Алиса Лю завершила шестилетний PhD по NLP в University of Washington и прошла индустриальный job search на позиции Research Scientist / Member of Technical Staff. Результат — оффер в OpenAI, а сам процесс она задокументировала в подробном посте.
Масштаб и хронология
Цифры говорят сами за себя:
- 11 компаний, 57 технических интервью
- ещё 46 созвонов с рекрутерами и 16 post-offer чатов
- плюс неформальные нетворкинг-разговоры в течение всего поиска
Таймлайн она визуализировала по образцу поста Nathan Lambert: серые иконки — интервью, цветные кружки — исходы (включая «ghosted» и «withdrawn»).
Как зайти на первый интервью
Совет банальный, но рабочий: делай крутые вещи во время PhD, дружи с людьми, коллаборируй. Конкретные точки входа:
- конференции — заводи знакомства, а не только слушай доклады
- широкая коллаборация — соавторы в разных местах = потенциальные рефералы
- нетворкинг-ивенты — даже если социализация не твоё, нужен минимальный порог
- прямые сообщения людям внутри компаний, даже малознакомым
По её словам, значительная часть поиска — это воссоединение с людьми, с которыми не общался годами. Это нормально и даже приятно.
Типы интервью
Общий вывод: технические навыки оцениваются значительно больше, чем исследовательский бэкграунд — хотя бэкграунд помогает вообще попасть на собес.
-
ML coding — самый частый формат. Задачи: реализовать архитектуру, стратегию декодирования, классический ML-алгоритм или что-то совсем нестандартное. Нужно свободно владеть PyTorch; иногда просят писать на чистом
numpy(например, backward pass с нуля), но знание синтаксиса numpy специально не требуется. -
General coding — по сути LeetCode, иногда с ML-флёром. Сильные основы здесь важны, потому что концепции пересекаются с ML coding.
Тайминг офферов и переговоры
Общепринятый совет — использовать несколько компаний для «прогрева», а остальные процессы синхронизировать так, чтобы офферы пришли примерно одновременно для переговоров. Алиса в целом согласна, но добавляет нюансы:
- Стамина конечна. Не сжигай себя на практических компаниях — сил должно хватить на те, что важны.
- Внешние факторы важнее подготовки. Есть ли headcount, какие команды активно нанимают — это можно разузнать через рекрутеров и знакомых внутри.
- Дедлайны гибкие. Рекрутеры понимают, что у тебя параллельные процессы, и есть способы попросить больше времени. Но exploding offers существуют — всегда уточняй, сколько реально дают на подпись.
Ресурсы
В посте Алиса оставила ссылки на свой Notion с заметками по математике и LLM — всё это доступно на её странице вместе с полным разбором остальных этапов собесов.
Если ты в середине PhD и думаешь, что job search — это что-то вроде шляпы-сортировщика из Гарри Поттера (ушёл — вернулся с судьбой), то этот пост хорошо заземляет 🦆