Ana Sayfa
AI AI
Flaş
Derinlik
Etkinlikler
BlockBeats Pro
Daha Fazla
Finans
Özel
Blok Zinciri Ekosistemi
Giriş
Podkastlar
Veri
OPRR
#
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Partnered With:

57 mülakattan OpenAI teklifine: Bir NLP doktorasının iş arama süreci değerlendirmesi viral oldu

Bu makaleyi okumak için 12 Dakika
6 yıl, 57 mülakat: Maaş pazarlığı, soru çözmekten daha zor.
Orijinal Başlık: "57 Mülakat ve OpenAI Teklifi: Bir NLP Doktorasının En İyi AI Şirketlerinde İş Arama Sürecinin Analizi"
Orijinal Kaynak: Machine Heart


Bugün, Washington Üniversitesi'nden mezun olacak doktora öğrencisi Alisa Liu'nun OpenAI'e katılacağı haberi X'te trend oldu.


Ana gönderi milyonlarca kez görüntülendi. İş arama sürecinin beklediğinden daha zorlu olduğunu ancak aynı zamanda çok şey kazandırdığını söyledi.


Bu yüzden küçük bir blog yazısı yazarak bu süreçte öğrendiği dersleri paylaştı ve bu süreçten geçecek bir sonraki kişinin daha az kafa karışıklığı yaşamasını umduğunu belirtti.



Eğer doktora yapıyorsanız veya iş arama yoluna girecekseniz, bu yazıyı dikkatlice okumaya değer. Alisa Liu'nun araştırması, tokenization, veri oluşturma ve çıkarım sırasında uyum sağlama gibi alanlarda dil modelleri için daha iyi algoritmalar geliştirmeyi hedefliyor. Mezun olduktan sonra, birçok önde gelen AI şirketinden Research Scientist / MTS teklifi aldı.


Bu nedenle, tüm iş arama sürecini bir analiz olarak yazdı ve hiçbir şeyi saklamadı; kendisini çökerten anlar da dahil. Blogun başında, doktora süresince iş aramanın kafasında Hogwarts'ın Seçmen Şapkası gibi olduğunu yazdı: Üst sınıflardaki öğrenciler aylarca kaybolur, tekrar ortaya çıktıklarında kaderleri belirlenmiş olur. Nereye gittiklerini biliyordu ama arada neler olduğu hakkında neredeyse hiçbir şey bilmiyordu.


Sıra kendisine gelene kadar bu sürecin tahmin ettiğinden çok daha acımasız olduğunu fark etmedi ve sürekli "kuralları öğrenirken aynı anda oyun oynuyordu." Bu yazı, henüz başlamamış olanlar için yazdığı bir şey.


Blog adresi:
https://alisawuffles.github.io/blog/job-search/


6 yıllık NLP doktorası, Research Scientist ve Member of Technical Staff pozisyonlarına başvurdu. Tüm iş arama sürecinde 11 şirketin mülakat sürecine katıldı, 57 resmi mülakat tamamladı, 46 işe alım görüşmesi yaptı, teklif aldıktan sonra 16 derinlemesine görüşme daha gerçekleştirdi ve sayısız resmi olmayan networking konuşması yaptı.


Birkaç şirket ona istediği teklifi verdi ve diğer süreçleri kendi isteğiyle geri çekti; bazı şirketlerden ise bir daha hiç yanıt gelmedi.



"Pratik yapmak" karmaşık bir konu


Mülakat sırasıyla ilgili en yaygın öneri şudur: Önce pek önemsemediğiniz birkaç şirkette pratik yapın, ardından gerçekten gitmek istediğiniz şirketlere odaklanın, teklifleri aynı anda almaya çalışın ki maaş pazarlığında avantajlı olun.


Bu mantık genel olarak doğru, ancak uygulamada işlerin bundan daha karmaşık olduğunu gördü.


Öncelikle, enerji sınırlıdır. Pratik yapmak faydalıdır, ancak ilk birkaç şirketi "yem" olarak kullanıp kendinizi tüketirseniz, sıra gerçekten gitmek istediğiniz yere geldiğinde performansınız düşmüş olur.


İkincisi, mülakatların zamanlaması tamamen sizin kontrolünüzde değildir. Bir şirketin işe alım kotası olup olmadığı, hangi ekibin aktif olarak eleman aradığı gibi dış faktörler, sizin "hazırlık seviyenizden" çok daha etkilidir. Bu konuları şirketteki arkadaşlarınız veya işe alım ekibi aracılığıyla önceden araştırabilirsiniz.


Üçüncüsü, tekliflerin son başvuru tarihleri genellikle düşündüğünüzden daha esnektir. İşe alım ekipleri, birden fazla süreci aynı anda yürüttüğünüzü bilir ve genellikle size uyum sağlar. Ancak şu uyarıyı da yapıyor: Çok kısa bir imza süresi veren "patlayıcı teklifler" de mevcuttur; bu nedenle oyunun kurallarını önceden mutlaka öğrenin.


Yedi tür mülakat, tamamen farklı şeyleri ölçer


Deneyimlediği tüm mülakatları yedi türe ayırdı ve özellikle vurguladı: Genel olarak, teknik yeteneklerin değerlendirilmesi, araştırma geçmişinizden çok daha önemlidir. Elbette, araştırma geçmişiniz mülakata çağrılmanızın sebebi olabilir.


En sık karşılaşılan, ML kod sorularıdır. Sorular, Transformer gibi klasik bir mimariyi uygulamak, beam search gibi bir kod çözme stratejisini uygulamak, geleneksel ML algoritmaları veya çok yaratıcı varyantlar olabilir. PyTorch, mutlaka iyi bilinmesi gereken bir araçtır. Bazen sadece numpy kullanmasına izin verilen durumlar da oldu, örneğin sıfırdan elle geri yayılım yazmak gibi, ancak mülakatçı tüm numpy sözdizimini önceden bilmesini beklemiyor.


Ardından genel algoritma soruları gelir, yani LeetCode tarzı, bazen bir senaryo ile süslenmiş. Bu kısmın temel mantığının ML kod sorularıyla büyük ölçüde örtüştüğünü, sağlam bir temelin her iki tür soruda da fayda sağlayacağını belirtti.


Teknik tartışmalar, kod yazmadan ama zihni çok yoran bir türdür. Bazen tüm mülakat tek bir soru etrafında döner: Size bir araştırma hedefi verilir, siz bir deney tasarlarsınız, mülakatçı tasarım kararlarınızı sorgular, size varsayımsal sonuçlar verir, bunları analiz etmenizi ve bir sonraki adımı tasarlamanızı ister – bu, düşünce tarzınızı ölçer. Diğer bir biçim ise, hızlıca bir dizi soru sormaktır, örneğin "Pozisyon kodlamasının farklı uygulama yöntemleri nelerdir?", "5D paralellik nedir?", "PPO ve GRPO arasındaki fark nedir?" gibi, kısa sürede bilgi genişliğinizi ölçmek için.


Araştırma deneyimi tartışmaları, PhD günlük eğitimine en yakın olan türdür ve genellikle "üzerinde çalıştığın bir projeyi anlat" ile başlar, ardından bu konu derinlemesine işlenir. Mülakatı yapan kişi ayrıca özgeçmişteki diğer makaleler hakkında da soru sorabilir. Bu tür bir mülakata hazırlanırken, araştırmasına bilinçli olarak daha yüksek bir perspektiften bakar—neden bu konuyu seçtiği, süreçte hangi benzersiz yargıları geliştirdiği ve gelecekteki en değerli yönlerin neler olduğu gibi. Ayrıca, farklı şirketlerin yönelimlerine göre araştırma sunumunun açısını ayarlar. Kendi sözleriyle: "Mülakatçılar çok yorgun, onların hızlıca 'senin geçmişin bizim ihtiyaçlarımızla mükemmel uyuşuyor' hissine kapılmasını sağlamak her şeyden daha önemli."


Davranışsal mülakat, tek büyük başarısızlık yaşadığı türdü. İlk davranışsal mülakatını hiç ciddiye almadığını, "açıkça doğru davranışa sahip olduğunu" düşündüğünü, ancak en temel sorular sorulduğunda beyninin bomboş kaldığını ve o an bulanık anıları bir araya getirmek zorunda kaldığını söylüyor.


Mülakat sonunda, mülakatçı onu rahatsız eden bir şey söyledi: "Soruma cevap vermedin." Yazısında, bu acının benzersiz olduğunu belirtiyor—aynı anda hafızayı tarıyor, düşünceleri düzenliyor ve konuşuyorsunuz ve üçünü de başaramıyorsunuz. Doğru yöntem, PhD süresince anlatmaya değer tüm hikayeleri önceden derlemek, bunları yaygın davranışsal soru çerçevelerine göre eşlemek ve sorulduğunda doğrudan çıkarmaktır.


Matematik mülakatı bazı şirketlerde bulunur ve zorluk seviyesi eğlenceli mantık sorularından, kağıt kalemle türetme gerektiren ciddi hesaplama problemlerine kadar değişir. Olasılık teorisi, lineer cebir ve kalkülüsü tekrar gözden geçirmeyi öneriyor.


Son olarak Job Talk, akademik versiyonuna kıyasla daha kısa ve daha odaklı. Onun job talk'ı tokenization etrafında şekilleniyor, ağırlıklı olarak birinci yazar olduğu bir makaleyi derinlemesine ele alıyor, bunu birkaç ikinci yazar makalesi ve devam eden çalışmalarla destekliyor ve içerik tam bir anlatı çizgisi oluşturacak şekilde birbirine bağlanıyor.


Hazırlıkta kestirme yol yok


Ciddi bir şekilde çalışmaktan daha değerli bir zaman yatırımı olmadığını belirtiyor. Bu deneyimi lisans yıllarına dönmeye benzetiyor: not almak, çizim yapmak, soru çözmek, bütün gün kafelerde oturup ML temellerini baştan türetmek. İş arama süreci boyunca güncellediği özel bir LLM notu hazırladı; ayrıca belirli bir mülakat için son anda yetiştirdiği bir matematik notu yaptı.


Hazırlık yolu kabaca şöyle: Önce Stanford'un "Language Modeling from Scratch" dersinin tamamını baştan izleyerek kafasındaki dağınık bilgi parçalarını bütün bir haritaya dönüştürdü. Temeli sağlamlaştırdıktan sonra, bloglar ve makaleler okuyarak, AI ile yoğun diyaloglar kurarak ve sıfırdan kendi el yazılımını yaparak belirli kavramları derinlemesine işledi ve gerçekten anladı.


Özellikle Transformer'ın uygulanmasını vurguladı: "Bir Transformer'ı sıfırdan uygulayıp hata ayıklayabilmek, mülakatlarda o kadar sık karşılaşılan bir durum ki, bunu kas hafızası haline getirecek kadar pratik yapmaya değer. Burada kesinlikle puan kaybetmemelisiniz."


Ayrıca şu uyarıda bulundu: Pratik yaparken, gerçek mülakat ortamını simüle etmek için AI yardımcı araçlarını tamamen kapatmalısınız. Yapay zekaya ne kadar bağımlı olduğunuzu ciddi şekilde hafife alıyorsunuz; bunu ancak sorunları bağımsız çözmek zorunda kaldığınızda fark edeceksiniz.


Her bir mülakat için ayrı ayrı hazırlanıyor: "Tıpkı daha önce hiç ders almadığınız bir matematik veya bilgisayar bilimi dersi gibi; vize sınavına yaklaşık üç gün kalmış ve son anda çalışmanız gerekiyor." Mülakat açıklaması, şirketin teknik yönelimi, işe alım ekibinin ipuçları ve şirketin itibarına dayanarak mülakatın kapsamını değerlendiriyor ve ardından en alakalı konulara odaklanıyor.


Sınav öncesi durumla ilgili olarak, pahalıya mal olan bir dersi var: İlk teknik mülakattan önce sadece iki saat uyudu ve bütün geceyi LLM Inference'ın detaylarını gözden geçirerek geçirdi. Sonuçta bu bilgilerin hiçbiri sorulmadı, aksine yorgunluktan basit bir off-by-one hatasında tam on dakika takılı kaldı çünkü "beynim hiç çalışmıyordu." Sonuç: Yeterli uyku, son dakika yapılan herhangi bir geçici çalışmadan daha önemlidir.


Ayrıca beklemediği bir kazanımdan bahsetti: Yoğun hazırlık, özgüvenini önemli ölçüde artırdı; artık bilgi boşluklarının ortaya çıkmasından korkmuyor ve akademik sohbetlerde saklanmasına gerek kalmıyor. Hatta doktora aşamasında bu hazırlıkları daha erken yapmış olsaydı, keşfedebileceği sorun alanlarının daha geniş olacağını, aklına daha fazla fikir geleceğini ve insanlarla daha fazla konuşma başlatacağını söyledi.


İş teklifini almak sadece başlangıç


Birçok kişi iş teklifini almanın her şeyin bittiği anlamına geldiğini düşünür. O ise tam tersini söylüyor.


Bundan sonra oldukça uzun sürebilecek bir dönem gelir: Gelecekteki takım arkadaşlarınız ve yöneticinizle derinlemesine sohbetler yapmaya, şirkette yemek yemeye, işe alım ekiplerinden gelen telefonları yanıtlamaya ve gelen kutunuzdaki e-postaları halletmeye devam edersiniz – bu aşamada bazı e-postalara cevap veremediğini itiraf etti.


Maaş pazarlığı bu aşamanın en kritik konusu ve onun için en zor olanı: "Biz doktoralılar buna hiç hazırlıklı değiliz ve bu, mülakat gibi değil; soru çözerek üstesinden gelemezsiniz. İşe alım ekipleri, piyasa bilgisi ve müzakere becerileri konusunda sizden avantajlıdır ve herkesin istediği şey farklıdır."


Ama pazarlık yapmamak yanlıştır. İlk teklif zaten müzakere için alan bırakır; birden fazla işe alım görevlisi ona doğrudan şunu söyledi: "İlk teklifimizi kabul etmenizi beklemiyorum." Bu birkaç haftaya ciddi şekilde yatırım yapmak, aslında ilk teklifle yıllarca çalışmaktan elde edilecek gelir farkına eşit olabilir.


Spesifik olarak şöyle yapıyordu: Her işe alım görüşmesi öncesinde, neyi paylaşmak istediğini, neyi paylaşmak istemediğini ve doğrudan ezberleyebileceği bazı ifadeleri yazıyordu. Karşı tarafın sorabileceği soruları ve argümanları önceden tahmin edip, rahat bir şekilde pozisyonunu koruyabilmesi için yanıt stratejileri geliştiriyordu. Bu süreç zaman alıcıydı, ancak her ayrıntı ciddiye alınmayı hak ediyordu.


Kimsenin Söylemediği Kısımlar


Yazının sonuna doğru şu paragrafı yazmıştı ve bunu herkese eksiksiz aktarmak gerekiyor: "İş arama sürecinde sürekli olarak yoğun duygular yönetiyordu. Akranlarıyla kıyaslama yapmak çok zordu ve neredeyse kaçınılmazdı. Çevrendeki insanlar aniden seçimlerine aşırı ilgi göstermeye başlıyor, her türlü tavsiye ve beklentiyle dolu oluyor; bu sosyal baskı başlı başına yorucuydu. Daha da kötüsü, son derece eksik bilgilerle hayatını etkileyecek büyük kararlar almak zorundaydın ve birçok küçük görünen seçimin – örneğin önce kiminle iletişime geçeceğin – standart bir cevabı yoktu, ancak orantısız bir etki yaratabiliyordu."


O aylar boyunca sürekli çöküşün eşiğindeydi ve hayatının diğer yönleri neredeyse durma noktasına gelmişti. "Umarım benden daha fazla keyif alırsın. Olmazsa, en azından yalnız olmadığını bil."


Son Olarak Söylemek İstedikleri


Son olarak, PhD'nin kendisi hakkında bazı şeyler söyledi; bunlar belki de yazının en iyi kısmıydı.


Doktorayı bitirmek için dörtnala koşup sona ulaştığında, büyük bir kayıp hissi yaşadı. Doktora özel bir dönemdir; tek sorumluluğun iyi fikirler üretmek, onları uygulamak, öğrenmek ve büyümektir; hemen geçim derdine düşmek zorunda değilsindir.


Bu yazının, gelecekle yüzleşirken biraz daha az kafa karışıklığı yaşamanı sağlamasını ve aynı zamanda kaygı yüzünden şimdiki zamanı erken tüketmemen gerektiğini hatırlatmasını umuyor. Yol boyunca, en iyi işlerinin çoğunun, araştırmadan gerçekten keyif aldığı ve bir sorun tarafından tekrar tekrar cezbedildiği zamanlarda ortaya çıktığını giderek daha net fark etti. Geleceğe hazırlıklı olmak ve şimdiki ana sevgiyle bağlı kalmak – bu iki şey aslında aynı anda var olabilir.


Orijinal Bağlantı


BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia

Kütüphane Seç
Kütüphane Ekle
İptal
Tamamla
Kütüphane Ekle
Sadece kendime görünür
Herkese Açık
Kaydet
Düzeltme/Rapor
Gönder