Что на самом деле спрашивают на хардкорных ML-собесах 🪓

Алиса Лю, PhD из University of Washington (NLP, LLM), выкатила шикарный пост о том, как она искала работу в индустрии на позиции Research Scientist / Member of Technical Staff.

Вводные: 6 лет аспирантуры (PhD) в University of Washington по направлению NLP, грант от OpenAI. Не вкатун в IT, а человек с профильным академическим бэкграундом, публикациями и менторами из топа индустрии. Казалось бы, офферы должны сыпаться с неба, а HR-ы — драться за кандидата?

🤣 Ха-ха.

Ее опыт трудоустройства — 11 компаний, 57 (!) технических интервью, 46 созвонов с рекрутерами. Были случаи игнора со стороны HR (классика). Поиск работы превратился в полноценную фулл-тайм пахоту на несколько месяцев.

Что ее спрашивали?

1️⃣ ML coding. Написать архитектуру, стратегию декодинга или традиционный ML-алгоритм с нуля. Свободное владение PyTorch — базовый минимум. Иногда просят написать backward pass только на NumPy. Тут уже половина даже опытных спецов сразу убегут.

2️⃣ Technical discussion. Спрашивают такое: «Какие есть способы кодирования позиционной информации?», «Что такое 5D-параллелизм?», «В чем фундаментальная разница между PPO и GRPO?». Это проверка на то, понимаете ли вы под капотом то, что привыкли запускать из коробки.

3️⃣ General coding. Базовый LeetCode. Да, от него никуда не деться.

4️⃣ Математика. Внезапно, да? Линал, матан, тервер. С ручкой и бумажкой, выводя формулы.

Алиса пишет, что для подготовки активно использовала ChatGPT и Claude, чтобы разбирать сложные концепты. Но! Весь код при подготовке она писала вообще без ИИ-помощников.

При этом она с треском провалила первое поведенческое интервью, потому что пришла с мыслью: «Ну я же адекватная, нормально пообщаемся». Ага, щас. Не смог структурированно по STAR-методу рассказать об опыте преодоления конфликтов — до свидания.

А этап переговоров по зарплате она описывает как отдельный вид стресса. Компании всегда занижают первичный оффер. Пара недель стрессовых переговоров могут принести вам столько же денег, сколько годы работы на начальных условиях. Вы теряете огромные суммы, если тупо соглашаетесь на первую названную цифру,

🤯 Рынок сейчас таков, что даже элитарным специалистам приходится потеть, доказывать свою экспертность у доски и заново ботать фундамент. Да, это срез американского BigTech. Но сюрприз: если вы пойдете собеситься на нормальные позиции в наши топовые компании, то вас пропустят ровно через такую же мясорубку.

Кто из вас сможет прямо сейчас, без гугла и ИИ, написать трансформер на чистом PyTorch? Или хардкорные алгозадачки порешать без ИИ?