New Yorko Times

Стата по 48 собесам на Applied ML Scientist
#interviews #ml

Кто не заметил, я тут недавно отмучился (см. #interviews #fail). Провел небольшой EDA своих собесов. По типу собеседований из 48 событий распределение такое:
• Поведенческое - 13.5
• Кодинг – 8.5
• ML в ширину – 6
• ML в глубину – 5
• ML-кодинг – 4
• Рисеч-презентация – 4
• ML дизайн – 3.5
• Домашнее задание – 3
• System design – 0.5

Тут, конечно, надо оговориться, что поведенческие – это что угодно, от бесед за жизнь с менеджером (”ну, что делал?”) до амазоновских “tell me about a time you took an urgent decision without data”. Кодинг – не только пресловутый литкод, больше было даже другого: попарсить данные, посчитать CTR + из области scientific computing (оцени Пи, посчитай доверительный интервал бутстрепом).

Еще меня немало спрашивали про лиды, то есть как я заходил на первый собес. Тут такая стата:
• Реферал – 7
• Холодный отклик – 4
• Написал напрямую HM – 4
• Рекрутер/HM сам написал – 3
• ODS/Singularis – 2

По моему опыту, рефералы все еще работают, хотя на реддите конечно сетуют, что раньше было лучше. Холодный отклики у меня тоже иногда работали, и в целом поработать над резюме надо, но универсально это сложно советовать. Какие-либо борды кроме LinkedIn я почти не смотрел – попробовал пару, показалось мусором. Из креативного – иногда писал напрямую рекрутерам или нанимающим менеджерам, тут дело случая, где-то фаундер читал доклад у нас в компании – написал, в Вастрике есть борда, туда Реплика заглянула с вакансиями на фронтендеров, но написали “если не фронтендер, но хорош – пиши. обсудим”. В-общем, помимо скролинга ленты LinkedIn фантазию надо подключать.

По источникам рефералов: хорошая экселька висит в синулярисе в career, вижу треды с рефералами в Blind и slack Rands – можно попробовать, но кажется, спрос на рефералы там огромен, а о предложении сложно судить.

Хотел еще стату подбить по вопросам, что вообще спрашивали. Но я все-таки не все логировал. Из того что запомнилось:
• кодинг на позиции Applied Science – в целом уровня изи, это порадовало, медиум всего один раз (с Яндексом), хард тоже один раз, но код не надо было писать (Нвидиа)
• раза 4 на ML breadth спрашивали про p-value, это надо и зазубрить, и понимать
• на ML breadth с уклоном в NLP почти все лезут в устройство трансформера и внимания
• бихейв заковыристый только у Амазона. С другим бигтехом тоже было много поведенческих собесов, но ни разу вопросы на ставили в тупик. В большинстве случаев это все же “расскажи про проекты, которыми гордишься”, могут спросить еще про фэйл или конфликт
• ни разу (!) меня не спросили про слабости. Показалось даже, что важность вопроса переоценена либо у меня bias и повезло с собеседующими

В след посте пособираю ссылки на ресурсы, которые особенно помогли при подготовке (пост).

www.group-telegram.com/jp/new_yorko_times.com/286

11.2K viewsYury Kashnitsky, edited  Jun 18, 2024 at 20:18

Стата по 48 собесам на Applied ML Scientist
#interviews #ml

Кто не заметил, я тут недавно отмучился (см. #interviews #fail). Провел небольшой EDA своих собесов. По типу собеседований из 48 событий распределение такое:
• Поведенческое - 13.5
• Кодинг – 8.5
• ML в ширину – 6
• ML в глубину – 5
• ML-кодинг – 4
• Рисеч-презентация – 4
• ML дизайн – 3.5
• Домашнее задание – 3
• System design – 0.5

Тут, конечно, надо оговориться, что поведенческие – это что угодно, от бесед за жизнь с менеджером (”ну, что делал?”) до амазоновских “tell me about a time you took an urgent decision without data”. Кодинг – не только пресловутый литкод, больше было даже другого: попарсить данные, посчитать CTR + из области scientific computing (оцени Пи, посчитай доверительный интервал бутстрепом).

Еще меня немало спрашивали про лиды, то есть как я заходил на первый собес. Тут такая стата:
• Реферал – 7
• Холодный отклик – 4
• Написал напрямую HM – 4
• Рекрутер/HM сам написал – 3
• ODS/Singularis – 2

По моему опыту, рефералы все еще работают, хотя на реддите конечно сетуют, что раньше было лучше. Холодный отклики у меня тоже иногда работали, и в целом поработать над резюме надо, но универсально это сложно советовать. Какие-либо борды кроме LinkedIn я почти не смотрел – попробовал пару, показалось мусором. Из креативного – иногда писал напрямую рекрутерам или нанимающим менеджерам, тут дело случая, где-то фаундер читал доклад у нас в компании – написал, в Вастрике есть борда, туда Реплика заглянула с вакансиями на фронтендеров, но написали “если не фронтендер, но хорош – пиши. обсудим”. В-общем, помимо скролинга ленты LinkedIn фантазию надо подключать.

По источникам рефералов: хорошая экселька висит в синулярисе в career, вижу треды с рефералами в Blind и slack Rands – можно попробовать, но кажется, спрос на рефералы там огромен, а о предложении сложно судить.

Хотел еще стату подбить по вопросам, что вообще спрашивали. Но я все-таки не все логировал. Из того что запомнилось:
• кодинг на позиции Applied Science – в целом уровня изи, это порадовало, медиум всего один раз (с Яндексом), хард тоже один раз, но код не надо было писать (Нвидиа)
• раза 4 на ML breadth спрашивали про p-value, это надо и зазубрить, и понимать
• на ML breadth с уклоном в NLP почти все лезут в устройство трансформера и внимания
• бихейв заковыристый только у Амазона. С другим бигтехом тоже было много поведенческих собесов, но ни разу вопросы на ставили в тупик. В большинстве случаев это все же “расскажи про проекты, которыми гордишься”, могут спросить еще про фэйл или конфликт
• ни разу (!) меня не спросили про слабости. Показалось даже, что важность вопроса переоценена либо у меня bias и повезло с собеседующими

В след посте пособираю ссылки на ресурсы, которые особенно помогли при подготовке (пост).

BY New Yorko Times