Наука о данных в реальном мире

Проблема с объявлениями о вакансиях в области науки о данных

Время от времени вы замечаете что-то, что, как вы понимаете, вы, вероятно, должны были заметить давным-давно. Вы начинаете видеть это повсюду. Вы удивляетесь, почему все больше людей не говорят об этом.

Для меня время от времени было вчера, когда я просматривал канал #jobs в рабочем пространстве Slack SharpestMinds, и это что-то является большой проблемой в отрасли науки о данных, о которой я действительно не думаю. мы относимся к этому достаточно серьезно: подавляющее большинство описаний должностей в области науки о данных не отражают фактических требований к должности, которую они рекламируют.

Откуда мне это знать? Во-первых, довольно много вакансий, размещенных на нашей внутренней доске, включали заметки от пользователей (обычно наставников SharpestMinds), которые их разместили, в которых говорилось что-то вроде: «Я знаю, что в публикации говорится, что они ищут X и Y, но они» меня действительно устраивает Z. " Часто я также получал от них сообщения в прямом эфире, в которых говорилось то же самое.

Другими словами, когда старших специалистов по обработке данных призывают набирать «по-настоящему», их первым шагом часто бывает вообще отказаться от объявления о вакансии.

Это нехорошо по нескольким причинам. Во-первых, описание должности, вводящее в заблуждение, означает, что рекрутеры получают тонну нерелевантных заявлений, а кандидаты тратят кучу времени на подачу заявки на нерелевантные должности. Но есть еще одна проблема: описания должностей - это ярлыки обучения, которые любой хороший начинающий специалист по данным будет использовать для определения приоритетов в развитии своих личных и технических навыков.

Несмотря на очевидные недостатки этих искаженных объявлений о вакансиях, компании продолжают размещать их, поэтому возникает вполне естественный вопрос: почему? Почему объявления о вакансиях настолько сбивают с толку (в них не указываются четко определенные навыки, которые они ожидают от кандидата) или настолько чрезмерны («ищу инженера по машинному обучению с 10-летним опытом глубокого обучения…»)?

Есть много причин. Во-первых, компании принимают решения о приеме на работу на основе (предполагаемой) способности кандидата решить реальную проблему, которая у них действительно есть. Поскольку существует множество способов решить любую проблему науки о данных, может быть трудно сузить описание должности до определенного набора технических навыков или библиотек. Вот почему обычно имеет смысл подать заявку для компании, если вы думаете, что можете решить проблемы, которые у нее есть, даже если вы не знаете, какие именно инструменты они запрашивают.

Другая возможная причина заключается в том, что многие компании на самом деле не знают, чего они хотят - особенно компании с относительно новыми командами по науке о данных - либо потому, что на раннем этапе их усилий по науке о данных каждый должен быть мастером на все руки, либо потому, что им не хватает навыков. им нужен опыт, чтобы даже знать, какие проблемы у них есть и кто может помочь в их решении. Если вы натолкнулись на странно неконкретное сообщение, стоит потратить время на то, чтобы выяснить, к какому сегменту оно принадлежит, так как первое может быть большим источником опыта, а второе - рецептом катастрофы.

Но, пожалуй, самая важная причина заключается в том, что объявления о вакансиях часто пишут рекрутеры, которые не разбираются в технических вопросах. Это имеет неприятный побочный эффект, приводя к иногда непоследовательным вопросам («Должен иметь более 10 лет опыта работы с глубоким обучением…», «… включая инструменты естественного языка, такие как OpenCV…») или вопросы, которые ни один человек не может удовлетворить .

Конечным результатом этого цирка квалификаций работы является то, что я регулярно получаю вопросы от наших подопечных о том, имеют ли они право на вакансию, несмотря на то, что они прочитали всю информацию об этой должности, доступную в Интернете. Эти вопросы на самом деле на удивление последовательны - настолько, что я думаю, что стоит перечислить здесь ответы на самые распространенные в виде простых правил, которым вы можете следовать, чтобы убедиться, что вы подаете заявку на правильные роли (и не бояться прочь фальшивыми требованиями):

  • Если компания просит о более чем 6-летнем опыте глубокого обучения, то ее публикация была написана кем-то, у кого нет технических знаний (AlexNet вышел в 2012 году, так что это в основном сужает область до окружения Джеффа Хинтона). Если вы не хотите создать команду по науке о данных с нуля (чего не следует делать, если вы новичок в этой области), это должно быть большим красным флажком.
  • Если у вас нет предыдущего опыта, не беспокойтесь о вакансиях, требующих более двух лет опыта.
  • Когда они говорят «или эквивалентный опыт», они имеют в виду «или примерно в 1,5 раза больше опыта работы в магистратуре или докторантуре, когда вы работали над чем-то, по крайней мере, связанным с этим».
  • Если вы соответствуете 50% требований, этого может быть достаточно. Если вы наберете 70%, то все в порядке. Если вы наберете 100%, велика вероятность, что вы слишком квалифицированы.
  • Компании * обычно * меньше заботятся о языках, которые вы знаете, чем о проблемах, которые вы можете решить. Если они скажут Pytorch, а вы знаете только TensorFlow, вы, вероятно, будете в порядке (если только они не подчеркнут часть Pytorch явно).
  • Не игнорируйте такие фразы, как «вы должны быть ориентированы на детали, целеустремленность и процветать под давлением». Они звучат как общие, резкие для печенья заявления - а иногда и так, - но обычно они написаны с искренней попыткой рассказать вам, в какую среду вы попадете. По крайней мере, вы должны использовать их как подсказки о том, какие аспекты вашей личности вам следует подчеркнуть, чтобы установить взаимопонимание с вашими интервьюерами.

Ни одно из этих правил, конечно, не применимо повсеместно: странная компания будет настаивать на найме только кандидатов, которые соответствуют всем заявленным требованиям, а другие будут особенно заинтересованы в людях, знающих фреймворк X, и будут игнорировать людей, которые могут решать аналогичные проблемы. но с другими инструментами. Но поскольку нет никакого способа узнать это из одних только описаний должностей (если они не содержат явных указаний), лучше всего всегда делать ставку на себя и бросать шляпу на ринг.

Если вы хотите подключиться, вы можете найти меня в Твиттере по адресу @ jeremiecharris!