Research Intern в Гугле, p.1
Durasov Nikita
История сложилась так, что в 2019 году я уже успел закончить бакалавриат МФТИ, но за время своей учебы так и не попал на стажировки в условный FAANG или около того (во многом из-за того, что не подавался).
Многие мои знакомые студенты из Москвы и Питера очень круто отзывались о своих стажировках, поэтому осенью 2019 я все же нашел время и сверстал все нужные бумажки (CV, транскрипты и etc) и зааплаился на research стажировку в гугле на лето 2020.
На данный момент я успел пройти собеседования и жду фидбека от HR, что должно занять несколько недель, но по моим ощущениям пока что все шло довольно хорошо.
Так как неочевидно, кто этот текст будет читать, то тут я хочу более-менее подробно описать, как весь этот процесс проходил, как выглядили собеседования и etc.
Что такое research стажировки
Многие знают, что в FAANG есть программы стажировок по куче разных направлений и довольно много вакансий для ньюградов (первое что нашел для гугла), где можно найти некоторое количество вакансий и на research.
Это исключительно мои субъективные ощущения, но народ все таки намного чаще подается на SWE стажировки, поэтому найти информацию про Research Intern позиции немного сложнее, что в этой пасте я попробую исправить.
Для начала стоит отметить, что они есть очень много где:
Если чекнуть ссылки выше, то в глаза сразу бросается (пример для DeepMind)
Enrolled in a PhD programme where your core focus is on machine learning, artificial intelligence or computational theory or a related field
Have proven research capability in a DeepMind relevant field of research (eg. Computer Science, Computational Neuroscience, Machine Learning etc)
То есть от кандидата сразу ожидается, что он сейчас учится в аспирантуре (хотя для того же гугла masters тоже пойдет - пруфлинк и в самой вакансии это написано) и у него есть какой-то track record, который подтверждает, что он может в research.
Сразу стоит отметить, что для эйчаров не все университеты равнозначны, поэтому первое условие это не просто галочка есть/нет. Как показывает практика, то если твой университет входит в топы и вообще на слуху, то жизнь может немного упроститься, хотя если ты сможешь пройти скрининг и так, то особой разницы может и не быть.
Под track record можно понимать много всяких вещей, но в самом простом случае это будут статьи на нормальных (необязательно NIPS, CVPR, ICML и etc.) конференциях и релевантный опыт работы в ресерче. Так же может играть роль каким автором статьи были засабмичены, поэтому если есть статьи, где ты первый - это еще один плюс в копилку.
Как по мне, то описание вакансии на research максимально размытое и из него трудно понять, что люди там реально делают, но судя по опыту знакомых в других местах, то работа довольно стандартная для ресерча: проводишь эксперименты и пытаешься придумать что-то потенциально публикуемое.
Но не стоит думать, что ресерч это только про статьи - некоторые проекты носят вполне утилитарный характер и направлены на улучшение работы сервисов гугла, а некоторые изначально заделываются на произведение Вау-эффекта.
Процесс подачи и интервью
Screening
Собственно, если говорить про процесс подачи на Research Intern позицию в гугле, то все довольно сильно похоже на все остальные вакансии:
- верстаем себе CV (обычно для таких дел можно пользоваться overleaf-ом)
- заполняем всякие поля для заявки
- подгружаем свой транскрипт (причем необязательно официальный)
Я подавался с рефером НЕ из research, поэтому не надо думать, что нужен рефер именно оттуда. Даты открытия вакансий тоже достаточно близко совпадают с SWE (~октябрь) и могут закрываться в декабре-феврале.
Через какое-то время приходит ответ от HR и вы вместе (не)-продолжаете этот занимательный процесс:
Для меня время между подачей и ответом от HR заняло около недели, хотя обычно может пройти и немного больше. Если получилось дойти до этого этапа, то дальше начинается часть с собеседованиями.
Technical и Research focused собеседования
Процесс интервью состоит из двух собеседований: технического и ресерч (хотя где-то на глассдоре я видел, что какое-то время назад было два ресерч).
Tехническое собеседование
Никак не отличается от технических собеседований на другие позиции: на 45 минут ты созваниваешься с интервьюером и решаешь алгоритмические задачи на любом языке.
Если признаться честно, то я ожидал более сложных задач (из-за всей этой шумихи по поводу того, как сложно попасть в гугл). Я не имею какого-то большого опыта в олимпиадном программировании и не решаю в свое свободное время задачи, но даже для меня задачи были вполне решаемые.
Нужно было понимание базовых структур данных (массивы, списки, кучи и etc.) и algorithmical thinking, никто не будет просить вас написать что-то сложное. Я слышал популярное мнение о том, что на таких собеседования дают leetcode medium, но мне видимо повезло и это было что-то близкое к easy.
Основной сложностью было то, что решения надо было сразу писать в гуглдок и сильно думать времени не было. В целом, ничего страшного в этом собесе нет и вообще он проходит довольно приятно.
Research focused собеседование
Перед этим собеседованием с тебя просят написать твои research areas, чтобы подобрать правильного человека (один собес мне так перенесли потому, что человек перепутал мои research areas и пришлось искать другого). В итоге, это собеседование мне переносили три раза, потому что мой интервьюер был недоступен по разным причинам.
В целом все проходит как и на техническом собеседовании: 45 минут разговариваешь с интервьюером за жизнь и объясняешь какие-то вещи из своих статей или работы. У меня интервьюер работает Research Engineer в Google Brain и занимается там некоторыми исследованиями в RL (собствено, мне выпал шанс спросить у человека, где у себя гугл использует RL - по его словам, сложные модели только в статьях, простые в рекомендациях и поиске).
Приятным сюрпризом был тот факт, что мой интервьюер даже просмотрел мои статьи и задавал по ним вопросы и вообще всячески проявлял интерес. Плюсом тут были вопросы из разряда того, какие есть идеи по улучшению подходов из моих статей и по общему раскрытию тем моего ресерча.
Кроме этого, во время собеседования еще задают более технические вопросы. Например, меня спросили про то, как бы я реализовал некоторую фичу из сервиса карт - вопрос скорее не про алгритмы и архитектуру, а про то, как к этой фиче прикрутить ML и чтобы все хорошо работало.
Как раз эта часть заняла большую часть времени, потому что интервьюер постоянно придумывал новые вопросы и вводил новые ограничения к задаче, поэтому подумать было над чем. В целом, задача ставилась довольно свободно, поэтому тут не было однозначного решения и можно было решать как хочешь.
---------------
В принципе, на этом собеседования закончились. В целом от них у меня остались приятные впечатления, потому что все было очень адекватно и никаких ощущений из разряда "я слишком тупой для этого" я не испытал.
Сейчас я продолжаю ждать решения от HR и дальше будет либо матчинг, либо мне дадут еще один собес, либо на этот год мое общение с гуглом прекратится.
Если все пройдет хорошо, то в следующих частях я напишу о дальнейших этапах моей активности с гугловыми стажировками.
Мои контакты:
TG: @nikita_orange
Мой канал: @phdnikita