Bild vom Autor

# Einführung

Heben Sie Ihre Hand, wenn Sie während eines technischen Interviews jemals erstarrt sind, als der Interviewer Sie fragte: „Erläutern Sie mir Ihren Ansatz.“ Die meisten Kandidaten lesen die Frage, springen direkt in den Code und hoffen, dass das Muskelgedächtnis einsetzt.

Was wäre, wenn Sie eine Interviewfrage in ein KI-Software hochladen könnten und eine Podcast-Erklärung Ihres Codes, eine visuelle Mindmap, Lernkarten und ein Quiz erhalten könnten? Nun, das kannst du mit NotebookLM.

In diesem Artikel lösen wir zunächst selbst Metas „Empfehlungssystem“-Interviewfrage und nutzen dann die sechs Funktionen von NotebookLM, um sie intelligenter und nicht schwieriger zu verstehen und daraus zu lernen.

# Lernen Sie NotebookLM kennen: Googles KI-gestützten Lernassistenten

NotebookLM ist Googles KI-Lernassistent. Es verändert die Artwork und Weise, wie wir aus Daten lernen, indem es mehrere KI-gestützte Funktionen kombiniert, die den Prozess interaktiver und anpassungsfähiger machen.

Dies geschieht, indem Ihre Dokumente, Bücher oder andere Materialien in interaktive Lernwerkzeuge umgewandelt werden. Genauer gesagt verwandelt es Ihre Materialien in Konversationen, visuelle Karten und Quizfragen und erspart stundenlanges manuelles Durchsehen, wodurch komplexe Themen leichter verständlich werden.

Dies hilft Ihnen, Wissen schneller zu verstehen und zu behalten. Kurz gesagt, NotebookLM hilft Ihnen, intelligenter und nicht härter zu lernen.

Lassen Sie uns nun die Meta-Interviewfrage lösen und dann untersuchen, wie NotebookLM uns dabei helfen kann, aus demselben Code zu lernen.

# Die Herausforderung: Metas „Empfehlungssystem“-Interviewfrage

Empfehlungssystem
Sie erhalten die Liste der Fb-Freunde und die Liste der Fb-Seiten, denen Benutzer folgen. Ihre Aufgabe ist es, ein neues Empfehlungssystem für Fb zu erstellen. Suchen Sie für jeden Fb-Benutzer nach Seiten, denen dieser Benutzer nicht folgt, aber mindestens einer seiner Freunde. Geben Sie die Benutzer-ID und die ID der Seite aus, die diesem Benutzer empfohlen werden soll.

Die Frage ist verfügbar unter StrataScratch. In dieser Frage hat Meta uns gebeten, ein Empfehlungssystem zu entwickeln, das Fb-Seiten vorschlägt, denen ein Benutzer noch nicht folgt, aber mindestens einer seiner Freunde.

// Die Daten hinter dem Downside verstehen

Wir haben zwei verschiedene Datensätze, user_friends Und user_pages.

Das erste zeigt die sozialen Verbindungen jedes Benutzers (wer ist mit wem befreundet), während user_pages listet auf, welchen Seiten jeder Benutzer bereits folgt.

Gemeinsam helfen sie uns, neue Seitenempfehlungen zu finden, die auf den Aktivitäten gemeinsamer Freunde basieren.

Sehen wir uns eine Vorschau an user_friends Datensatz zuerst.

Sehen wir uns jetzt den zweiten Datensatz in der Vorschau an. user_pages:

// Schritt-für-Schritt-Lösung: Aufbau der Empfehlungsmaschine

Ziel ist es, Fb-Seiten zu empfehlen, denen ein Nutzer noch nicht gefolgt ist, denen aber bereits mindestens einer seiner Freunde folgt.

Zuerst verbinden wir jeden Benutzer mit den Seiten, denen seine Freunde folgen. Dies hilft uns zu sehen, welche Seiten vom Netzwerk des Benutzers verfolgt werden und welche potenziellen Empfehlungen es gibt.

friends_pages = users_friends.merge(users_pages, left_on='friend_id', right_on='user_id')
friends_pages = friends_pages(('user_id_x', 'page_id'))

Jetzt müssen wir Seiten ausschließen, denen Benutzer bereits folgen. Wir tun dies, indem wir erneut mit dem Unique verschmelzen users_pages Tabelle und behält nur die Seiten bei, die noch nicht in der Liste des Benutzers sind.

comparability = friends_pages.merge(
    users_pages,
    how='left',
    left_on=('user_id_x', 'page_id'),
    right_on=('user_id', 'page_id')
)
end result = comparability(comparability('user_id').isna())(('user_id_x', 'page_id'))

Abschließend entfernen wir alle Duplikate, um zu vermeiden, dass dieselbe Seite mehrmals empfohlen wird, und benennen die Spalte aus Gründen der Übersichtlichkeit um.

end result = end result.drop_duplicates()
end result = end result.rename(columns={'user_id_x': 'user_id'})

Hier sind die ersten Zeilen der erwarteten Ausgabe.

Bisher haben wir uns auf traditionelle Techniken verlassen: alles selbst kodieren, zusammenführen und interpretieren.

Mit NotebookLM von Google können wir den Lernprozess nun noch einen Schritt weiter vorantreiben.

# Vom Lösen zum Lernen: Betreten Sie NotebookLM

In diesem Abschnitt zeigen wir, wie Sie NotebookLM mit den Particulars der Meta-Interviewfrage versorgen und erkunden dann die sechs interaktiven Funktionen, die Ihnen helfen, intelligenter zu lernen.

// Schritt 1: Erstellen Sie ein neues Notizbuch und fügen Sie Ihre Daten hinzu

Bevor NotebookLM uns helfen kann, müssen wir ihm Informationen zu unserer Interviewfrage zur Verfügung stellen. Dies beginnt mit der Erstellung eines neuen Notizbuchs. Gehen Sie zum NotebookLM-Website und klicken Sie auf „Neues Notizbuch erstellen“.

Sie werden nach der Quelle gefragt.

Wie Sie im Screenshot unten sehen können, stehen verschiedene Optionen zur Verfügung.

• Google Drive
• Webseite
• Youtube
• Textual content einfügen

Lassen Sie uns die Choice „Textual content einfügen“ verwenden und die Metadaten der Interviewfrage der Meta einfügen. Hier sind die Informationen, die wir in diesem wiederverwendbaren Format einfügen werden.

Right here is the query.
(paste query right here)
It makes use of two datasets.
(paste dataset info right here)
Right here is the python resolution.
(paste python resolution right here.)

Klicken Sie anschließend auf „Einfügen“, wie unten gezeigt.

// Entdecken Sie das Interactive Studying Studio

Unten sehen Sie den Bildschirm, der geöffnet wird, nachdem wir auf „Einfügen“ geklickt haben. Hyperlinks sehen wir die Quellen. In der Mitte haben wir ein LLM, das auf unseren Daten trainiert wurde. Rechts haben wir ein „Studio“ mit sechs verschiedenen Lernformaten, die wir einzeln testen.

Klicken wir auf die Schaltfläche „Wie nutzt die Python-Lösung vorhandene Freundes- und Seitendaten für Empfehlungen“, die sich unter dem Eingabetext in der Mitte befindet? Diese Frage wurde von NotebookLM generiert.

Hier ist die Antwort.

Wie Sie sehen, erklärt es das gesamte Konzept. Sie können diese Notiz auch speichern, indem Sie am Ende auf „Notiz speichern“ klicken. Die Notizen werden dann im Abschnitt „Studio“ wie folgt angezeigt.

Wenn Sie additionally Fragen zu dieser Interviewfrage haben, können Sie das LLM in der Mitte des vorherigen Bildschirms verwenden, um eine Antwort zu erhalten. Lassen Sie uns die sechs „Studio“-Funktionen erkunden, die die Dinge interessanter machen.

// Erleben Sie die sechs Lernfunktionen von NotebookLM

In diesem Abschnitt sehen wir die unten gezeigten sechs Lernfunktionen von NotebookLM in Aktion.

Jedes hilft Ihnen, die Meta-Interviewfrage aus einem anderen Blickwinkel zu verstehen – durch Audio, Video, Bilder und interaktive Übungen.

1. Erstellen Sie eine Audioübersicht
Klicken Sie auf „Audioübersicht“.
Wenn Sie dies tun, wird diese Benachrichtigung unter „Studio“ angezeigt und Ihre Audioübersicht ist in wenigen Minuten fertig.

NotebookLM verwandelt Ihre hochgeladenen Inhalte in ein Gespräch im Podcast-Stil. Zwei KI-Stimmen besprechen Ihr Downside, als würden Sie einer Present zur Vorbereitung auf ein technisches Vorstellungsgespräch zuhören. Sie schlüsseln das Empfehlungssystem von Meta auf, erläutern die Logik und heben Grenzfälle hervor.

Sie können dieses Gespräch herunterladen und interessanterweise auch daran teilnehmen, indem Sie auf „Interaktiv“ klicken. Anschließend öffnet sich der folgende Bildschirm.

Und wenn Sie auf „Teilnehmen“ klicken, lautet die Nachricht „Hallo, jemand möchte mitmachen“, sodass Sie an der Unterhaltung teilnehmen können. (Ja, Sie können wirklich an der Konversation teilnehmen; sie wird in Echtzeit über eine Textual content-to-Speech-API aktualisiert. Eine wirklich futuristische Funktion!)

2. Erstellen Sie die Videoaufschlüsselung
Gehen Sie zurück zum Bereich „Studio“ und klicken Sie auf „Videoübersicht“. NotebookLM erstellt ein Video, das Ihre Daten visualisiert und die Lösung erklärt. In unserem Fall ist das Video 6 Minuten und 21 Sekunden lang.

Im generierten Video erklärt NotebookLM zunächst das umfassendere Konzept: Wie Social-Media-Plattformen entscheiden, was empfohlen wird, bevor wir uns unserem spezifischen Downside zuwenden.

Als nächstes wird im generierten Video das Interviewproblem besprochen, indem es in Teile zerlegt wird, beginnend mit dem unten gezeigten Schlüsselschritt.

Als nächstes beginnt es mit der Erläuterung der Lösung. Es wiederholt nicht einfach, was auf dem Bildschirm angezeigt wird; Die Erläuterungen gehen tief in das Konzept ein.

Und schließlich wird die Lösung in Schritte unterteilt und anhand dieser Schritte erläutert.

3. Ordnen Sie die Logik visuell zu
Kehren Sie zum Bedienfeld „Studio“ zurück und klicken Sie auf „Thoughts Map“.
NotebookLM generiert einen visuellen Baum des Issues. Schauen wir uns eins an.

Sie sehen die gesamte Problemstruktur in einer Ansicht: Empfehlungsziel oben, erforderliche Datensätze in der Mitte und Lösungsschritte unten. Klicken wir auf eine davon, zum Beispiel „Schritt 1: Seiten von Freunden identifizieren (Zusammenführen 1).“

Wie Sie sehen, wird die Mindmap durch die Erläuterung von Schritt 1 erweitert. Sie können sie auch herunterladen.

4. Erstellen Sie Berichte
Kehren Sie zum Studio-Bedienfeld zurück und klicken Sie auf „Berichte“. NotebookLM fordert Sie auf, auszuwählen, welche Artwork von Bericht Sie erstellen möchten.

Wählen wir eine Problemlösung aus. Es wird mit der Erstellung eines Berichts begonnen.

Hier ist die Schritt-für-Schritt-Anleitung, die erklärt, wie Sie diese Interviewfrage lösen können.

5. Karteikarten erstellen
Gehen Sie zurück zum Bereich „Studio“ und klicken Sie auf „Lernkarten“. NotebookLM generiert automatisch Frage-und-Antwort-Karten. Schauen wir uns einen davon an.

Und wenn Sie auf die Antwort klicken, finden Sie hier das Ergebnis.

Klicken wir auf „Erklären“. Es verwendet eine Eingabeaufforderung, um diese Frage mit Gemini-Modellen zu beantworten.

Schauen wir uns nun die Ergebnisse an.

6. Erstellen Sie ein Quiz
Kehren Sie zum Studio-Bedienfeld zurück und klicken Sie auf das Quiz. NotebookLM generiert einen Übungstest. Machen wir es und schauen wir uns das erste Quiz an.

Klicken wir auf „Hinweis“.

Die Antwort liegt nun auf der Hand. Additionally wählen wir es aus und sehen, was passiert.

Wenn Sie noch eine Frage haben, klicken Sie auf „Erklären“. Sie gelangen zum mittleren Abschnitt, wo der an unserer Lösung geschulte LLM die Antwort liefert. Hier ist es.

# Abschluss

Die Vorbereitung auf technische Vorstellungsgespräche bedeutet nicht, dass man die Probleme im Vorstellungsgespräch isoliert lösen muss. Es bedeutet, tiefgreifend zu verstehen, klar zu visualisieren und selbstbewusst zu erklären. NotebookLM verwandelt eine einzelne Interviewfrage in ein multisensorisches Lernerlebnis, einschließlich Audio, Video, visuellen Karten, schriftlichen Berichten und aktiver Erinnerung.
Sie verfügen bereits über die Fähigkeiten zur Problemlösung. Jetzt haben Sie ein System, um sie zu organisieren, zu verstärken und unter Druck zu präsentieren. Wenn Sie das nächste Mal eine schwierige SQL- oder Python-Frage sehen, geraten Sie nicht in Panik. Laden Sie es hoch, erkunden Sie es und meistern Sie es.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von High-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Traits auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Knowledge-Science-Projekte vor und behandelt alles rund um SQL.

Während des Vorstellungsgesprächs – Wie bereitet man sich vor?

Sobald Sie mit dem Bewerbungsprozess beginnen und beginnen, Vorstellungsgespräche zu bekommen, müssen Sie auf einige Dinge achten und sich darauf vorbereiten:

• Interviewformat
• Empfehlungen, Networking
• LinkedIn oder Portfolio
• Ressourcen und Materialien für Interviews
• Strategien: Planen, Verfolgen, Weiterentwicklung, Anregungen, Einschätzung Ihres Niveaus, Tragen Ihrer „Karrierelinse“, Suche nach einem Interviewpartner, Warnsignale
• Annahme des Angebots

Interviewformat

Das Interviewformat variiert je nach Unternehmen. Keine zwei Unternehmen haben das gleiche Interviewformat für die MLE-Rolle, daher müssen Sie Ihre „Hausaufgaben“ bei der Recherche des Codecs im Voraus machen. Selbst bei FAANG-Unternehmen ist Apple beispielsweise für sein Interviewformat im Startup-Stil bekannt, das von Crew zu Crew unterschiedlich ist. Andererseits verfügt Meta tendenziell über ein einheitliches Interviewformat auf Unternehmensebene, das eine oder zwei Leet-Code-Runden und ML-Systemdesign-Runden umfasst. Normalerweise gibt der Personalvermittler detaillierte Informationen zum Vorstellungsgesprächsformat großer Unternehmen, sodass Sie nicht überrascht sein werden. Allerdings könnte der Prozess für kleinere Unternehmen weniger strukturiert sein und sich häufiger ändern. Manchmal ersetzen kleinere Unternehmen Leet-Code durch andere Codierungsfragen und berühren den Modellierungsteil nur leicht, anstatt eine gesamte ML-Systemdesign-Sitzung durchzuführen. Sie sollten auf kostenlosen Web sites wie Prepfully, Glassdoor, Interview Question oder anderen kostenpflichtigen Web sites nach Informationen suchen, um ein umfassendes Verständnis des Interviewformats und -prozesses zu erhalten und sich im Voraus besser vorbereiten zu können. Schließlich, Lassen Sie sich nicht durch das Interviewformat einschränken Da es sich nicht um einen Standardtest handelt, kann es bei technischen Vorstellungsgesprächen und technischen Fragen während Ihrer Personalmanagerrunde zu Verhaltenselementen kommen. Seien Sie vorbereitet, aber seien Sie flexibel und lassen Sie sich überraschen.

Empfehlungen und Networking

In vielen Webartikeln wird der Nutzen von Empfehlungen übertrieben, aber eine Empfehlung ist für Sie nur ein kürzerer Weg, um die Personalvermittlerrunde zu überwinden und direkt in die zweite Runde zu gelangen (normalerweise die Personalmanagerrunde). Neben Empfehlungen ist es quick genauso wichtig, sich persönlich zu vernetzen, z. B. Hackathons zu nutzen, um mit Unternehmen zu sprechen, persönliche Jobmessen zu besuchen und an Offline-Freiwilligenveranstaltungen teilzunehmen, die von Unternehmen gesponsert werden, an denen Sie interessiert sind. Bitte tun Sie das nicht Verlassen Sie sich auf Empfehlungen oder Networking, um einen Job zu bekommen, aber nutzen Sie diese als Gelegenheit, um Ihre Wahrscheinlichkeit zu erhöhen, mehr Gespräche mit Personalvermittlern und Personalmanagern zu führen, um die Effizienz Ihrer Vorstellungsgespräche zu maximieren.

LinkedIn oder Portfolio. LinkedIn und Portfolio sind lediglich Werbetools, die Personalvermittlern helfen, über die Textinformationen in Ihrem Lebenslauf hinaus zu verstehen, wer Sie sind. Als Junior-MLE wäre es hilfreich, Kursprojekte und Kaggle-Herausforderungen in Ihr GitHub-Repository aufzunehmen, um relevantere Erfahrungen zu zeigen; Auf höherer Ebene machen Spielzeugprojekte jedoch weniger Sinn, aber PR in großen Open-Supply-Projekten, aufschlussreiche Artikel und Analysen, Tutorials zur SOTA-Forschung oder Toolboxen werden Sie von den anderen Kandidaten abheben.

Ressourcen und Materialien für Interviews

Im Allgemeinen benötigen Sie Materialien, die die fünf Bereiche abdecken: i) Codierung, ii) Verhalten, iii) ML/Deep-Studying-Grundlagen, iv) ML-Systemdesign und v) ein allgemeines MLE-Interviewratgeberbuch.

i) Codierung. Wenn Sie kein Leet-Code-Experte sind, würde ich empfehlen, mit den folgenden Ressourcen zu beginnen:

ii) Verhalten:

iii) ML/Deep-Studying-Grundlagen:

iv) ML-Systemdesign:

v) Ein allgemeiner Ratgeber für MLE-Interviews:

Sie benötigen auch eine Handvoll Interviewpartner – heutzutage können Sie On-line-Dienste zur Vorbereitung auf Vorstellungsgespräche abonnieren (nutzen Sie nicht die teuren Dienste, die Ihnen Tausende von Greenback kosten; es gibt immer günstigere Ersatzdienste) und sich mit anderen MLE-Kandidaten zusammentun zum Kompetenz- und Informationsaustausch.

Strategien: Planen, Nachverfolgen, Weiterentwickeln, Anstoß geben, Vorstellungsgespräch für eine höhere Stufe, Tragen Ihrer „Karrierelinse“, Finden eines Interviewpartners, Warnsignale

Planen, verfolgen und weiterentwickeln. Very best, wie in diesem Artikel beschriebensollten Sie mindestens eine Handvoll Anrufe von Personalvermittlern erhalten und Ihre Vorstellungsgespräche nach verschiedenen Interessensebenen kategorisieren. Zum einen ist der Arbeitsmarkt einem ständigen Wandel unterworfen und selten kann man schon im ersten Vorstellungsgespräch die beste Strategie planen. Zum anderen lernen Sie während des Vorstellungsgesprächs dazu und entwickeln sich weiter, so dass Sie sich von dem Zustand unterscheiden, in dem Sie vor ein paar Monaten zu Beginn der Section der Arbeitssuche waren. Selbst wenn Sie der talentierteste Kandidat auf dem Markt sind, ist es daher wichtig, Ihre Gespräche über mehrere Monate zu verteilen Beginnen Sie mit den Gesprächen, die Sie am wenigsten interessieren Machen Sie sich mit dem Markt vertraut, verbessern Sie Ihre Fähigkeiten im Vorstellungsgespräch und überlassen Sie die wichtigsten Fragen einem späteren Zeitpunkt. Verfolgen Sie Ihre Fortschritte, Ihr Suggestions und Ihre Gedanken während Ihres Vorstellungsgesprächs. Legen Sie konkrete Lernziele fest und entwickeln Sie sich mit Ihren Interviews weiter. Möglicherweise hatten Sie in den letzten Jahren nie die Gelegenheit, GenAI-Wissen anzusprechen, aber Sie könnten den Interviewprozess nutzen, um aus On-line-Kursen zu lernen und kleine Nebenprojekte zu entwickeln. Das Beste ist, nach dem Vorstellungsgespräch einen Job zu bekommen, und das Zweitbeste ist, etwas Nützliches zu lernen, auch wenn Sie das Stellenangebot nicht bekommen. Wenn Sie aus jedem Vorstellungsgespräch etwas lernen, werden sich Ihre Chancen auf das nächste Stellenangebot letztendlich enorm erhöhen.

Aufforderung. Dies ist das Zeitalter des LLM, und Sie sollten es mit Bedacht nutzen. Suchen Sie nach den Schlüsselwörtern in den Stellenbeschreibungen oder Verantwortlichkeiten. Wenn es um ein Vorstellungsgespräch geht, bei dem es um „Software program-Engineering-Prinzipien“ geht, können Sie Ihren bevorzugten LLM bitten, Ihnen zur Vorbereitung eine Liste mit Software program-Engineering-Prinzipien für maschinelles Lernen zu geben. Auch hier sollte die schnelle Antwort nicht Ihre einzige Wissensquelle sein, aber sie kann einige blinde Flecken in Ihren täglichen Lesequellen ausgleichen.

Vorstellungsgespräch für eine Stufe höher. Manchmal sind die Grenzen zwischen den Ebenen fließend. Sofern Sie kein absoluter Anfänger in diesem Bereich sind, können Sie jederzeit die Möglichkeiten auf der höheren Ebene ausprobieren und sich bereits in der Section des Stellenangebots auf die untere Ebene vorbereiten. Wenn Sie Vorstellungsgespräche für die Führungsebene führen, schadet es nicht, sich auf Stellen auf Mitarbeiterebene vorzubereiten oder sich darauf zu bewerben. Es funktioniert nicht immer, aber manchmal kann es Ihnen Türen öffnen.

Tragen Sie Ihre „Linse der Karriere“. Gehen Sie nicht einfach zu einem Vorstellungsgespräch, ohne über Ihre Karriere nachzudenken. Sofern Sie diesen Job nicht aus einem bestimmten Grund dringend benötigen, fragen Sie sich: Wie passt dieser Job in Ihre gesamte Karrierekarte?? Diese Frage ist aus zwei Perspektiven wichtig: Erstens hilft sie Ihnen bei der Auswahl des Unternehmens, zu dem Sie gehen möchten, z. B. bietet ein Startup möglicherweise kurzfristig höhere Gehälter, wenn es aber keine Priorität auf solide Prinzipien der Softwareentwicklung legt, dann sind Sie Sie verlieren auf lange Sicht die Probability, sich in eine vielversprechende Karriere hineinzuentwickeln; Zweitens hilft es, das Ergebnis des Vorstellungsgesprächs zu diagnostizieren, z. B. wenn Ihre Ablehnungen hauptsächlich von Begin-ups stammen, Sie aber schließlich bei Angeboten bekannter börsennotierter Unternehmen gelandet sind, dann werden Sie feststellen, dass die Ablehnungen nicht bedeuten, dass Sie kein Begin-up-Unternehmen sind Sie verfügen über einen qualifizierten MLE, aber weil Vorstellungsgespräche bei Startups andere Fähigkeiten erfordern und diese nicht zu Ihrem Karriereweg gehören.

Accomplice werden. Vor fünf Jahren gab es noch keine Möglichkeit, einen Interviewpartner zu finden. Heutzutage gibt es jedoch überall im Web Vorstellungsgesprächsdienste, die von extrem hohen Kosten (was ich nicht empfehle) bis hin zu ein paar hundert Greenback reichen. Denken Sie daran, dass es sich um einen sich ständig verändernden Markt handelt, sodass niemand das Gesamtbild kennt. Der beste Weg, an Informationen zu gelangen, besteht darin, mit Ihren nicht konkurrierenden Kollegen zusammenzuarbeiten (z. B. Sie befinden sich im Bereich Lebenslauf und Ihr Accomplice im Bereich Empfehlungssystem), um gemeinsam zu üben und sich zu verbessern. Besser als nur eine Partnerschaft, Sie sollten versuchen, eine Partnerschaft einzugehen – suchen Sie nach Leuten mit einem höheren Dienstalter, während Sie ihnen noch etwas Nützliches bieten können. Sie fragen sich vielleicht: Wie ist das möglich? Warum sollte jemand, der älter ist als ich, mit mir zusammen üben wollen? Denken Sie daran, niemand ist perfekt und Sie können anderen stets etwas bieten. Es gibt erfahrene Software program-Ingenieure, die MLE werden möchten, und Sie können Ihr ML-Wissen gegen deren Greatest Practices im Software program-Engineering eintauschen. Es gibt Produktmanager, die ML-bezogenen Enter benötigen, und Sie können im Gegenzug Verhaltensübungen verlangen. Auch Personen ohne Branchenerfahrung im Einstiegsbereich können als Gegenleistung Programmierpraxis verlangen oder sich ihre Lebensgeschichten anhören und sich inspirieren lassen. Als MLE müssen Sie, insbesondere auf der Führungs-/Mitarbeiterebene, Führungsqualitäten unter Beweis stellen. Die beste Führungskompetenz, die Sie unter Beweis stellen können, besteht darin, Fachkräfte auf verschiedenen Ebenen zusammenzubringen, die Ihnen dabei helfen, das Ziel zu erreichen, das Sie verfolgen – Ihr Traumangebot.

Rote Fahnen. Einige Warnsignale, etwa die direkte Aufforderung, sich zu überarbeiten, oder die Verzerrung der Vorstellungsgespräche sind explizit. Einige Warnsignale sind jedoch subtiler oder werden bewusst verschleiert. Ihr Personalmanager könnte zum Beispiel höflich seine Scenario erklären und sich wünschen, dass Sie „am Anfang nicht zu hohe Erwartungen hatten und sich dazu entschließen, in ein paar Monaten zu gehen“ – das klingt so rücksichtsvoll. Dennoch überschattet es die Tatsache, dass die Fluktuation hoch ist. Die beste Strategie zur Vermeidung von Warnsignalen besteht darin, Bewertungen von Glassdoor zu lesen und sich während des Vorstellungsgesprächs über die Unternehmenskultur zu informieren. Konkret sind mit „Kultur“ nicht die auf der Unternehmenswebsite definierten „Kulturansprüche“ gemeint, sondern die tatsächliche Dynamik zwischen Ihnen und dem Crew. Stellen die Interviewer nur vorbereitete Fragen, ohne zu versuchen, Ihre Fähigkeiten zur Problemlösung zu verstehen? Wenn Sie eine Frage stellen, kann der Interviewer diese Frage verstehen und eine Antwort geben, die Ihnen hilft, den Wert des Unternehmens besser zu verstehen? Schließlich, Denken Sie immer daran, Ihr Bauchgefühl zu nutzen und zu entscheiden, ob Ihnen Ihr zukünftiges Crew gefällt. Denn wenn Sie sich entscheiden, das Jobangebot anzunehmen, werden Sie in den nächsten Jahren acht Stunden am Tag mit diesen Menschen konfrontiert sein; Wenn dir dein Bauchgefühl sagt, dass du sie nicht magst, dann wird es sowieso nicht glücklich sein.

Annahme des Angebots. Sobald Sie mit all der Frustration, all den Enttäuschungen und all der harten Arbeit fertig sind, ist es Zeit, über das Angebot zu sprechen. In vielen Internet-Threads wird die Notwendigkeit der Aushandlung des Angebots diskutiert, ich empfehle jedoch, vorsichtig zu sein, insbesondere auf dem Markt dieses Arbeitgebers. Wenn Sie verhandeln möchten, ist es am besten, zwei vergleichbare Angebote zu haben und sich auf den schlimmsten Fall vorzubereiten. Außerdem sollten Web sites wie Ranges.fyi und Glassdoor genutzt werden, um die Vergütungsspanne zu recherchieren.

Erhöhen Sie Ihre Chancen auf die erste Stelle im Datenbereich

Bevor ich meinen ersten Knowledge-Science-Job bekam, habe ich mich bei über 300 Unternehmen beworben. Jetzt, nach quick drei Jahren in diesem Bereich und vielen Vorstellungsgesprächen, kann ich mit Fug und Recht behaupten, dass ich das eine oder andere darüber gelernt habe, wie Vorstellungsgespräche im Knowledge Science-Bereich ablaufen.

In diesem Artikel möchte ich Ihnen additionally genau erklären, was Sie tun sollten, um Ihre Chancen zu erhöhen, ein Vorstellungsgespräch zu bestehen.

Ich gehe davon aus, dass Sie in ein paar Tagen ein Vorstellungsgespräch haben und daher etwas Zeit zur Vorbereitung haben. Außerdem beziehen sich diese Punkte auf Einstiegs- und mittlere Positionen, da dort meine Erfahrung liegt.

Hinweis: Sie können sich auch die Videoversion dieses Blogbeitrags ansehen