Презентация с моего вебинара для ОТУС: Что нужно джунам знать про найм в ML/DS в начале карьеры

Я не виню вас, если вы не готовы слушать меня два с половиной часа. Поэтому вот презентация, там вы найдете 80% контента

https://www.wired.com/story/how-pentagon-learned-targeted-ads-to-find-targets-and-vladimir-putin/

Adtech is hell

Рассказываю как прошел второй поток консультаций по поиску работы. Напомню, что я набрал 8 человек и всячески помогал им найти хорошую работу в обмен на 50% от их первой зарплаты.

Этот поток был более организован, чем первый. В самом начале я составил соглашение с явно прописанными правилами, которое все участники подписали (скорее ритуал, чем документ имеющий юридическую силу). Одним из таких условий был срок действия соглашения: пять месяцев. Если человек находит работу после этих пяти месяцев, то он мне ничего не должен. Срок вышел, время подводить итоги.

Поток был очень сильный, у большинства был опыт или сравнимый с моим, или даже круче. В основном сеньоры и лиды.

Получилось не очень! Из восьми человек работу за пять месяцев нашли двое. Трое из оставшихся решили продлить соглашение ещё на пять месяцев. Радует лишь, что двое получили зарплаты выше моей gross, а net вообще сильно круче благодаря налогам. Остерегайтесь Португалии: тут налоги как в Германии.

Так же я не учел, что в срок пять месяцев попали декабрь и январь. То есть месяц, в который все замораживают найм во время планирования следующего года, и месяц, когда все ещё не начали работать. В этот период ни у кого толком не было собеседований, да и всем было не до того из-за праздников. Так что фактических месяцев поиска было только три.

Примечателен следующий случай. Один человек имел очень крутой опыт в небольшой компании как в моделировании, так и в менеджменте. В его резюме присутствовали все хайповые сейчас вещи включая внедрение LLM. За наши пять месяцев его даже сделали CTO на текущей работе. Он максимально усердно подошел к поиску работы. Кроме использования моих услуг он обращался к нескольким другим консультантам, чтобы оптимизировать линкдин и всё, что только можно. Он адаптировал резюме и рекомендательное письмо под каждый отклик, хотя откликался достаточно много. И что вы думаете: он в числе тех, кто не нашел новую работу. Он подошел очень близко, пройдя на финальные этапы собеседований с Uber, но сорвалось.

В целом у ребят было достаточно мало собеседований относительно откликов.

Всё это наводит меня на мысли, что это скорее всего не я плохой ментор, а сейчас реально тяжелая ситуация на рынке. Это так же объясняет, почему предыдущий поток был сильно успешнее. Буду продолжать убеждать себя в этом!

Вот, например, статистика количества вакансий по Indeed.

И такая же картина по вакансиям на Hackernews. Это означает, что не только обычных вакансий стало меньше, но и лакомных из верхнего перцентиля тоже. Мы на таком дне, что подобного не было девять лет

Субъективно, судя по опыту ребят с потока, на рынке РФ всё сейчас гораздо лучше. Там был стабильный поток собеседований.

Так же интересный индикатор это тематические сообщества, например r/cscareerquestions.

Сплошное нытье, gloom and doom, “меня уволили из FAANG и больше никуда не берут”, “я сдаюсь и ухожу в сантехники"

Так же слышал про аналогичную ситуацию от знакомого, который тоже занимается карьерным менторством.

Bottom line: если у вас сейчас тяжело идет с поиском работы, то вероятнее всего в этом нет вашей вины.

Один из моих любимых каналов, лучшая сатира для задротов интеллектуальной элиты

“I am the reason senior AI devs get gap years in Thailand. I am the reason bootcamp AI devs are now senior AI devs”

https://www.youtube.com/watch?v=sxdDVAv6QDY

Новая, хорошая и подробная статья от Яндекса на Хабре про применение YandexGPT для пересказа видео. Достаточно редкий материал про обучение и применение большой языковой модели на стыке текста и видео.

Очень подробно описывают этапы решения задачи. Постановка проблемы, формализация качества, структурирование выхода, выбор модели, промежуточные классификаторы в пайплайне для разбивки видео на осмысленные части (моя любимая тема), (до)обучение, проверка модели на криты (конкретные бесящие примеры, интересный подход, почти как юнит-тесты).

Ребята выбрали не обучать модель с нуля, а учить LoRA адаптер, что уже стало для них стандартом. Пишут интересную вещь про масштабирование: докидывание больше 50 000 примеров не добавляло модели качества. В итоге остановились на 20 000 примеров (ручных саммаризаций видео) в тренировочном датасете. Так же оказалось, что LoRA тюн более устойчив к промпт-инъекциям.

К тому же статья легко читается, так что советую не ограничиваться моим пересказом.

Мой любимый блог это Astral Codex Ten, в прошлом Slate Star Codex.

Я не перестаю удивляться уровню людей, которые его читают. Например, оказывается Илон Маск и Илья Сутскевер отсылали к нему обсуждая будущее человечества