现在是雇主市场，但精明的软件开发人员知道如何获取和展示他们的云和 AI 技能，以战胜竞争对手。
译自 Recruiters Speak: Top Skills Devs Need for AI, Cloud Jobs，作者 Jennifer Riggins。
不可否认，对于 IT 专业人员来说，这是一个艰难的就业市场。该行业还没有从超过 18 个月的科技裁员中恢复过来。不仅科技求职者比以往任何时候都多，而且你现在还在一个由 AI 支持的就业市场中竞争，这个市场充斥着 幽灵职位。
软件开发人员面临着巨大的压力，需要在日益复杂、云原生、AI 驱动的技术环境中保持技术相关性。
如何在科技领域找到下一份工作并脱颖而出？你如何知道要学习哪些技能来提升你的职业生涯？云和 AI 技能是拼图中至关重要的一部分，因此我与 Tiago Miyaoka 和 Renato Sugano 进行了交谈，他们是 Andela 全球私人人才市场的 AI 和云管理招聘人员（分别）。他们分享了关于如何跳出申请的循环，并为在科技领域获得下一份 技术面试 和职位做好准备的建议。
Andela 的平台拥有超过 150,000 名科技专业人员。这使得 Miyaoka 和 Sugano 每天与大量的招聘公司和 IT 专业人员交谈，让他们深入了解如何在当前的科技就业市场中为 技术评估 做好准备。
目前估计有 2700 万个 AI 工程师职位空缺。但是，虽然生成式 AI (GenAI) 主导着新闻头条和管理策略，但这些类型的角色所需的许多知识并非新鲜事物。
“支持 ChatGPT 背后的 大型语言模型 (LLM) 的概念是在八年前开发的，”Miyaoka 说。AI 通才仍然是他所看到的 数据科学 角色中最需要的技能，这些工作仍然包括大量的表格数据建模。每个当前或未来的数据科学家或机器学习 (ML) 工程师都应该掌握这些基础知识，并能够回答有关 LLM 基础概念的问题，并在 Python 和 SQL 中进行现场编码练习。
“公司想要做 AI 是因为存在炒作，但他们仍然需要将机器学习用于他们的日常业务，”Miyaoka 评论道。“即使你的业务正在使用生成式 AI，你仍然拥有与一年前或五年前相同的需求，例如客户流失率降低。”
即便如此，AI 模型正在呈指数级增长，并且变得更加专业化。这意味着拥有 LLM 的强大基础知识以及有关生成式 AI 周围热门主题的知识非常重要，包括检索增强生成 (RAG)、模型微调和特定的微调技术。Miyaoka 说，大多数数据科学家大约 70% 的时间花在这些通才技术上，大约 30% 的时间花在新的 GenAI 工作上。
求职过程感觉就像一份工作。除了不断刷新 LinkedIn 之外，你还必须随时准备参加工作面试和技术评估。你如何决定学习什么？
Andela 发现，许多公司仍在测试候选人对 ML 基础概念的理解。准备好解释这些模型的工作原理，并准备好使用 Python 和 SQL 进行现场编码练习。还要能够回答以下问题：
- 解释你是如何开发的 与手头项目类似的东西。- 为什么你使用 模型 X而不是其他模型？- 你是如何衡量 模型 X的效率？你是如何做到的？
Miyaoka 会询问面试者他们将如何选择最佳的机器学习模型并在给定情况下应用它。这展示了问题解决和批判性思维能力，并有助于揭示候选人是否对机器学习有更深入的理解。
大部分科技求职过程都涉及技术评估，因此，如果你没有每天在工作中使用编码，请尽一切努力增强你的编码能力并保持其强大。为开源项目做出贡献是其中一种方法。它们允许你尝试使用新技术中的代码并学习使用它们。开源社区也是建立人脉关系的好地方。
但是，虽然 Miyaoka 说开源社区贡献有时足以，但它通常无法完全替代工作经验。 “实际经验是最重要的；在工作中，你会遇到许多与在开源环境中、在自己的环境中、在本地计算机上工作相比不同的挑战和障碍，”他说。例如，当你为企业工作时，你必须处理大量数据，并在此基础上平衡预算限制。
由于其中一些技术还处于起步阶段，参加基础和高级人工智能课程是提升技能的好方法。这些课程包括：
- DeepLearning.AI 提供关于利基技术的短期课程。
- Coursera 和 EdX，提供基于大学的大规模开放式在线课程 (MOOC)。
一旦你掌握了基础知识，Miyaoka 建议学习有关 GenAI 模型的更高级技术，例如 RAG。
云经验也是任何人工智能职位必不可少的组成部分。Miyaoka 说，虽然你不需要对任何特定的云提供商有经验，但你应该熟悉三大云提供商之一：AWS，Google 云平台或 Microsoft Azure。候选人需要证明他们能够在云中设置新的工作负载，然后对其进行优化以更有效地运行。
尽管云计算已经实践了近二十年，但71% 的财富 500 强公司 仍在使用大型机。Sugano 经常与寻求帮助从本地环境迁移到云的公司合作。Andela 的人才社区为这些公司正在努力摆脱困境的复杂云迁移项目提供人员配备。
对于 DevOps 或云工程师职位，大多数公司都在寻找至少五年云迁移和基础设施经验，两到五年传统软件工程经验，包括Java 或 Python，以及对基础设施即代码 (IaC) 和Kubernetes 的了解。如果你需要在这些领域发展新技能，云原生计算基金会 提供一系列云原生培训课程。
“当我寻找人才时，最重要的两个方面是他们的技能和工作经验。工作经验是第一位的，因为我们可以看到他们做了什么，”Sugano 说。“有些人拥有丰富的知识，因为他们拥有证书和培训，但他们没有机会在日常工作中应用这些知识，也没有实践经验。”
在有选择的情况下，他更喜欢实践经验，因为“他们知道可能出现哪些问题以及如何解决问题，”Sugano 说。如果简历中包含使用 Python、Bash、TypeScript 和 PowerShell 等脚本语言的经验，则为加分项。他估计 90% 的工作也需要Terraform 和 Kubernetes 知识。
事实上，他继续说道，你应该在你的 LinkedIn 个人资料和简历中包含你拥有经验的每种语言——并且可以对其进行测试。
经验不是成功求职的唯一因素。能够谈论它至关重要，面试是一项技能，它对准备最充分的人最有益。
“如果你在简历中写了什么，[你必须]能够谈论它，”Miyaoka 说。练习如何讨论每项技能，因为你可能在几年前就做过这项工作。
始终做好准备，维护一份工作日志，每月更新几次。它将帮助你记住你所做的事情，无论是用于绩效评估还是工作面试。
考虑根据STAR——情景、任务、行动和结果——方法进行组织。这也是组织你的简历和个人资料的好方法。使用简短的信息性陈述，例如“我使用 Y LLMs 构建了一个聊天机器人”。或者“我微调了一个 Llama2 模型，并且我使用了 LangChain。”
这可能开始感觉重复，但它有助于招聘人员了解你的能力，Miyaoka 说。准备好回答相关问题，例如“你是独立完成这项工作，还是作为团队合作的一部分？”Sugano 说。“我想了解他们自己深入研究了多少。”
Andela 招募来自非洲和拉丁美洲等开发中市场的工程师和数据科学家，并评价技术人才的出色英语交流技能。这种能力在这个被英语主导着的工作和代码的行业中非常重要。“他们需要能够进入客户访谈，流畅对话，并且能解释自己的过往经历。”Miyaoka 说。
“我们遇到过这种情况，人才可能说得很好，但在访谈中，他们会紧张或听不懂问题。他们谈论其他事情，或者没有深入到技术概念，即使他们知道这些概念。”这是一个事先练习如此重要的又一个地方。