Немного про собеседования

Закончился период, когда я активно принимал участие в собеседованиях в разных компаниях, причём не только в тех, с которыми тесно сотрудничаю. Часто знакомые просят помочь в наборе команды, и, пожалуй, это единственная просьба, в которой я не отказываю, поскольку есть повод навестить старых знакомых, посмотреть, как они делают «Биг дату», ну и пообщаться с молодёжью – желающими поработать.

Самое забавное, что компаний, которые позиционируют себя как «датамайнинговые» не так много, и бывает, что я собеседую одного и того же человека в разных местах. Т.е. он такой приходит на собеседование – а перед ним тот же человек, что был и вчера в другом бизнес-центре:) Правда, в этот раз я сразу отлавливал возможности таких случаев, и их не было.

Теперь несколько выводов.

  1. Рынок «датамайнеров» заполнился. Ещё буквально год назад непонятно было, как искать кандидатов, а сейчас у всех в резюме есть нужные ключевые слова. И на объявления о вакансиях откликается где-то в 3 раза больше народу, чем раньше.
  2. Чуть подросло и качество кандидатов, главным образом, благодаря тому, что есть люди уже с опытом работы по этой специальности (и питоном владеют, и спарком, и опыт работы с «большими данными» в хороших компаниях есть).
  3. Появилась большая прослойка людей «из глубинки»: Ярославль, Тула, Воронеж и т.п. В Москву приезжают, чтобы заниматься анализом данных, поскольку там подобных вакансий просто нет.
  4. Есть «возрастные желающие» – те кому явно за 40 (а чаще и за 50!). Кстати, много таких работников вузов, ищущих подработки, но уровень их знаний и навыков оставляет желать лучшего.
  5. Практически все проходят курсы на Курсере или слушали ШАДовские лекции или всякие новомодные (за 180 тысяч:). Но кто не получал профильного образования не может ответить на простейшие вопросы по машинному обучению (см. мои предыдущие посты).
  6. Про Kaggle знают практически все, но половина «только собирается попробовать», а другая – хвастается своими высокими результатами. Высокий результат, с точки зрения соискателя, это Top25%. У одного был один раз Top10% – он утверждал, что поэтому он совсем классный специалист. А я-то всегда комплексовал, когда просто в десятку не попадал…
  7. Поскольку рынок наполнился, знаний и навыков уже мало… в большинстве компаний не взяли «самых продвинутых» по разным причинам: просили много, явно не вписывались в коллектив, были подозрения, что пока ищут временную работу и т.п. Год назад, наверное, их бы взяли без всяких вопросов… а когда есть выбор – ситуация меняется.

Вообще, собеседования, конечно, не совсем приятная процедура. В том смысле, что некоторые кандидаты очень привлекательны как личности, с интересной судьбой, взглядом на мир. Причём некоторым позарез нужна «эта работа» (именно в этой компании), а я понимаю, что их не возьмут, поскольку, например, место только одно и уже есть несколько конкурентов с чуть лучшими характеристиками.

Если в моей жизни ничего не изменится, то через несколько лет я сам не смогу пройти подобные собеседования… технологии развиваются очень быстро, а теперь уже есть и компании, которые их тут же внедряют, и люди, которые их тут же изучают. Преподаватель МГУ, к сожалению, не так вовлечён в этот интересный мир знакомства с новым…

Реклама

Немного про собеседования: 13 комментариев

  1. Александр, добрый день.
    Правильно я понимаю, что на собеседовании важны были знания технологий, а не достаточность интеллекта человека, позволяющего решать необходимые задачи?

    Спасибо.

    • Здравствуйте! А что такое «достаточность интеллекта»? Если человек смог закончить вуз, то у него уже достаточный интеллект, чтобы работать практически на любой работе! Однако, его почему-то не на любую возьмут.

      Если Вы будете делать ремонт в квартире, то Вы доверитесь тем, кто умеет прокладывать проводку, шпаклевать, класть плитку… или выберете бригаду, которая раньше ничего этого не делала, но «достаточно не глупа, чтобы сделать»?

      Если рынок вакансий насыщен, то из двух человек
      1) нет опыта работы, «достаточный интеллект»
      2) есть опыт, есть знания, чётко ответил на все вопросы, продемонстрировал навыки
      выберут второго…
      Исключение составляют случаи, когда компания хочет взять человека «на обучение» и мало платить —
      но это отдельные вакансии (на них тоже большой конкурс) — здесь всё зависит от целей собеседования.

      Естественно, если человек собирается работать датамайнером, я не спрашиваю его «почему люки круглые», чтобы оценить «достаточность его интеллекта». Я спрашиваю, как бы он делал рекомендательную систему для интернет-магазина, какие данные ему нужны, какие бы алгоритмы реализовывал, на чём и т.п. Пусть у него нет опыта, но он должен представлять, как устроены, например, рекомендательные системы.

      • Спасибо за развернутый ответ.
        Информация о предпочтениях и критериях работодателя очень важна для начинающего датамайнера, чтобы правильно оценивать свои силы и выставлять приоритеты в обучении, особенно, если оно непрофильное.

      • Шансы всегда есть. Всё зависит от компании и вакансии. Просто сейчас уже есть возможность «брать готовых датамайнеров». Для студентов, как прежде, остаются стажировки — хороший способ набраться опыта в процессе учёбы. В некоторых вузах продумана производственная практика (которая также окунает в современные технологии). Если Вы раньше анализом данных не занимались, то тут конечно сложнее… обычно у большинства есть хоть какой-то похожий опыт (строил модели в SAS, делал аналитические отчёты по продажам, писал курсовую по прогнозированию временных рядов). Всегда задают вопрос «Расскажите о Ваших прошлых проектах» (часто на него и надо наиболее адекватно ответить). Позицию «я достаточно способный, чтобы в это быстро погрузиться» надо отстоять: например, Вы подкрепляете её списком онлайн-курсов, которые Вы уже успешно прошли за короткий срок, или результатами kaggle-турниров, в которых Вы с нулевым уровнем смогли понять задачу и успешно решить.

  2. А где вакансии обычно размещаются? На hh много оторванных от рынка, на мой взгляд.

    • Насколько я понимаю, HR-ы всё-таки через hh и linkedin чаще действуют. Хотя мне постоянно на почту падают какие-то предложения, а меня нет на hh, linkedin, в соцсетях профиль неполный, CV моего нигде нет — т.е. можно только поисковиком выйти на этот блог или мой сайт (или из кэгловского профиля). Я как-то не спрашивал, откуда кипа анкет берётся, которую мне приносят, но по форме ~90% из hh.

  3. Александр Геннадьевич, вы сейчас подтвердили моё маленькое наблюдение, что Россия четко отстает от Gartner Hype Cycle на 2,5 года: http://www.gartner.com/newsroom/id/2575515
    В 2013 году Big Data как раз полз к вершине ожидания, как сейчас у нас.
    Что интересно, на вершине Hype Cycle действительно эксперты, которые смогут охладить пыл как высшего руководства и маркетологов, так и новоиспеченных «гениев» — единственное спасение.

    А вот в 2015г это странное маркетингjвое слово исчезло, зато появилось «Machine Learning»: http://www.kdnuggets.com/2015/08/gartner-2015-hype-cycle-big-data-is-out-machine-learning-is-in.html

    Если через 2 года все перестанут матюгаться Бигдатой и станут говорить «Машинное обучение» (или хотя бы «Data Science»), возгоржусь и буду всех тыкать в этот комментарий в качестве вещдока 🙂

    • Александр, я думаю, что мы не отстаём, а тянемся за Западом. Отстаём — это когда «идём сами», но проигрываем в темпах развития, мощностях и т.п. А у нас просто перенимается западная мода и терминология.

      Про «БигДату» я ещё, наверное, напишу…В любом случае, это коммерческий термин. Специалиста по «БигДате» быть не может, поскольку здесь и железки, и администрирование, и аналитика, причём разных уровней (DM, BI и т.д.). Это также широко как «специалист по компьютерам». На Западе, видимо, термин исчезает, т.к. реклама этой отрасли уже не нужна, а вот конкретика понадобилась.

    • В компаниях, где были мало-мальские компетенции по анализу данных, были и люди, которые не дали закупить за миллиарды «супер-решения, которые решат все проблемы» Отчасти помогло то, что как раз в этот момент усложнились отношения с Западом, что на решимости менеджмента инвестировать солидные суммы в ПО и железо мегавендоров сказались вполне определенным образом (никому не хочется купить что-то задорого, а потом не иметь возможности пролонгировать лицензии, обновить ПО или иметь массу проблем с эксплуатацией сложного железа). А потом подоспели результаты пилотов, где выяснилось, что пользы от тонн неструктурированной информации несколько меньше, чем ожидалось, что многое невозможно потом внедрить из-за общей отсталости ИТ-инфраструктуры организации или несовершенства процессов и.т.д. Да и достать нужную информацию оказалось несколько сложнее и дороже, чем виделось проповедникам новой эры. Что-то нельзя в лоб получать из-за ограничений ФЗ, что-то просто не продают (кто продаст курицу, несущую золотые яйца? он будет сам золотом торговать).

      Так что Вы не правы — компании, которые говорят больше о машинном обучении, чем о больших данных, в России уже есть. Как минимум 3 банка и одна крупная металлургическая компания.
      Другое дело, что один из этих банков — дочка западного банка, а оставшиеся компании это по-сути ТНК.

  4. А посоветуйте,пожалуйста, курс(ы) для первоначального изучения области(образование техническое, МИФИ, но без специализации на machine learning):
    1. ШАД
    2. Machine learning specialization by Coursera (https://www.coursera.org/specializations/machine-learning)
    3. Курс Andrew Ng (Coursera,Stanford)

    Может еще какие варианты? Что лучше?
    Заранее спасибо

    • Мне кажется, что на русском языке лучше всего курс лекций Воронцова. Есть еще курсы Николенко и Золотых (но там, вроде, только слайды, а у Воронцова целый учебник). Курс Ng считается «обязательным», правда, не знаю, насколько он подойдет начинающему. Если совсем начальный уровень, то для начала можно что-то совсем простое, типа лекции Фонарева в малом ШАДе.

      Но это только то, что касается машинного обучения.

  5. «Но кто не получал профильного образования не может ответить на простейшие вопросы по машинному обучению (см. мои предыдущие посты).»

    Добрый день, Александр.
    Подскажите, пожалуйста, какое профильное образование Вы имеете ввиду? Можете привести пример специальностей в МГУ, в других ВУЗах?
    Заранее спасибо

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход / Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход / Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход / Изменить )

Google+ photo

Для комментария используется ваша учётная запись Google+. Выход / Изменить )

Connecting to %s