Recientemente he estado haciendo una búsqueda de trabajo (no seria). Mi experiencia es STEM con un enfoque en computación.
Lo que he notado es que el requisito para conseguir un trabajo con muchas empresas de tecnología parece ser mucho más alto que el requisito para obtener un título de posgrado e incluso después de obtener un doctorado, no parece que cumpla ni la mitad de los requisitos que estos las empresas son exigentes.
Alguien mas siente lo mismo?
Por ejemplo, actualmente estoy buscando una empresa llamada Groq. Para uno de sus pocos roles no senior, dice: requiere de 2 a 10 años de experiencia en aprendizaje automático o ingeniería de software, conocimiento en aceleradores de hardware, familiaridad con un subconjunto de: álgebra lineal, Python, visión por computadora, procesamiento de lenguaje natural, C, aprendizaje por refuerzo, FPGA, sistema de recomendación, C++, entre otros, y preferentemente publicación en congresos de aprendizaje automático de primer nivel.
Puedo decir firmemente que incluso los doctores cuya investigación principal es en ML no tienen estos antecedentes que buscan los trabajos. Esta descripción de trabajo simplemente no parece tener sentido en términos de lo que realmente sucede en la escuela. Es poco probable que un investigador de visión por computadora esté haciendo aprendizaje por refuerzo y programación de FPGA al mismo tiempo. Es muy poco probable que un programador de Python esté programando en C al mismo tiempo y viceversa. Diferentes personas utilizan fundamentalmente diferentes herramientas. Nadie diseña circuitos integrados mientras hace álgebra lineal (de cualquier profundidad) al mismo tiempo.
Esta es solo una descripción de trabajo de cientos que he visto y escuchado de otras personas. Las numerosas historias de doctores en STEM que están desempleados o no pueden salir de la academia parecen corroborar mi preocupación. Me pregunto si es realmente cierto que hoy en día es más difícil conseguir un trabajo que un título de posgrado (o incluso un doctorado) en STEM.
¿Alguien que haya estado en ambos lados puede opinar sobre esto?
Los requisitos de trabajo en TI son totalmente bs y es algo bien conocido, y hay muchos tipos de ellos: las pequeñas empresas tienden a publicar requisitos de unicornio mágico (ser capaz de entrenar NN y escribir código FPGA al mismo tiempo) mientras que la gran tecnología hace entrevistas de programación de pizarra que no tienen ninguna relación con el proceso de trabajo diario real. Aún así, el mercado laboral está en constante cambio y de alguna manera se las arregla para manejar todo eso.
¿El secreto? En general, las personas en la industria relacionada con STEM usan referencias en lugar de anuncios de trabajo para encontrar trabajos.
Y para responder a la pregunta real, sí y no. La academia no prepara a nadie para el trabajo de la industria desde el primer día, así como alguien bien versado en la industria no puede simplemente ingresar a la academia y prosperar allí. Estos son solo diferentes conjuntos de habilidades.
Particularmente en ML, a menos que esté buscando un puesto de consultor "gurú", un solo modelo realmente exitoso puede convertirse en un negocio, por lo que diría que los requisitos son bastante similares: lo que difiere es cómo comunicar los resultados y los requisitos.
Si alguna vez considera tomar el camino de la industria, lo que importa es la capacidad adquirida ahora para aprender y filtrar rápidamente las referencias (¡ser capaz de hacer una revisión breve en un día o menos es una gran ayuda!), la ética laboral, extraer información valiosa conocimiento de la experiencia y aplicarlo a nuevos problemas... Estas cosas son universales, en realidad, pero uno necesita flexibilidad y agilidad en lugar de enfoque láser.
Tanto a la academia como a la industria les gustan las personas que pueden resolver problemas , solo que esta última tiene muchos más pequeños y comúnmente mal definidos mientras que a la primera le gusta profundizar, por regla general. Y uno no es necesariamente más difícil que el otro.
Hablando objetivamente, ¿los trabajos STEM son más difíciles de adquirir que los títulos de posgrado en STEM?
No en general. A veces puede ser difícil acceder a trabajos individuales (por ejemplo, obtener algunos trabajos en Google o Facebook puede ser objetivamente más difícil que obtener un título de posgrado), pero la mayoría de las estadísticas de empleo que conozco coinciden en que los graduados de STEM, en gran medida, obtienen trabajos relevantes después de la graduación.
En ese sentido desconfío un poco de tu afirmación:
numerosas historias de doctores en STEM que están desempleados o no pueden salir de la academia
He trabajado y enseñado en STEM durante 15 años y, en mi cabeza, no puedo pensar en un colega o compañero de estudios que haya permanecido "sin trabajo" durante más de unos pocos meses después de graduarse. No todos obtuvieron grandes trabajos, ciertamente, pero todos encontraron algo dentro de la industria.
Es posible que el campo del aprendizaje automático sea diferente, ya que definitivamente se siente un poco sobrecalentado en este momento, pero si "no puede salir de la academia" con un título de ML decente, puede ser demasiado exigente con los trabajos a los que se postula .
Además, estoy de acuerdo con lo que dice Allure en un comentario. Su publicación de trabajo de ejemplo realmente no contiene nada que un candidato de ML aplicado no debería tener:
requiere de 2 a 10 años de experiencia en aprendizaje automático o ingeniería de software, conocimiento en aceleradores de hardware, familiaridad con un subconjunto de: álgebra lineal, Python, visión por computadora, procesamiento de lenguaje natural, C, aprendizaje por refuerzo, FPGA, sistema de recomendación, C++, entre otros, y preferiblemente publicación en conferencias de aprendizaje automático de primer nivel.
Básicamente, si realizó su doctorado en visión por computadora, PNL, aprendizaje por refuerzo o sistemas de recomendación, debe tener alrededor de 5 años de experiencia en ML, experiencia en al menos uno de los campos enumerados, probablemente bastante experiencia práctica en Python y/o o C ++, y probablemente tenga al menos algo de experiencia trabajando con aceleradores de hardware, además de algunas publicaciones (si estos son "de primer nivel" siempre es un asunto subjetivo, no leería mucho sobre esto). Con todo, de hecho está marcando todas las casillas obligatorias e incluso algunas de las opcionales. No veo ninguna razón por la que no puedas aplicar a este trabajo.
ávido
Seducir
leucocitaria