Про изменение найма в рекомендательных системах🐸
Уже 2.5 года я занимаюсь рекомендательными системами и очень интересно наблюдать как меняестя найм за такое короткое время.
Вот немного временных отсечек:
Весна 2022
Работал в сбере в классическом мл и хочу менять работу. Хорошо рассказываю про бустинги, обрабтоку данных. В это время закончил первый семестр MADE и уверенно чувсвтую себя на собеседованиях по лайвкодингу и NLP.
По итогу 2 месяцев поиска работы и какого-то неимоверного количества собеседований получаю офферы в:
- ДомКлик - рекомендации
- Озон - рекомендации
- Еаптека - классический мл
- Яндекс - команда занималась рекламой вроде, деталей не помню, но помню, что лид не понравился и решил не рассматривать
При этом мои знания по рекомендательным системам около нуля😄
Сентябрь 2023
Уже накопил 1.5 года опыта работы с рекомендательными системами, уверенно себя чувствовал в около млопсовом направлении. И в целом искал вакансии по рексису. Вот что получилось через 2 месяца:
- WB - рекомендации + mlops
- Циан - классик мл
- Яндекс плюс - классик мл
- Дзен - рекомендации
- X5 - классический мл
- Rubbles - классический мл
Самое смешное, что про АЛС или как работает pairwise boosting я очень плохо знал и мое математическое понимание рекомендаций заканчивалось на map и ndcg. Важно заметить, что понимание устройства рексиса озона у меня было хорошее с точки зрения архитектуры, хоть я и не мог объяснить большую часть алгоритмов.
Здесь все секции по рекомендациям без проблем проходились, кроме Т-Банка. Там меня жестко разбомбили вопросами про архитектуру ALS, работу бустингов и нейро подходы. И там я понял, что мне еще очень много нужно выучить.
Декабрь 2024
Я не меняю работу, но мои ученики активно ходят по собеседованиям и вот, что я наблюдаю:
Намного жестче спрашивают про архитектуру рекомендаций. Спрашивают, что под капотом у разных методов, какие методы сам знаешь. Смотрят на то, насколько хорошо умеешь дизайнить рексис (это и раньше спрашивали, но поменьше)
И вакансий как будто стало сильно больше, чем раньше.
Видно что рынок рексиса растет и со временем критерии найма тоже растут. Будем смотреть, что будет дальше🙃
PS прикладываю таблички по компаниям, где проходил собесы в 2022 и 2023 годах
Раскатываем ML кабины
Уже 2.5 года я занимаюсь рекомендательными системами и очень интересно наблюдать как меняестя найм за такое короткое время.
Вот немного временных отсечек:
Весна 2022
Работал в сбере в классическом мл и хочу менять работу. Хорошо рассказываю про бустинги, обрабтоку данных. В это время закончил первый семестр MADE и уверенно чувсвтую себя на собеседованиях по лайвкодингу и NLP.
По итогу 2 месяцев поиска работы и какого-то неимоверного количества собеседований получаю офферы в:
- ДомКлик - рекомендации
- Озон - рекомендации
- Еаптека - классический мл
- Яндекс - команда занималась рекламой вроде, деталей не помню, но помню, что лид не понравился и решил не рассматривать
При этом мои знания по рекомендательным системам около нуля😄
Сентябрь 2023
Уже накопил 1.5 года опыта работы с рекомендательными системами, уверенно себя чувствовал в около млопсовом направлении. И в целом искал вакансии по рексису. Вот что получилось через 2 месяца:
- WB - рекомендации + mlops
- Циан - классик мл
- Яндекс плюс - классик мл
- Дзен - рекомендации
- X5 - классический мл
- Rubbles - классический мл
Самое смешное, что про АЛС или как работает pairwise boosting я очень плохо знал и мое математическое понимание рекомендаций заканчивалось на map и ndcg. Важно заметить, что понимание устройства рексиса озона у меня было хорошее с точки зрения архитектуры, хоть я и не мог объяснить большую часть алгоритмов.
Здесь все секции по рекомендациям без проблем проходились, кроме Т-Банка. Там меня жестко разбомбили вопросами про архитектуру ALS, работу бустингов и нейро подходы. И там я понял, что мне еще очень много нужно выучить.
Декабрь 2024
Я не меняю работу, но мои ученики активно ходят по собеседованиям и вот, что я наблюдаю:
Намного жестче спрашивают про архитектуру рекомендаций. Спрашивают, что под капотом у разных методов, какие методы сам знаешь. Смотрят на то, насколько хорошо умеешь дизайнить рексис (это и раньше спрашивали, но поменьше)
И вакансий как будто стало сильно больше, чем раньше.
Видно что рынок рексиса растет и со временем критерии найма тоже растут. Будем смотреть, что будет дальше🙃
PS прикладываю таблички по компаниям, где проходил собесы в 2022 и 2023 годах
Раскатываем ML кабины
tgoop.com/ml_cabin_destroyers/13
Create:
Last Update:
Last Update:
Про изменение найма в рекомендательных системах🐸
Уже 2.5 года я занимаюсь рекомендательными системами и очень интересно наблюдать как меняестя найм за такое короткое время.
Вот немного временных отсечек:
Весна 2022
Работал в сбере в классическом мл и хочу менять работу. Хорошо рассказываю про бустинги, обрабтоку данных. В это время закончил первый семестр MADE и уверенно чувсвтую себя на собеседованиях по лайвкодингу и NLP.
По итогу 2 месяцев поиска работы и какого-то неимоверного количества собеседований получаю офферы в:
- ДомКлик - рекомендации
- Озон - рекомендации
- Еаптека - классический мл
- Яндекс - команда занималась рекламой вроде, деталей не помню, но помню, что лид не понравился и решил не рассматривать
При этом мои знания по рекомендательным системам около нуля😄
Сентябрь 2023
Уже накопил 1.5 года опыта работы с рекомендательными системами, уверенно себя чувствовал в около млопсовом направлении. И в целом искал вакансии по рексису. Вот что получилось через 2 месяца:
- WB - рекомендации + mlops
- Циан - классик мл
- Яндекс плюс - классик мл
- Дзен - рекомендации
- X5 - классический мл
- Rubbles - классический мл
Самое смешное, что про АЛС или как работает pairwise boosting я очень плохо знал и мое математическое понимание рекомендаций заканчивалось на map и ndcg. Важно заметить, что понимание устройства рексиса озона у меня было хорошее с точки зрения архитектуры, хоть я и не мог объяснить большую часть алгоритмов.
Здесь все секции по рекомендациям без проблем проходились, кроме Т-Банка. Там меня жестко разбомбили вопросами про архитектуру ALS, работу бустингов и нейро подходы. И там я понял, что мне еще очень много нужно выучить.
Декабрь 2024
Я не меняю работу, но мои ученики активно ходят по собеседованиям и вот, что я наблюдаю:
Намного жестче спрашивают про архитектуру рекомендаций. Спрашивают, что под капотом у разных методов, какие методы сам знаешь. Смотрят на то, насколько хорошо умеешь дизайнить рексис (это и раньше спрашивали, но поменьше)
И вакансий как будто стало сильно больше, чем раньше.
Видно что рынок рексиса растет и со временем критерии найма тоже растут. Будем смотреть, что будет дальше🙃
PS прикладываю таблички по компаниям, где проходил собесы в 2022 и 2023 годах
Раскатываем ML кабины
Уже 2.5 года я занимаюсь рекомендательными системами и очень интересно наблюдать как меняестя найм за такое короткое время.
Вот немного временных отсечек:
Весна 2022
Работал в сбере в классическом мл и хочу менять работу. Хорошо рассказываю про бустинги, обрабтоку данных. В это время закончил первый семестр MADE и уверенно чувсвтую себя на собеседованиях по лайвкодингу и NLP.
По итогу 2 месяцев поиска работы и какого-то неимоверного количества собеседований получаю офферы в:
- ДомКлик - рекомендации
- Озон - рекомендации
- Еаптека - классический мл
- Яндекс - команда занималась рекламой вроде, деталей не помню, но помню, что лид не понравился и решил не рассматривать
При этом мои знания по рекомендательным системам около нуля😄
Сентябрь 2023
Уже накопил 1.5 года опыта работы с рекомендательными системами, уверенно себя чувствовал в около млопсовом направлении. И в целом искал вакансии по рексису. Вот что получилось через 2 месяца:
- WB - рекомендации + mlops
- Циан - классик мл
- Яндекс плюс - классик мл
- Дзен - рекомендации
- X5 - классический мл
- Rubbles - классический мл
Самое смешное, что про АЛС или как работает pairwise boosting я очень плохо знал и мое математическое понимание рекомендаций заканчивалось на map и ndcg. Важно заметить, что понимание устройства рексиса озона у меня было хорошее с точки зрения архитектуры, хоть я и не мог объяснить большую часть алгоритмов.
Здесь все секции по рекомендациям без проблем проходились, кроме Т-Банка. Там меня жестко разбомбили вопросами про архитектуру ALS, работу бустингов и нейро подходы. И там я понял, что мне еще очень много нужно выучить.
Декабрь 2024
Я не меняю работу, но мои ученики активно ходят по собеседованиям и вот, что я наблюдаю:
Намного жестче спрашивают про архитектуру рекомендаций. Спрашивают, что под капотом у разных методов, какие методы сам знаешь. Смотрят на то, насколько хорошо умеешь дизайнить рексис (это и раньше спрашивали, но поменьше)
И вакансий как будто стало сильно больше, чем раньше.
Видно что рынок рексиса растет и со временем критерии найма тоже растут. Будем смотреть, что будет дальше🙃
PS прикладываю таблички по компаниям, где проходил собесы в 2022 и 2023 годах
Раскатываем ML кабины
BY Раскатываем ML кабины
Share with your friend now:
tgoop.com/ml_cabin_destroyers/13