Что важно для трудоустройства AI-разработчика
⏱ 5 минут полезного чтения
Что важнее всего для трудоустройства AI-разработчика
Портфолио AI-разработчика
Я не буду ходить вокруг да около: для трудоустройства в этой сфере важнее всего портфолио. Нужны готовые выполненные проекты. Причем проекты не учебные, когда вы на курсах сделали домашнее задание о какой-нибудь классификации заболевания, — это работодатель не будет рассматривать как портфолио, потому что в качестве домашних заданий всегда подбираются простые задачи, с которыми все ученики гарантированно справятся.
Портфолио должно содержать реальный проект для настоящей компании. Абсолютно все HR-специалисты, когда рассматривают наших выпускников, первым делом спрашивают, какие реальные проекты они выполнили.
К счастью, наше образование предполагает обязательные стажировки. Мы стажируем студентов в многомиллиардных компаниях, средних бизнесах или небольших стартапах. Если вы обучаетесь самостоятельно или где-то на других курсах, вам стоит задуматься о портфолио — это первое, на что смотрят HR-специалисты.
Опыт работы в команде AI-разработчиков
Второй вопрос, который задают HR-специалисты, — есть ли опыт работы в команде именно в сфере AI. Даже если у вас есть опыт командной работы в сфере Java, .NET, PHP, Python, бэкенд, фронтенд и так далее — это не то же самое. В AI идет подготовка датасета, управление фрилансерами, которые размечают датасет, deploy нейронки в production и другие процессы, специфичные для AI. Эти процессы отличаются от обычной бэк- и фронт-разработки, не кардинально, но отличаются. Командный опыт Java и .NET — это примерно один и тот же командный опыт, а Java и ML — это разные командные опыты.
Мы реализуем это требование рынка через те же стажировки. Стажировка — это команда из 10–15 студентов плюс тимлидов, поэтому у наших выпускников четыре проекта в портфолио и год опыта работы в команде. Если у вас этого нет, надо это как-то получать. Я расскажу, как получить опыт с реальными проектами.
Компактное резюме под конкретную вакансию
Покупая консультации у HR-агентств, общаясь с компаниями и анализируя свой опыт, мы сделали выводы:
- Нельзя отправлять всем компаниям одно и то же резюме, надо строить резюме под конкретную вакансию — какими технологиями вы владеете и какие проекты вы делали.
- Резюме должно быть коротким — одна страница.
Эйчар читает первую страницу резюме. На оценку вашего резюме у него есть 20–30 секунд — поверьте, я знаю, что такое отсмотреть 200 резюме за вечер. Перед вами он посмотрел десятки резюме и после вас посмотрит ещё десятки. Ваше резюме должно:
- быть коротким, ёмким, красиво оформленным;
- очень легко читаться;
- содержать всю ключевую информацию (выполненные проекты, портфолио) на первой странице;
- быть подстроено под вакансию — если вы владеете требуемым конкретным стеком технологий, укажите это на первой странице.
Релевантные проекты
Есть некоторый пул типовых проектов: распознавание лиц на проходной компании, прогнозирование тренда временного ряда, обнаружение людей в торговых центрах и некоторые другие — всего несколько десятков. Если у вас в портфолио есть такой типовой проект, а компании нужен аналогичный — ваши шансы на моментальное трудоустройство многократно повышаются. Так было у некоторых из наших студентов, которые находили работу, соответствующую своему дипломному проекту. Конечно, так происходит не каждый раз, но вероятность конверсии из резюме в оффер возрастает.
Где брать проекты для портфолио AI-разработчика
Если вы хотите получить проект в портфолио — предложите проект на своей текущей работе или выйдите на какую-нибудь компанию через знакомых и скажите: «Я занимаюсь искусственным интеллектом и хотел бы для вас сделать проект. У меня есть вот такая идея». Вам придётся найти идею проекта и с ней пробиться.
К счастью, искусственный интеллект сейчас применим практически в любом бизнесе, и вы сможете найти проект, проявив настойчивость. Можете опубликовать в своих соцсетях или Telegram-канале, что занимаетесь искусственным интеллектом, хотели бы сделать проект, поэтому предлагаете созвониться в Zoom для подбора вариантов. Дальше созваниваетесь и придумываете примеры применения искусственного интеллекта для компании: 5–10 часовых Zoom-консультаций — и один бесплатный проект вам дадут.
Сколько проектов нужно для портфолио? Если в вашем портфолио будет 2–3 проекта, это уже неплохо.
Какие стеки технологий обычно просят компании?
В основном это Keras, PyTorch, Sklearn. Keras более простой, PyTorch сложнее, но оба довольно часто используются, здорово уметь и то, и другое. Если выбирать, что проще для освоения, — однозначно Keras, но знание PyTorch сильно повышает ваши шансы.
Весь AI, ML — это заведомо Python. Интегрировать можно во что угодно, но лучшие библиотеки под AI, ML — это Python, поэтому замена SQL — это Pandas от Python. Вам важно понимать основы запросов к базе, основы SQL, его суть.
Для классического ML часто просят понимать деревья решений, метод опорных векторов и так далее. Да, классическое машинное обучение не позволяет делать deep learning задачи, но в простых задачах классификации таблиц оно пока ещё составляет конкуренцию нейронкам, и часто классический ML добавляют в требования в вакансиях.
Для ML и AI Python нужен на гораздо более простом уровне, чем для бэкенда, потому что в AI и ML практически не используется объектно-ориентированное программирование — вы работаете с Python как с интерпретатором. Максимум вы используете define функций, может быть, иногда классы, и вам не нужно владеть паттернами архитектур, анонимными factory, ORM и так далее.
Что должен уметь ML, AI-разработчик
Есть три основных навыка, которыми вам надо владеть и которые адекватной компанией однозначно будут проверяться на техническом собеседовании.
Подготавливать — не значит собирать сам датасет, собирают его фрилансеры, помощники в компании. От вас же требуется:
- составить правильное ТЗ по сбору датасета и дать обратную связь и корректировки;
- спарсить датасет на Python и подготовить из него обучающие выборки — уметь обрабатывать видео, аудио, тексты и другие виды данных.
Классификация картинок, текстов, аудио, видео, табличных данных, предсказание временных рядов, object detection, сегментация изображений, чат-боты, распознавание речи, генеративные сетки и генетические алгоритмы для оптимизационных задач — вы должны владеть всеми основами AI-задач.
Deploy — это уже больше Python, хотя и немного специфический: как правильно загрузить модель, сделать из неё веб-сервер, докер-контейнеры, сгенерировать API и отдать её продакшен-команде, чтобы они ею пользовались. Более сложные случаи — как загрузить нейронку в Jetson Nano, чтобы она работала на квадрокоптере, или как подключить нейронку к Java или C++ приложению, которое должно работать без интернета.
Резюме: AI-разработчика продаёт портфолио
Искусственный интеллект — довольно молодая область. Большинство компаний совершенно не понимают, как собеседовать AI-разработчиков. Во многих компаниях этот AI-разработчик будет первым, но если даже не первым — понимание, как правильно собеседовать, ещё не сформировалось на рынке, оно гораздо более слабое, чем в случае с Java, .NET, PHP, Python и другими. Поэтому так высок приоритет портфолио — компании в большей степени ориентируются на то, какие проекты вы делали для реальных бизнесов с реальным внедрением. Хочу ещё раз подчеркнуть, что именно это продаёт вас компаниям. Желаю всем удачи в изучении AI и найти классную работу в сфере AI, ML, если вы на это нацелены.
🚩 Материал был полезен? Поделитесь им с друзьями в соцсетях!
Кнопка репоста — в шапке статьи ⏫
