Ваши личные качества, которые помогут выполнять задачи описанные в вакансии
Если это ваш первый опыт в искусственном интеллекте, подготовьте ответ на вопросы: "Чем вас привлекают нейронные сети? Почему решили сменить сферу деятельности?"

На собеседование будьте собой. И у вас обязательно все получится!!!

Технические вопросы

Цель собеседования – понять, насколько хорошо человек разбирается в своей предметной области. По ответам можно понять глубину и ширину знаний кандидата по базовым вопросам.
Универсальные солдаты встречаются крайне редко, и вопросы на собеседовании зависят от опыта кандидатов.

1
В чём разница между машинным обучением и глубоким обучением?
Машинное обучение позволяет обучать компьютерную систему без её фактического программирования. А глубокое обучение — это подвид машинного обучения, который основан на аналогии нейронных сетей человеческого мозга. Это похоже на то, как наш мозг работает для решения проблем: чтобы найти ответ, он пропускает запросы через различные иерархии концепций и связанных вопросов.
2
Что такое глубокое обучение?
Глубокое обучение — совокупность большого количества методов машинного обучения, основанных на имитации работы человеческого мозга в процессе обработки данных и принятия решений.
По сути они основаны на обучении представлениям, а не специализированным алгоритмам под конкретные задачи. Из-за чего обучение нейронных сетей ведётся дольше, чем традиционное машинное обучение, но точность результатов получается выше.
3
Что такое рекуррентные нейронные сети (RNN)?
Рекуррентные нейронные сети — это вид нейросетей, в которых связи между элементами образуют направленную последовательность. Это позволяет обрабатывать серии событий во времени или последовательные пространственные цепочки.
Они используются преимущественно для задач, где нечто цельное состоит из ряда объектов, например при распознавании рукописного текста или речи.
4
Какова цель A/B-тестирования?
A/B-тестирование — это статистическая проверка гипотез для рандомизированных экспериментов с двумя переменными, A и B.
Его цель — обнаружение любых изменений на веб-странице, чтобы максимизировать или повысить результат стратегии.
5
Объясните, что такое регуляризация и почему она полезна
Регуляризация в машинном обучении — метод добавления дополнительных ограничений к условию для того, чтобы предотвратить переобучение системы или решить некорректно поставленную задачу. Часто это ограничение представляет собой штраф за излишнюю сложность модели.
Прогнозы модели должны затем минимизировать функцию потерь, вычисленную на регуляризованном обучающем наборе.
6
Что такое рекомендательные системы?
Подкласс систем фильтрации информации, что применяются для прогнозирования предпочтений или оценок, которые пользователь поставит продукту. Рекомендательные системы широко используются в фильмах, новостях, статьях, товарах, музыке и так далее.
7
Что такое обучение с подкреплением?
Обучение с подкреплением очень схоже по смыслу с обучением с учителем, но в роли учителя выступает среда, в которой система может выполнять какие-либо действия.
Обучение с подкреплением активно используется в задачах, где нужно выбрать лучший вариант среди многих или достичь сложной цели за множество ходов. К примеру, это могут быть шахматы или го, где нейросети дают только правила, а она совершенствует свои навыки с помощью игр с самой собой.
Машина пытается решить задачу, ошибается, учится на своих ошибках, совершенствуется, и так множество раз.
8
Что такое закон больших чисел?
Это принцип теории вероятностей, который описывает результат выполнения одного и того же эксперимента множество раз.
При достаточно длительной серии экспериментов закон больших чисел гарантирует устойчивость средних значений от случайных событий. И среднее значение конечной выборки фиксированного распределения будет очень близко к математическому ожиданию выборки.
К примеру, при бросках шестигранного кубика. Чем больше бросков, тем больше среднее значение близится к математическому ожиданию 3,5.
9
Какие навыки требуются от специалиста по обработке данных Python?
Экспериментируйте с Pandas Dataframes, Scikit-learn и N-мерными массивами NumPy.
Навыки для применения поэлементных векторных и матричных операций с массивами NumPy.
Способен понимать встроенные типы данных, включая кортежи, наборы, словари и другие.
Он оснащен дистрибутивом Anaconda и менеджером пакетов Conda.
Возможность писать эффективные списки, небольшие, чистые функции и избегать традиционных циклов for.
Знание скрипта Python и оптимизация узких мест

Далее

Ещё примеры вопросов на техническом собеседовании

Какие методы предотвращения переобучения (регуляризации) для нейронных сетей вы знаете? Как они работают? Куда вставлять batch normalization?
Чем отличается нейронная сеть с одним выходом и сигмоидальной функции активации и такая же нейронная сеть, но с двумя выходами и softmax?
Представим, что у нас есть многослойная полносвязанная сеть с нелинейной функцией активации. Что будет с нейронной сетью, если мы уберём нелинейность?
Как оценивают качество в задачах object detection? Какие архитектуры нейронных сетей для семантической сегментации вы знаете? Как и зачем использовать transfer learning?
Когда дело доходит до машинного обучения (или даже собеседований по науке о данных для тех, кто хочет получить работу в C-Suite), ожидайте вопросов, которые проверят, насколько вы в курсе текущих технологий и тенденций. Сюда входят вопросы, связанные с библиотеками Python.
Что лежит в основе моделирования тематик? Как работает этот алгоритм? Как вы выберете число тематик, которые будут обучаться этим алгоритмом? У вас есть текст отзывов и рейтинг, пользователи используют 5-балльную шкалу. Как бы вы построили систему, которая сможет предсказывать оценку по тексту отзыва? Как оценивать качество этой системы?
Назовите несколько фреймворков для глубокого обучения. Когда лучше использовать TENSORFLOW (или другую библиотеку, технологию)?
Как правильно тестировать качество моделей в работе с временными рядами? Что мы должны делать с сезонностью в данных? Как искать аномалии во временных рядах?

В ходе рассуждений и решения задач интервьюеры задают много уточняющих вопросов и пытаются поместить кандидата в «боевые условия». Наример, кандидат предлагает решение, а интервьюер добавляет новые условия к задаче.

Помимо этого, могут спросить, как кандидат организует свое рабочее время, как логирует эксперименты, следит ли за их воспроизводимостью, как обрабатывает большие объемы данным и строит пайплайны обработки данных.

Контакты HR агентства AI hunter
hr@ai-hunter.ru

Если у вас возникнут вопросы по трудоустройству

Заполните форму