Привет! На связи Кристина Желтова, директор по разработке моделей в Газпромбанке и ментор курса «ML-инженер» 👋🏻
Большинство людей начинают ходить по собеседования слишком поздно — они изучают ещё один курс, ещё одну книгу, доделывают очередной пет-проект и в какой-то момент понимают, что занимаются самообучением уже два года, а резюме так и не отправили.
Это называется «ловушкой готовности», и она косит людей в ML особенно жёстко, потому что область огромная, динамичная, и синдром самозванца здесь цветёт особенно ярко.
Как же всё-таки понять, что уже пора выйти на рынок? У меня есть для вас три критерия:
1️⃣ Вы можете объяснить своё решение, а не только запустить его и сделать fit-predict
Запустить ноутбук со сгенерированным кодом умеют многие, а вот объяснить, почему вы выбрали именно этот алгоритм, именно эти гиперпараметры, и что произойдёт, если данные будут другими — это уже признак инженерной зрелости.
На реальных собеседованиях вас вряд ли попросят воспроизвести статью, зато могут спросить: «А почему так? А что будет если...?»
Проверить себя очень просто — возьмите любой свой проект и попробуйте объяснить его вслух, включая мелкие детали, как если бы объясняли его коллеге, который не смотрел в код. Если объяснение рассыпается — это точка роста, не повод паниковать.
2️⃣ У вас есть хотя бы один проект, который решает какую-то проблему
Не «я реализовал нейронную сеть из туториала на MNIST или модель на датасете Titanic», а «я сформулировал задачу, взял данные, обучил модель, развернул её, и она делает что-то полезное».
Это может быть Telegram-бот, который классифицирует отзывы клиентов, API для модели предсказания оттока, рекомендательная система с простым дашбордом. Масштаб не важен, важна цепочка: задача → данные → модель → результат.
Такой проект стоит больше, чем десять пройденных курсов. Потому что он показывает, что вы умеете не только учиться, но и делать реальную работу.
3️⃣ Вы знаете, чего не знаете
Звучит парадоксально, но это один из самых зрелых признаков.
Джун, который не готов, часто либо думает, что знает всё, либо уверен, что не знает ничего (и не идёт на собес вообще).
Более зрелый кандидат говорит: «Я хорошо разбираюсь в классическом ML и понимаю, как работают трансформеры. В MLOps у меня базовый уровень — могу развернуть, но с оркестрацией опыта мало. Готов учиться». Это стадия осознанной некомпетентности, от которой один шаг к профессионализму. Рекрутер и технический интервьюер это оценят.
И один контрольный вопрос напоследок: если бы вам прямо сейчас написал рекрутер с приглашением на техническое собеседование по ML, какой была бы ваша первая реакция?
➖ «О, интересно, надо попробовать» — скорее всего, вы готовы
➖ «Мне нужно ещё немного времени подготовиться» — вероятно, вы в ловушке готовности
➖ «Я сначала дочитаю вот эту книгу» — ну вы поняли 🙂
Готовность — это умение работать, несмотря на пробелы!