СОБЕСЕДОВАНИЯ
Часть 2

Начало выше ⬆️

1. Знакомство с рекрутером.
Не самый потный этап. Здесь прежде всего оценивается, стоит ли и кандидату, и компании тратить время друг на друга. Задача рекрутера состоит в том, чтобы максимально точно описать вакансию, понять ожидания человека и понять, есть ли соответствие между ними. Обычно еще оценивается некоторая софтскилльная часть через то, как общается и разговаривает кандидат. Мне кажется, что никому бы не хотелось звать на собеседование грубо отвечающего по ту сторону трубки/экрана собеседника. Также есть моменты, когда идет оценка некоторого теоретического минимума парой вопросов, чтобы явно удостовериться, что человек точно в теме ML. Не самый сложный этап, но требует некоторой подготовки - а именно вкратце рассказать о себе и своих ожиданиях от вакансии.

2. Классическая теория ML / ML System Design
Пожалуй, самый ответственный этап в процессе собеседований. Здесь нужно выложиться на максимум и продемонстрировать все те знания, которые вы накопили в университете, на курсах, за время работы над проектами. Вопросы здесь обычно задаются именно на понимание. То есть с вопросом про roc-auc просто так отскочить не получится. Нужно будет пояснить, почему такая метрика оценки качества моделей вообще нужна, каков ее явный смысл и где ее лучше применить. Желательно с примерами. Важно учитывать, что и сами вопросы могут задаваться с уклоном в область ML, связанную с вакансией. При этом и сами вопросы, и глубина погружения в них зависит от интервьюера. Здесь уже кандидата собеседует человек, который применяет ML на практике. Также на высоких позициях возможно надо будет продемонстрировать умение задизайнить ML систему.

3. Алгоритмы/кодинг
Присутствует не во всех компаниях, но к этому следует быть готовым. Здесь проверяется умение формулировать алгоритм решения определенной задачи, находить граничные кейсы и писать код, который работает соответственно тому, что вы озвучили. Обычно дается 1-3 задачи от легких, где нужно например написать класс, реализующий стэк, либо понять, является строка палиндромом или нет, до нелегких, где за 20 минут надо найти координаты строки во сложенных списках. Обычно здесь сложность отличается в зависимости от того, на какую позицию претендует кандидат. На аналитика кодовые задачи полегче и 1 этап, на разработчика посложнее и 2 этапа.

4. Специализированный ML/DL
Востребован в случае, когда требуется узкая специализация в определенном направлении. В частных случаях можно выделить классический ML в финансах, временные ряды, CV, NLP, RL. В данной секции собеседующего будет интересовать не только ваш опыт решения данных задач, но и то, насколько глубоко вы погружены в эту область. Допустим, на собесе по NLP обязательно будет погружение в современные архитектуры языковых моделей. Точно не обойдется без классической архитектуры BERT’а. Возможно придется что-то рассказать и про LLM, а может детально погрузиться в attention.

5. Финальная встреча
Если кандидат дошел до этого этапа, это еще не значит, что он 100% получил оффер. Существуют финальные встречи уже с руководителями команд, которые ищут себе сотрудников, которые нужны для решения определенных задач. И здесь нормальное явление, что кандидат и рассматриваемая под него вакансия просто не сойдутся. Слышал, что кто-то проходил и по 7 финалов, чтобы точно выбрать наилучший скоуп задач.

На каждом этапе естественно нужно вкратце рассказать о себе и о своих проектах. И это просто должно быть единым ровным рассказом. Чем больше и подробнее вы сможете рассказать о проделанных вами проектах, тем лучше будет для интервьюера точно понять, подходите ли вы ему. Возможно один из проделанных вами проектов будет очень похож на то, какие задачи нужно решать на рассматриваемой позиции - тогда точно будет о чем поговорить на собеседовании.

С какими этапами вы испытываете трудности? Что раскрыть подробнее?

UPD: Добавлю интересную ссылочку:
1. https://www.techinterviewhandbook.org/

#interview