من 4 پیشنهاد شغلی خارج از دبیرستان دریافت کردم و متا را انتخاب کردم. این 2 تاکتیک به من کمک کرد تا پیشنهاد ایده آل خود را دریافت کنم.

ادویت ساث نحوه دریافت چهار پیشنهاد شغلی پس از فارغ التحصیلی را به اشتراک گذاشت. منتظر Sathe باشید ادویت ساث، مهندس حریم خصوصی داده ها در متا، پنج سال پیش با یک برنامه به دنبال شغل خود شد.

او در مورد اینکه به چه کسانی در لینکدین پیام سرد می‌فرستد و اینکه چگونه رزومه خود را برای هر برنامه کاربردی تنظیم می‌کند، استراتژیک بود.

او گفت که اگر امروز برای همین نقش‌ها درخواست می‌کرد، حتما پروژه‌های جانبی را پشت سر می‌گذاشت. این مقاله همانطور که گفته شد بر اساس گفتگو با Adwait Sathe، مهندس 32 ساله ارشد حریم خصوصی داده ها در Meta Superintelligence Labs است. برای طول و وضوح ویرایش شده است.

من در پنج سال گذشته در متا کار کرده ام، ابتدا در مسنجر، و سه سال گذشته به عنوان مهندس حریم خصوصی داده ها در Meta Superintelligence Labs.

من در سال 2019 از هند به ایالات متحده نقل مکان کردم تا مدرک کارشناسی ارشد خود را در سیستم های اطلاعاتی در دانشگاه نورث ایسترن در بوستون دنبال کنم و در سال 2021 فارغ التحصیل شدم.

می دانستم که روند درخواست کار خارج از کالج رقابتی خواهد بود، بنابراین جستجوی کارم را حدود یک سال و نیم قبل از فارغ التحصیلی شروع کردم.

من از همان ابتدا خیلی واضح بودم: من می خواهم در زمینه حریم خصوصی مهندسی داده کار کنم. من در این زمینه کلاس هایی را گذراندم و از طریق کارآموزی و پروژه های جانبی یک نمونه کار مرتبط ساختم.

در ترم دوم، شروع به جستجوی آگهی‌های شغلی کردم که یک سال بعد برای آنها درخواست می‌کردم تا بفهمم صنعت به دنبال چه چیزی است.

وقتی فارغ التحصیل شدم چهار پیشنهاد در دست داشتم - از مک کینزی، والمارت، آمازون و متا. در اینجا استراتژی من برای نزدیک شدن به جستجوی شغلم استفاده کردم.

پیام‌رسانی سرد به افرادی که خیلی ارشد نبودند

من تاکتیکی برای ارسال پیام سرد به افراد در لینکدین داشتم.

من با افراد زیادی در لینکدین ارتباط داشتم که روی چیزهایی مشابه آنچه من می‌خواستم کار کنم، کار می‌کردند.

افرادی که با آنها تماس گرفتم در لینکدین فعال بودند و در فناوری بزرگ در نقش های مهندسی داده کار می کردند، نه نقش های مدیریتی. مهندسان و مهندسان ارشد، نه معاونان رئیس جمهور یا مدیران.

من به دنبال مربیگری بودم. من برای درک نیازهای صنعت به آنها نزدیک شدم تا وقتی درخواست دادم، برنامه من در بین توده ها برجسته شود.

پیام سرد من بسیار ساده بود: "هی، من ادویت هستم، در حال تحصیل در این زمینه هستم، و می خواهم شغلم را در این زمینه دنبال کنم. من این پشته فناوری و رزومه را دارم؛ چه چیزی را باید بهبود بخشم؟"

یکی از ارتباط ها به من توصیه بسیار خوبی داد - اینکه رزومه من باعث می شود به نظر بیاد.

من بعد از گرفتن مدرک لیسانس سه سال سابقه کار در هند داشتم. با این حال، زمانی که برای اولین بار رزومه ام را جمع آوری کردم، به نظر یک رزومه جدید برای فارغ التحصیلان به نظر می رسید، زیرا تحصیلاتم را بیش از تجربه کاری خود در نظر گرفتم.

وقتی این مشکل را برطرف کردم شروع به مصاحبه های بیشتری کردم.

زمانی که پیام سرد را با این استراتژی شروع کردم، هدفم افزایش حجم و ارسال پیام به افراد زیادی بود. خیلی ها جواب ندادند

اما وقتی سه یا چهار مربی خوب پیدا کردم، پیام‌رسانی را راحت کردم، چون می‌دانستم که این افراد واقعا قوی هستند و به من کمک می‌کنند.

من سعی کردم آن را منتقل کنم. اکنون، تقریبا به تمام پیام‌های لینکدینی که دریافت می‌کنم و درخواست مشاوره شغلی می‌کنند، پاسخ می‌دهم.

تقسیم برنامه های شغلی بر اساس حجم و استراتژی

دومین استراتژی جستجوی شغل من این بود که فرآیند درخواست خود را به دو سطل تقسیم کنم.

سطل اول: شرکت هایی که واقعا می خواستم در آنها کار کنم.

من لیستی از شرکت هایی داشتم که می خواستم در آنها کار کنم، و هفته ای یکی دو بار به وب سایت های شغلی آنها می رفتم تا موقعیت های جدید را بررسی کنم و زودتر درخواست بدهم. من به دنبال موقعیت های جدید فارغ التحصیلی هستم که معمولا قبل از فصل فارغ التحصیلی منتشر می شوند.

سطل دوم پهن تر بود. این همه در مورد حجم بود، تا جایی که ممکن بود برای نقش‌ها اعمال شود.

من یک رزومه عمومی برای همه برنامه های کاربردی مبتنی بر حجم داشتم. اما برای آنهایی که واقعا می‌خواستم، هر برنامه را طراحی کردم.

پس از اینکه اولین پیشنهادم را دریافت کردم، نقش مهندسی داده در Walmart، درخواست حجم را متوقف کردم. استراتژی بعد از آن این بود که برای نقش‌هایی که واقعا می‌خواستم درخواست بدهم، که می‌توانست با آنچه قبلا دریافت کرده‌ام مطابقت داشته باشد یا بیشتر از آن باشد.

چگونه من امروز با هوش مصنوعی متفاوت اعمال خواهم کرد

اگر امروز برای همان نقش‌ها درخواست می‌دادم، مطمئن می‌شدم که پروژه‌های مختلف زیادی در کارنامه‌ام داشته باشم، زیرا ساخت و ساز بسیار مهم شده است.

یک محصول فعال، که زنده است و کاربران واقعی دارد، بسیار بهتر از این است که یک نمونه اولیه را در مصاحبه بیاوریم و بگوییم: "این نمونه اولیه را ساختم، زمانی که آن را ساختم کار کرد، اما اکنون کار نمی کند."

دومین مورد، تسلط بر هوش مصنوعی است. این فقط به معنای درک ابزارهای مختلف نیست، بلکه به معنای نحوه عملکرد هوش مصنوعی در پس زمینه و قضاوت در مورد زمان استفاده از ابزارها نیز است.

اما اصول اساسی تغییر نمی کند. خوب بودن در کدنویسی و دانستن چگونگی ساختار کد همچنان مهم است. هوش مصنوعی می تواند پیاده سازی را انجام دهد، اما طراحی سیستم ها و معماری هنوز بسیار مهم و انسانی است.

مقاله اصلی را در Business Insider بخوانید