マシンラーニング・インタビュー

第2章. マシンラーニングの仕事への応募と履歴書

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

機械学習の分野で内定を獲得するためには、面接の準備だけでなく、まず面接を受けなければならない。応募の過程では、自分のプロフィールを目立たせて面接の数を増やすチャンスがたくさんある。この章では、応募書類を最適化することで、より適切な結果を得る方法を紹介する。まだ応募を始めたばかりであれば、この章では応募プロセスの詳細なウォークスルーが掲載されているので、応募時の失敗を避けることができる。

雇用はどこにあるのか？

MLの仕事を発見したい、でもどこで？LinkedInやIndeedのようなオンライン求人サイトはご存知かもしれないが、私や他の無数のML専門家が仕事を発見した場所は他にもある。表2-1は、その他の求人サイトと求人リストを知るための非公式メソッドのリストである。

表2-1. 求人リストを学ぶためのメソッドとその例

求人情報を知るには求人リスト	例
オンライン求人アプリケーション(全種類）	LinkedIn（「簡単応募」オプションが便利だ）確かにダイス大手求人サイトには掲載されない可能性があるため、直接企業サイトに掲載する。LinkedInのような国際的なサイトがあなたの地域で人気がない場合は、地域の求人サイトコミュニティイベントやSlack、Discordチャンネルで共有される求人リスト
オンライン求人アプリケーション(スタートアップ中心）	ウェルファウンド（旧AngelList Talent）スタートアップで働く地域のスタートアップ求人サイトスタートアップのキャリアページにディレクトリする
ネットワーク	口コミ情報提供のためのインタビューコーヒーチャットコールドメッセージ

ML募集要項

このセクションでは、求人に応募するための戦略を選択する方法を説明し、以下の履歴書ガイドは、最適化された求人応募書類を作成するのに役立つ。

申請ごとの効果

ネットワークなしで仕事を得ることに成功した人もいる。実際、私の2つ目の仕事はコールド・アプリケーションだった。しかし、確率の観点から言えば、紹介者のいない会社だけに応募すれば、より多くの応募書類を送り、より多くの面接を受ける必要がある。これを評価するために私が使っている方程式を以下に示す：

応募件数×応募1件あたりの効果（EPA）→面接招待

EPAに関係なく、より多くの応募書類を送れば送るほど、面接を受けられる可能性は高まる。無差別に膨大な数の応募書類を送る「スプレー・アンド・祈り」のアプローチは、低いEPAを補うことができるかもしれない。

一方、面接の回数は同じでも応募数を減らしたい場合は、平均してEPAを増やす必要がある。求人情報をフィルタリングして適切なものを探したり、履歴書をカスタマイズしたりすることで、EPAを増やすことができる。同じ数の面接を受けるためには、より少ない応募数で済む（ほとんどの場合）。

では、どのタイプの戦略を選ぶべきか？紹介を受けたり、履歴書をカスタマイズしたりする必要はないが、このシナリオではより多くの応募書類を送る準備をしておこう。それはあなたの選択だ！大量応募のアプローチを好むなら、以下のセクションは読み飛ばして構わないが、一読することをお勧めする。

以下、EPAを高めるための戦略をいくつか紹介しよう（図2-1参照）：

仕事を紹介してもらう。

MLの仕事を紹介してもらい、紹介されるチャンスを増やすためにNetwork+を利用する。 ...