技術系の職種に応募する
Apply to technical positions.
STEM内では、性別の格差が依然存在していることは秘密ではありません。近年わずかな増加は見られましたが、イギリスのSTEM労働力全体では女性の割合は約四分の一に過ぎません。理由は様々ですが、多くの女性が代表的な機会や情報の欠如によって抑制されていると報告しています。
STEM内の格差を埋めることは簡単な解決策ではなく、業界全体の共同努力が必要です。Women in Machine Learning（WiML）などの様々な組織は、女性の成功を強調する包括的な環境を作り出すために積極的に取り組んでいます。また、STEMで働くことについてより詳しく知りたいと思っている多くの女性にとって重要な情報提供源でもあります。
そのため、今年の国際女性エンジニアリングデーでは、WiMLコミュニティに技術面接に関する最も一般的な質問を共有してもらいました。そして彼らの視点を共有し、DeepMindで働く実際の体験について話し合うために、Mihaela Rosca（研究エンジニア）、Feryal Behbahani（研究科学者）、Kate Parkyn（リクルートメントリード-研究およびエンジニアリング）を招集しました。
業界の役割に応募する準備ができているかどうか、どうやって判断すればいいですか？
Mihaela: 自己疑念を抱くことや、自分が分野のポジションに不十分に感じることは珍しいことではありません。完璧なタイミングで応募することは決してなく、自分にはまだ学ぶべきことがたくさんあると自分を説得することも簡単ですが、それは応募の決断においては阻害要因になるべきではありません。
もちろん、適切なスキルセットは応募する具体的な役割によって異なるでしょうが、機械学習研究の将来に取り組みたいと思っている場合は、研究論文を読み、最先端のアルゴリズムを実装する準備ができていると言えます…ですから、応募してみてください！
興味がある方は、当社の研究部門やエンジニアリングチームについて詳しく学びましょう。
採用において最も重要なメトリクスは何ですか？論文の発表、GPA、業界の経験？
Kate: 当社では様々な役割に採用を行っているため、重視する品質も異なります。
私たちが行う研究科学者の採用の大部分は博士号取得後のレベルですので、論文の発表には過度に重点を置いていません。また、学位の取得やGPAに特定のマーカーを持っていません。経験に関しては、候補者の過去のインターンシップや業界のボランティア経験について常に興味を持っています。私たちは「研究」だけでなく、実装、エンジニアリング、応用においても能力を証明することを求めます。候補者のポテンシャルを見る際には、サイドプロジェクトやオープンソースへの貢献も素晴らしいですので、GitHubやサイドプロジェクト、コードへのリンクを自由に追加してください。
研究エンジニアにとっては、役割は研究の一環とエンジニアリングの一環であることを覚えておくことが重要です。理論を計算上の形に具現化することが好きな人を常に探しています。
ソフトウェアエンジニアにとっては、問題と解決策を明確に伝える能力が重要です。DeepMindのソフトウェアエンジニアは、曖昧な問題に取り組むことがよくあり、それにはエンジニアリングの複雑さが潜んでいます。類似のプロジェクトでの作業や研究の加速、ツールを活用した研究の補完の経験の証拠が重要です。
成功する履歴書を作成するためのヒントはありますか？
Kate: 完璧なCVまたは履歴書を作成することは大変な仕事です。幸いにも、あなたがその仕事を終わらせるのに役立つ無数のリソースが存在します。シンプルにするために、以下のポイントに焦点を当てることをおすすめします：
- 2ページ程度に抑える
- 追加情報を含める[プログラミング言語、協会、受賞、ボランティア活動]
- フォントとフォーマットを一貫させる
- 文章を読んで何度も確認する−スペルと文法のチェックを忘れずに
- 関連する技術スキルを追加する[プログラミング言語/ライブラリ]
- 個人のGitHub/LinkedIn/ポートフォリオにリンクを貼る
プロフェッショナルな成長に役立つリソースをおすすめできますか？
Feryal: 機械学習のスキルを学び、開発するための多種多様なリソースが利用可能です。これには、YouTubeの無料の入門コース（例：Nando de FreitasによるDeep Learningのコース、David Silverによる強化学習のコース、DeepMind x UCL Lecture Series）、特定の技術についての概要を提供するブログ記事（例：Distill）や、より高度な機械学習の学会の論文（例：NeurIPS、ICML、ICLR）などが含まれます。
また、MLSSやDLRLSSなどの夏期学校もいくつかあります。これらの学校は、この分野の著名な専門家から学びたいと思っている学生や専門家を支援するものです。夏期学校の多くは、以前の年のビデオや実践的な演習も提供しており、自分のペースで学ぶための優れたリソースとなることがあります。
また、Women in Machine Learning（WiML）のような組織もあります。これらの組織は、この分野で活躍する女性が技術的な自信と声を築き、その成果を広く社会にアピールするのをサポートしています。
面接過程では何を期待できますか？
Feryal: DeepMindの面接過程は、応募している具体的な役割によって異なる場合があります。私の経験では、研究科学者の役割に応募する際の面接過程は、次の4つのフェーズで構成されます：
フェーズ1 – 採用チームとの初期の対話
このフェーズでは、バックグラウンド、経験、応募の動機、将来の計画について話し合います。この段階では、役割や面接過程について質問する機会もあります。
フェーズ2 – 技術面接
このフェーズでは、いくつかのセッションが行われます。コンピュータサイエンス、統計学、数学、機械学習の幅広いトピックをカバーする技術クイズも含まれます。このセッションでは、幅広く復習することが重要です！また、コーディング面接もあり、[選んだ言語]でいくつかの質問や特定の問題を解決することが目標です。
フェーズ3 – 研究面接
このフェーズでは、短い時間（約30分）の研究者やリードとの複数の面接が行われます。研究のバックグラウンドや興味について話し合う機会があります。ここでは、自分の研究について話す機会があります。これにより、面接官はあなたの総合的な研究方向についてより良い理解を得ることができます。この時点で、フィールドの技術的な理解を示し、自分自身の成果や研究アイデアを積極的に提案してみてください。必ずしも必要ではありませんが、DeepMindチームが最近発表した論文を読んで、自分の強みをより明確にすることをおすすめします！
フェーズ4 – 文化面接
面接過程の終盤では、再び採用チームと連絡を取り、DeepMindの文化とミッションについて話し合います。DeepMindのミッションについて調べ、自分のキャリアの目標をどのように組み込むか考えることをおすすめします。
DeepMindの技術面接において、研究スキル/知識とコーディング能力のどれだけの重要性が置かれていますか？技術面接の準備はどのようにしましたか？
Mihaela: 機械学習の研究を行うためには、多様性が求められるため、面接過程ではコーディングと研究スキルの評価が比較的均等に行われます。最初の段階では、数学、統計学、機械学習、コンピュータサイエンスの知識に焦点が当てられますが、後の段階ではコーディングに焦点が当てられます。面接過程全体を通じて、面接官は問題解決能力を評価しようとしているため、コミュニケーションに集中し、回答を説明することに重点を置いてください。
私自身の面接では、大学の講義のノートを復習しました。統計学の授業も受けていたため、それも復習しました。当時は強化学習についてあまり知識がなかったため、追加の研究を行い、David SilverのUCLの講義を視聴しました。コーディング面接では、Pythonを選びました。準備とスピードを高めるために、統合開発環境（IDE）やお気に入りのエディタは使わず、シンプルなテキストエディタだけを使っていくつかのコーディングの問題を解決しました。
研究エンジニアは研究プロジェクトをリードすることができますか？
Mihaela: もちろんです！DeepMindや他の場所での研究エンジニアは、さまざまな規模のプロジェクトをリードすることもあります。彼らは学会論文の第一著者としてリードすることもありますし、さまざまな規模のグループや複数ヶ月にわたる大規模なチームの取り組みにも関与することができます。
たくさんの例がありますが、以下にいくつか示します：AlphaZero、生成モデリングを使用した強化学習の探索の改善、およびReverbなどのコアライブラリのオープンソース化。
研究者の一日はどのように見えるのでしょうか？
Feryal: 研究者であることは、私の一日が決して同じようには見えないということを意味します。私の時間の大部分は、研究プロジェクトについて考えること、コーディング、他の人とのミーティングやアイデアの討論、論文の読み込み、プレゼンテーションや読書グループへの参加に費やされます。
研究では常に、私がやっていることは、論文の締切に向けて働いているか、特定のプロジェクトに取り組んでいるか、次に何をするか考えているかによって変わることがあります。幸運なことに、DeepMindでは時間とスケジュールを柔軟に組織することができます。私たちは「マイルストーンシステム」を使用して研究を小さな、計測可能なチャンク（例：3〜6週間）に分割して計画するため、これは研究の計画と具体的なステップに分解するのに本当に役立ちます。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
