Kandidater som reimplementerer forskningsartikler og bygger personlige, skalerbare prosjekter får oftere intervjuer og jobbtilbud.
En gjennomgang av hundrevis av porteføljer viser at kandidater som går utover standardopplæringer skiller seg ut. Å reimplementere en forskningsartikkel anbefales som læringsvei: les artikkelen grundig, fyll kunnskapshull, skissér høyarkitekturen, implementer enkleste del først, bygg en prototype og optimaliser for å replikere resultatene. Forfatteren foreslår konkrete papirer å implementere, blant dem «Attention Is All You Need», «An Image is Worth 16×16 Words», «Language Models are Few-Shot Learners» og «LoRA». Alternativt kan man løse et personlig problem som gir en engasjerende historie i intervjuet; et eksempel er en søkers fantasy football-optimaliseringsalgoritme som lignet på oppgavene i stillingsutlysningen. Prosjekter bør også vise kompleksitet og skala, for eksempel produksjonsdistribusjon, skybruk, Docker og Kubernetes, eller interaktive brukergrensesnitt — kriterier som ofte nevnes i AI-nyheter som råd til jobbsøkere.
Denne veiledningen er relevant for norske søkere som vil dokumentere kompetanse i kunstlig intelligens (KI) og maskinlæring i portefølje og intervjuprosesser.
Kilde: https://towardsdatascience.com/the-machine-learning-projects-employers-want-to-see | Sammendraget er KI-generert med OpenAI API av Ainy.no
