«Буквально научился на своих неудачах»: как я 8 месяцев искал работу в ИТ за границей

Свою первую работу в ИТ я нашел на четвертом курсе университета.

Я учился в МГУ на геологическом факультете. Из всех дисциплин особенно нравился предмет «основы программирования на языке С++». Преподаватель заметил мой интерес и пригласил на стажировку в компанию, которая разрабатывает программное обеспечение для систем безопасности и видеонаблюдения.

Я проработал там около года. В основном писал алгоритмы на «плюсах», которые решали разные задачи с помощью классического компьютерного зрения, но иногда занимался нейросетями.

Летом 2022 года я обратился к руководству, поскольку мне казалось, что я сильно вырос за год как специалист. Я хотел обсудить, чего мне не хватает для повышения грейда, и попросить, чтобы компания поставила мне объективные метрики, цели или навыки, по достижении которых я мог бы претендовать на более достойную оплату труда.

Руководитель ответил: «Тут тебе не „Яндекс“», — и отказался говорить о повышении. Тогда я честно сказал, что рассмотрю возможность перейти в другую компанию: моя зарплата была сильно ниже рынка.

Следующим же утром увидел в таск-менеджере задачу уволить меня по собственному желанию в течение двух недель. Начался долгий процесс неприятных переговоров: я утверждал, что не говорил об увольнении и отказываюсь уходить в никуда, а руководство угрожало тем, что проведет внутреннюю оценку моей работы, по результатам которой меня уволят с пометкой о профнепригодности.

Я выяснил, что по закону работодатель имеет право на такую проверку, но только спустя год моей работы в должности. А поскольку первые три месяца я работал неофициально, в формате стажировки, то ее можно было бы провести только через три месяца. В ответе руководству я указал на этот факт и подчеркнул, что готов отстаивать свои права. В итоге мы договорились об увольнении по соглашению сторон с компенсацией зарплаты за три месяца.

После увольнения я несколько недель отдохнул и в сентябре начал смотреть вакансии. Но уже в конце месяца мне пришлось уехать в Грузию на неопределенный срок и искать работу в ИТ на удаленке.

Я понимал, что будет сложно: у меня был всего год работы по узкой специальности. Но меня мотивировал друг, который месяцем ранее вышел на позицию ML-инженера  в зарубежный стартап. Глядя на его успешный пример, я решил, что у меня тоже есть шанс.

Несмотря на непрофильное образование, у меня был базовый теоретический ИТ-бэкграунд: я проходил курсы на «Степике» по анализу данных, статистике и программированию на Python. Слушал курсы по работе с данными на «Курсере» и открытые лекции по основам машинного обучения, глубинному обучению и прикладным задачам анализа данных от факультета компьютерных наук НИУ ВШЭ.

В первое время я рассматривал только позиции ML-инженера. Меня интересовала эта сфера, да и друг был готов помочь советами, что придавало уверенности. Вакансии искал на «Хедхантере», в комьюнити Slack, в сообществе специалистов Singularis и телеграм-каналах.

Быстро понял, что моих знаний недостаточно. Я часто заваливал задания на алгоритмы — например, «Яндекс» отказал сразу.

Иногда первую секцию я проходил, но начинались проблемы в технической части. Из-за специфики прошлой работы я неплохо разбирался в нейросетях и глубинном обучении, но большинство тем машинного обучения ранее не затрагивал. Поэтому, когда меня спрашивали про метод случайного леса или градиентный бустинг  , я отвечал неуверенно и невпопад.

Несколько раз я все же доходил до финального интервью с руководителем команды. Там нужно было рассказывать о своем опыте, который я, конечно же, приукрасил в резюме, но, видимо, мои ответы звучали неуверенно. Например, после такого интервью меня не взяли на позицию ML-инженера в «Алиэкспресс». Было обидно.

Я осознал, что нужно подтянуть теорию и поработать над уверенностью. Стал регулярно решать задачи по алгоритмам на онлайн-платформе LeetCode и смотреть видео по подготовке к собеседованиям в ИТ. Мне понравились разборы от школы Karpov Courses — из уроков я почерпнул несколько советов для прохождения технической и поведенческой секций отбора.

Но мне продолжали отказывать. Часто уже на последних этапах писали, что предпочли другого кандидата. Причин никто не объяснял, хоть я и спрашивал. Как правило, многие рекомендуют добиваться фидбэка о своем собеседовании. Но в большинстве случаев это общие фразы, которые не особо помогают разобраться. Например, тебе скажут, что не хватило знаний в технической части, но не уточнят, каких именно.

Еще мешал мой посредственный уровень английского. В большинстве зарубежных компаний, куда я подавался, были русскоговорящие команды, но иногда попадались и иностранные стартапы. Тогда было вдвойне сложно: объяснять технические термины на чужом языке — задача не из приятных.

В какой-то момент я расширил параметры поиска и начал рассматривать вакансии в аналитике. Мне не очень нравилась эта область, но сидеть полгода без работы не нравилось еще больше. Для собеседований пришлось разобраться в SQL и подтянуть методы анализа данных. Но все безуспешно — возможно, интервьюеры чувствовали мою незаинтересованность.

Сужало пул вакансий и то, что я искал работу только на удаленке, поскольку находился не в России. Весной, примерно через восемь месяцев поисков, я почти отчаялся. Отказы приходили один за другим, и мотивации откликаться на новые вакансии становилось все меньше. После очередного трехступенчатого отбора меня пригласили на позицию CV/ML-инженера  в Шереметьево, но работа была полностью очной. Я уже подумывал согласиться, но решил дать себе еще один шанс. Как оказалось, не зря.

В мае 2023 года я откликнулся на вакансию CV/ML-инженера в зарубежной компании, которая занимается разработкой виртуальной примерочной — это технология, позволяющая мерить одежду, обувь и аксессуары онлайн.

Собеседования проходили на русском, так как команда разработчиков почти целиком состояла из русскоговорящих ребят. В целом это был стандартный отбор, который я проходил уже десятки раз. Сначала я созвонился с рекрутером и ответил на стандартные вопросы об опыте, знаниях и ожиданиях от работы. Затем прошел техническую секцию — в этот раз про алгоритмы не спрашивали, были стандартные вопросы по ML и DL  . На третьем этапе технический директор провел со мной поведенческое интервью: мы познакомились и обсудили детали договора, мои ожидания о зарплате и планы, политику компании.

Через неделю ко мне вернулись с оффером на 2000 $⁣ (193 080 ₽) в месяц. А затем пришли еще два приглашения от компаний, в которые я собеседовался параллельно.

Не знаю, что конкретно произошло, но мне кажется, что просто настал момент, когда количество перешло в качество. Думаю, я буквально научился на своих неудачах, и наконец моих знаний стало достаточно.

Я принял оффер на позицию CV/ML-инженера и в начале лета вышел на работу. Сейчас занимаюсь полным циклом разработки — от исследования до релиза программного обеспечения. Пока меня все устраивает: задачи интересные и сложные, но решаемые. Благодаря хорошей зарплате появились деньги на развлечения и спорт.

Самая большая сложность — англоговорящие продуктовые команды. Недавно пришлось на созвоне пять часов подряд обсуждать идеи на английском. Местами я очень коряво доносил свои мысли, но главное, что все друг друга поняли.

Очень рад, что не опустил руки и продолжил подаваться на вакансии в машинном обучении вместо того, чтобы идти хоть куда-нибудь ради денег. Планирую и дальше развиваться в этом направлении.

📎 Не бойтесь собеседований. Рассылайте резюме во все компании, которые вас хоть чем-то заинтересовали, и отрабатывайте навыки «в поле».

📎 Развивайте навыки, которые могут вам пригодиться: после каждого интервью записывайте вопросы, вызвавшие трудности, и подтягивайте знания по соответствующим темам. И не спешите покупать курсы: большую часть информации можно найти в интернете бесплатно.

📎 Грамотно составьте резюме. Чтобы чему-то научиться на собеседовании, на него сначала нужно попасть. Погуглите, как грамотно оформить CV, особенно если вы подаетесь в зарубежные компании. Мне помог друг: заставил убрать нерелевантный опыт, описать весь мой стек и заменить обязанности на рабочем месте главными достижениями и KPI.

📎 Оцените резюме соискателей, которые подаются на одну позицию с вами. Представьте, что вы не соискатель, а компания, которая ищет сотрудника. Посмотрите, как ваши конкуренты составляют резюме, попробуйте оценить, грамотно ли они его составили, каковы их опыт и навыки. Хорошие практики можно заимствовать из чужих резюме.

📎 Будьте уверены в себе. Приукрасить опыт в резюме, как мне кажется, можно, но если уж вы это делаете, будьте готовы к вопросам и демонстрации технических навыков. Это тоже навык, который нужно тренировать.