ネットワークの構築から面接の最後の質問まで、AI企業に応募するための包括的なガイドをご紹介します

過去 8 か月間で、Google DeepMind、Wadhwani Institute of Artificial Intelligence、Microsoft、Ola、Fractal Analytics など、データ サイエンティスト、ソフトウェア エンジニア、リサーチ エンジニアなどの職種で多くの企業の面接を受けました。このプロセスを通じて、私は多くの素晴らしい人々と交流する機会を得ただけでなく、自分自身を見つめ直し、面接官が面接プロセス中に本当に何を求めているのかを理解する機会も得ました。もし私が以前にこの知識を持っていたら、多くの間違いを避け、より良い方法で準備できただろうと信じています。それがこの記事を書いた動機です。この記事が、他の人が夢の仕事を見つけるのに役立つことを願っています。

[[231447]]

結局のところ、人生の（少なくとも）3分の2を仕事に費やすのであれば、やりがいのある仕事を見つけたほうが良いでしょう。

この記事は、AI 分野で働く人々がキャンパス リクルートメントを通じて満足のいく就職機会を見つけるのは難しいと感じている 3 年生との議論から着想を得ました。さらに、面接の準備をする際に、多くの人が多くのリソースを使用していることがわかりましたが、過去数か月間の私の経験に基づくと、ほとんどの AI 実践者にとって多くの基本的なリソースは不要であると考えています。必要なリソースの最小限のリストは、この記事の最後に記載されています。この記事は、面接で注目される方法から始まり、次に応募すべき企業とスタートアップのリストを示し、最後に面接で成功する方法について説明します。個人的な経験に基づいて、なぜ一生懸命働く必要があるのか​​についてのセクションを追加しました。 *** は準備に必要な最小限のリソースです。

注：キャンパスリクルートを待っている人のために、2点付け加えておきたいことがあります。まず第一に、私がこれから言うことのほとんどは（おそらく 1 つの小さなことを除いて）あなたとは何の関係もありません。しかし、2 つ目のポイントは、前にも述べたように、キャンパス リクルートメントにおける求人のほとんどはソフトウェア エンジニアリングの職種であり、人工知能とはまったく関係がないということです。したがって、この投稿は、人工知能を使用して興味深い問題を解決したい人のために特別に書かれています。また、私はすべての面接に合格したわけではないことも付け加えておきたいのですが、失敗は最高の教師なのです。この記事で述べたことのすべてが役に立つとは限りませんが、これは私の経験であり、これ以上説得力を持たせる方法はわかりません。

1. 面接で注目される方法

正直に言うと、このステップが最も重要です。ソーシャル リクルーティングを非常に困難かつ疲れるものにしているのは、採用担当者に、受け取った多数の応募の中から自分のプロフィールに目を通してもらうように努めることです。社内でつながりを築くと紹介を受けやすくなりますが、一般的に、このステップは次の 3 つの主要なステップに分けられます。

a) 規制に備える: LinkedIn プロフィール、Github プロフィール、個人ウェブサイト、よく練られた履歴書を準備します。まず第一に、履歴書は非常に簡潔で整然としたものである必要があります。 Resume Revamp (https://career-resource-center.udacity.com/resume/resume-revamp) を参考にして履歴書を計画することができます。履歴書について私が伝えたいことはすべてここに記載されており、私はこれを参考にしています。履歴書のテンプレートに関しては、Overleaf に優れたフォーマットがいくつかあります。私は個人的に deedy-resume (https://www.overleaf.com/) を使用しています。以下はプレビューです:

上の図に示すように、1 ページに多くのコンテンツを含めることができます。ただし、それ以上の内容を記述する必要がある場合、上記の形式はそのままではうまく機能しません。複数ページのフォーマットは、https://latexresu.me/ でご覧いただけます。次の重要なポイントは、GitHub プロファイルです。 LinkedIn のような「あなたのプロフィールを閲覧した人」オプションがないため、多くの人がその重要性を過小評価しています。人々があなたの GitHub を実際に見るのは、今では人々が自分のキャリア プロフィールにあらゆる種類の流行語を大量に追加していることを考えると、履歴書に記載されているプロジェクトを確認する唯一の方法だからです。特にデータ サイエンスの場合、オープン ソースとは、使用されるツールの多く、実装されるさまざまなアルゴリズム、およびさまざまな学習リソースを利用できることを意味します。前回の記事では

(https://medium.com/@amandalmia18/the-world-of-open-source-8f516c674647) では、オープンソースの利点と、独自の GitHub をゼロから作成する方法について説明しました。 ***要件は次のとおりです:

• GitHub アカウントを作成します。
• 独自のプロジェクト用のリポジトリを作成します。
• コードの実行方法に関する明確なドキュメント手順を追加します。
• 各ファイルに、関数の機能、パラメータの意味、形式、スクリプトを記載したドキュメントを追加します。

3 番目のステップは、ほとんどの人が欠けているもので、採用 Web サイトで自分の経験と個人的なプロジェクトを紹介することです。プロフェッショナルなプロフィールを作成すると、その分野に真剣に取り組んでいることが示され、信頼性が高まります。さらに、履歴書（CV）にはスペースの制限があることが多く、重要な詳細が記載されない可能性があります。プロフェッショナル プロフィールでさらに詳しく説明し、プロジェクト/アイデアの視覚化やその他のプレゼンテーション形式を推奨することもできます。プロフェッショナルなプロフィールを作成するのは非常に簡単で、ドラッグ アンド ドロップ機能を使用してこのプロセスを可能にする無料のプラットフォームが多数あります。私は個人的に、広く使用されているツールである Weebly を使用しています。最初に参照があった方が良いです。

***、多くのリクルーターやスタートアップ企業が採用プラットフォームとして LinkedIn を使い始めました。 LinkedIn には良い仕事がたくさんあります。採用担当者に加えて、影響力のある役割を担う人々も LinkedIn で活動しています。したがって、彼らの注意を引くことができれば、面接に進める可能性が高くなります。さらに、人々があなたに連絡を取りやすくなるように、個人プロフィールを維持することも必要です。 LinkedIn の重要な部分は検索ツールであり、注目されたいのであれば、プロフィールに関連するキーワードを含める必要があります。良いプロフィールが完成するまでに、何度も変更し、評価を何度か行いました。また、同僚やリーダーにあなたのスキルを保証してもらい、推薦状を書いてもらうことも必要です。これらすべてにより、注目される可能性が高まります。 LinkedIn および Github プロファイルのガイドについては、以下を参照してください。

https://career-resource-center.udacity.com/linkedin-github-profiles.

たくさんありそうに思えるかもしれませんが、1 日、1 週間、1 か月で行う必要はないことを覚えておいてください。これは決して終わることのないプロセスです。最初はすべての設定に手間と時間がかかりますが、いったん設定が終われば、後はエントリを定期的に更新するだけです。この方法は簡単なだけでなく、自分自身についてすでに明確に理解しているので、準備をする必要がなく、いつでもどこでも自分自身について話すことができます。

b) 信頼性を確保する: プロフィールに複数の異なる職名が記載されるという間違いを犯す人を多く見てきました。まず自分が本当に興味があり、楽しんでいることを特定し、その後関連する機会を探す方が、その逆よりも良いと思います。 AI人材が不足している現状は、あなたにチャンスをもたらします。上記のように時間をかけて定期的に情報を更新することで、自分自身を包括的に理解し、早い段階で方向性を決定するのに役立ちます。さらに、面接中に尋ねられる可能性のあるさまざまな質問に対する答えを準備する必要もありません。あなたが本当に情熱を注いでいる何かについて話すと、ほとんどの答えは自然に出てくるでしょう。

c) ネットワーク: a と b を完了すると、ネットワークが目標達成に非常に役立ちます。他の人とコミュニケーションを取らないと、多くの良い機会を逃してしまうかもしれません。毎日新しい人とつながることが重要です。直接会えない場合は LinkedIn でつながりましょう。そうすれば、しばらくすると大規模で強力なネットワークが構築されます。

ネットワーキングとは、人々に連絡して推薦状を書いてもらうことではありません。最初はこの間違いを何度も繰り返していましたが、Mark Meloon 氏の記事「Climbing the Relationship Ladder to Get a Data Science Job」を読んで、この間違いに気づきました。

(https://www.markmeloon.com/climbing-relationship-ladder-get-data-science-job/) では、率先して助けを提供することで、本当のつながりを築くことの重要性について語っています。人間関係を築く上でもう一つの重要なステップは、現れることです。たとえば、何か得意なことがあれば、それについてブログに書いて、そのブログを Facebook や LinkedIn で共有します。これは他人を助けるだけでなく、自分自身にも役立ちます。十分に強力な人間関係のネットワークを構築すれば、注目される可能性が大幅に高まります。ネットワーク内の誰かがあなたのブログを気に入ったりレビューしたりするかどうかはわかりませんが、そうすることで、あなたと同じ専門知識を持つ人を見つけるなど、より広い読者層にリーチできる可能性があります。

2. 応募可能な企業・スタートアップ一覧

優先順位についての誤解を避けるために、リストをアルファベット順に提示します。ただし、個人的にお勧めする企業には「*」を付けさせていただきます。この推奨リストは、ミッション ステートメント、人員、対人関係、学習範囲などの要素に基づいています。 2 番目と 3 番目の要素のみに基づいて、複数の「*」が追加されます。

• アドビリサーチ
• *AllinCall (IIT-Bombay Alumni Association が作成)
• *アマゾン
• アリア
• *Facebook AI リサーチ: AI レジデンシー プログラム
• *フラクタル分析 (および Cuddle.ai、**Qure.ai)
• **Google (Brain/DeepMind/X): AI レジデンシー プログラム
• ゴールドマン・サックス
• ハプティック
• **HyperVerge — IIT マドラス校の卒業生によって設立され、世界中の顧客と協力して現実世界の問題に対する AI ソリューションを開発しています。創設者には、同校の有名なコンピュータービジョングループを設立した人物も含まれています。
• IBMリサーチ
• *インテル AI ラボ (強化学習)
• **Jasmine.ai — ミシガン大学で博士号を取得したIIT-Madrasの卒業生によって設立され、会話型インテリジェンスの研究に取り組んでいます。そして彼らには十分な資金があります。できるだけ早くバンガロール オフィスに加わってくれる人を探しています: https://docsend.com/view/xff9hwr。
• JPモルガン・チェース
• *マイクロソフトリサーチ:
• ——インド ラボでの 1 ～ 2 年間の研究員ポジション (https://www.microsoft.com/en-us/research/lab/microsoft-research-india/#research-fellow-program_tab)
• ——AIレジデンシープログラム
• ミューシグマ
• 次世代教育
• ニキ
• *Niramai – 元ゼロックス研究所の従業員によって設立され、乳がんの早期スクリーニングに熱画像技術を使用する取り組みを行っています。
• オラ
• *オープンAI
• *パスAI
• プレディブルヘルス
• クアルコム
• *セールスフォース
• サムスンリサーチ
• *シグタプル
• *Suki — 医師向けに設計された AI 音声アシスタント。最近、同社は多額の資金を調達しており、近々インドにオフィスを開設する予定だ。
• *Swayatt Robotics — インドの交通状況に適応した自動運転車を開発中。
• **Wadhwani AI – 億万長者の Romesh Wadhwani 氏と Sunil Wadhwani 氏によって資金提供されており、AI 分野における初の社会貢献団体になることを目標としています。
• *Uber AI Labs & Advanced Technologies Group: AI レジデンシー プログラム (https://eng.uber.com/uber-ai-residency/)
• *Umbo CV - コンピュータービジョンを使用したセキュリティ
• 不思議なビジョン
• ゼンドライブ

3. 面接に勝つ方法

面接は部屋に入った瞬間に始まります。その瞬間から自己紹介をするまでの間には、さまざまなことが起こります。特にスタートアップ企業で面接をしている場合は、ボディランゲージや笑顔での挨拶が大きな役割を果たします。面接官はこの点を非常に重視します。面接官はあなたにとって見知らぬ人ですが、あなたも面接官にとって見知らぬ人であることを理解する必要があります。だから、彼らもあなたと同じくらい緊張しているはずです。

面接をあなたと面接官との会話として考えることが重要です。あなたと面接官はお互いの適合性を求めています。つまり、あなたは素晴らしい職場を求めており、面接官は（あなたのような）一緒に働く素晴らしい人を求めているのです。ですから、自分自身に満足し、楽しい方法で会話を始めるようにしてください。これを行う最も簡単な方法は笑顔になることです。

面接には主に 2 つの種類があります。1 つは面接官が用意した質問を持ってきて、応募者のプロフィールに関係なくその質問をする面接で、もう 1 つは履歴書に基づいて行われる面接です。 2番目のタイプのインタビューから説明を始めます。

2 番目のタイプの面接は通常、「簡単に自己紹介をいただけますか?」で始まります。この質問に答えるときに絶対にしてはいけないことが 2 つあります。大学時代の GPA について話すことと、プロジェクトの詳細について話すことです。理想的な回答は、約 1 ～ 2 分の長さで、学術的な内容に限定されず、自分が行ったことの概要を説明する必要があります。読書、スポーツ、瞑想など、自分を定義するのに役立つ趣味について話してください。面接官は、自己紹介で話した内容の一部を次の質問の導入として使い、面接の技術的な部分が始まります。この面接の目的は、履歴書に書いた内容が真実かどうかを確認することです。

このプロセスでは、何を変えればよいか、「Y」の代わりに「X」を使用できるかどうか、何が起こるかなど、多くの疑問が生じます。この時点で、実装中に通常行われるトレードオフを理解することが重要です。たとえば、面接官がより複雑なモデルを使用するとより良い結果が得られると言った場合、実際には処理するデータが少なくなり、過剰適合につながると主張することができます。ある面接で、面接官は私に、現実世界での使用例のためのアルゴリズムの設計に関するケーススタディを与えました。面接官は、私が次のような流れで話し合いを始めることをとても好んでいることに気づきました。

問題 > 過去の解決策 1 ～ 2 件 > 私の解決策 > 結果 > 直感

別の種類の面接は、実際には基本的な知識をテストするだけです。質問が難しすぎるのではないかと心配しないでください。しかし、それらは主に線形代数、確率、統計、最適化、機械学習、および/または深層学習に基づいた、あなたが持つべきすべての基本知識に間違いなく触れます。 「知っておくべきこと」セクションで説明されているリソースで十分ですが、いずれも見逃さないようにしてください。ここで重要なのは、これらの質問に答えるのにかける時間です。基本的な内容なので、面接官はあなたがすぐに答えられることを期待しています。したがって、それに応じて準備してください。

プロセス全体を通して、自分が何を知っていて、何を知らないかについて自信と正直さを持つことが重要です。質問の答えがわからない場合は、「あー」や「うーん」などの声を出すのではなく、単に「わからない」と言いましょう。概念が非常に重要であるにもかかわらず、答えるのが難しい場合は、面接官は通常、喜んでヒントを与えたり、適切な解決策に導いてくれます（面接の初めにどれだけうまく答えたかによって異なります）。面接官の質問を正しく理解し、それに応じて適切な解決策を見つけることは大きなプラスになります。緊張しないようにしてください。緊張を避ける最善の方法は笑顔を浮かべることです。

さて、面接も終わりに近づき、面接官が何か質問があるか尋ねます。面接は終わったと思って、質問はない、と答えるのは簡単です。この問題のせいで拒否された人をたくさん知っています。前にも述べたように、インタビューを受けるのはあなただけではありません。また、あなたと会社が適合するかどうかも検討します。したがって、本当に会社に入りたいのであれば、会社の文化や期待される役割などについて質問したり、面接官について単純に好奇心を持ったりする必要があります。常に周囲の状況から学ぶことができます。チームに心から興味を持っている人として見られるようにする必要があります。私が面接官に尋ねる質問は、彼らから私へのフィードバックです。これは私にとって非常に役立ち、私は今でもすべてのフィードバックを覚えており、それを日常生活に実際に取り入れています。

その上。私の経験から言うと、あなたが正直で、スキルがあり、面接を受ける会社を心から気にかけていて、正しい考え方を持っているなら、すべての条件を満たし、すぐにオファーをもらえるはずです。 😄

4. 私たちは何のために努力すべきでしょうか?

私たちは好きなことをする機会に満ちた時代に生きています。最高になれるよう一生懸命努力すれば、実現する方法が見つかるでしょう。ゲイリー・ヴェイナーチャック氏はこう言った。

[[231448]]

今はAI研究にとって絶好の時期です。本当に情熱があれば、できることはたくさんあります。無視されている人々に力を与えることができます。私たちは常に周囲の問題について不平を言ってきました。しかし、今ほど普通の人々がただ不平を言うのではなく、何か行動を起こすことができる時代はかつてありませんでした。ジェフリー・ハマーバッハーは有名な言葉を残しています。

私たちの世代の優秀な人材は、どうすれば人々に広告をクリックさせることができるかを必死に考え出そうとしています。

AIで何ができるかは私たちの想像を超えています。世の中には、あなたのような非常に賢い人々が解決しなければならない、本当に難しい問題がたくさんあります。多くの人の生活をより良くすることができます。 「かっこいい」とか「見栄えが良い」といったものを捨てて、慎重に考えて賢明な選択をするときです。

5. 準備しておくべき背景知識

データ サイエンスの面接の質問はすべて、コンピューター サイエンス、数学、統計、機械学習の 4 つの大まかなカテゴリに分類されます。

（１）コンピュータサイエンス

アルゴリズムとデータ構造:

• インタビュービット: https://www.interviewbit.com/
• NPTEL IIT デリー コース https://www.youtube.com/playlist?list=PLBF3763AF2E1C572F

オペレーティング·システム：

• https://medium.com/the-aspiring-programmer-journal/the-10-operating-system-concepts-software-developers-need-to-remember-480d0734d710
• オペレーティング システムの概念の第 3 章、第 4 章、第 5 章、および第 7 章 http://203.187.160.133:9011/materias.fi.uba.ar/c3pr90ntc0td/7508/OSC9/Abraham%20Silberschatz-Operating%20System%20Concepts%20%289th,2012.12%29.pdf
• GeekForGeeks のオペレーティング システム: https://www.geeksforgeeks.org/operating-systems/

オブジェクト指向プログラミング: 鉄道のチケット発行システムなどのシステムをどのように設計するかが問われます。この時点で、面接官とニーズ、作成する必要があるクラスの数、各クラスに含まれる変数とメソッド、継承の使用方法 (Engineer クラスと Scientist クラスは両方とも Employee クラスから派生しているなど) などについて話し合う必要があります。この知識は実践から得られます。基本的な用語の説明は、こちらでご覧いただけます: https://medium.com/dot-net-tutorial/oops-interview-questions-with-answers-for-freshers-b2a568ed364b

（２）数学と統計

ディープラーニングの背後にある数学を理解していない場合は、それを学習するためのリソースを見つける必要があります。

もちろん、Ian Goodfellow らによる『Deep Learning』の第 2 章、第 3 章、第 4 章に記載されている数学は、面接でのこのような理論的な質問に対処するのに十分です。時間がない場合のために、章の概念のいくつかを要約しました。

https://github.com/dalmia/Deep-Learning-Book の章の概要

確率に関する講座を受講したことがあるなら、数学は簡単なはずです。統計に関するご質問は、以下を参照してください。

https://www.quora.com/How-should-I-prepare-for-statistics-questions-for-a-data-science-interview-What-topics-should-I-brush-up-on/answer/Dima-Korolev?share=ac534713&srid=oEqx

（３）機械学習

ここで、どのような質問をするかは、面接を受ける職種によって完全に異なります。従来の機械学習の面接に遭遇した場合。次に、機械学習の基礎知識が不可欠であり、次のコースのいくつかが役立つ可能性があります。

• Andrew Ng の CS229 コース http://cs229.stanford.edu/
• カリフォルニア工科大学のヤセル・アブ・モスタファ教授の機械学習コース: https://work.caltech.edu/telecourse.html
• 重要なトピックには、教師あり学習（分類、回帰、サポートベクターマシン、決定木、ランダムフォレスト、ロジスティック回帰、多層パーセプトロン、パラメータ推定、ベイズ決定ルール）、教師なし学習（K 平均法クラスタリング、ガウス混合モデル）、次元削減（PCA）が含まれます。
• より上級の役職に応募する場合は、ディープラーニングに関する質問を受ける可能性があります。この場合、畳み込みニューラル ネットワーク (CNN) と再帰型ニューラル ネットワーク (RNN) およびそのバリエーションについて十分に理解している必要があります。これを理解するには、ディープラーニングの基礎、CNN/RNN の仕組み、現在存在するアーキテクチャ、これらのアーキテクチャの改善の背後にある動機について、ある程度理解している必要があります。ここに近道はありません。理解するには時間をかける必要があります。 CNN についてはスタンフォード大学の CS231N コースを、RNN については CS224N コースをお勧めします。
• Hugo Larochelle のニューラル ネットワーク コースも非常に興味深く、すぐに始めるのに適しています: https://www.youtube.com/watch?v=SGZ6BttHMPw&list=PL6Xpj9I5qXYEcOhn7TqghAJ6NAPrNmUBH
• Udacity にもこれに関するコースがあります: https://blog.udacity.com/2016/05/prepare-machine-learning-interview.html (https://blog.udacity.com/2016/05/prepare-machine-learning-interview.html%E3%80%82)

結論は

学校を卒業した後、あなたのキャリアは自己実現の長いプロセスとなるでしょう。この投稿があなたにインスピレーションを与え、次回のデータサイエンス面接に向けてより良い準備をするのに役立つことを願っています。

オリジナルリンク:

https://medium.com/@amandalmia18/https-medium-com-amandalmia18-複数のAI企業でのインタビューから学んだこと-a9620415e4cc

[この記事は51CTOコラム「Machine Heart」、WeChatパブリックアカウント「Machine Heart（id:almosthuman2014）」によるオリジナル翻訳です]

この著者の他の記事を読むにはここをクリックしてください