¿Cómo puede alguien sin una formación académica formal de una universidad prestigiosa conseguir con éxito un trabajo en DeepMind a través del autoaprendizaje y la planificación estratégica de su carrera? Punto central del artículo: Derribando la barrera académica. El argumento principal de este artículo es desmentir el mito de que «es necesario tener un doctorado de una universidad de prestigio para acceder a una institución de IA de primer nivel como DeepMind». El autor demuestra que también es posible acceder a empresas tecnológicas de primer nivel mediante un autoaprendizaje sistemático y riguroso, resultados de proyectos de código abierto de alta calidad y una red de contactos eficaz. Desglose de los factores clave de éxito 💡 El exclusivo método de autoaprendizaje de "macro/micro ciclo" no es un aprendizaje sin objetivo, sino más bien un "programa de curso" muy riguroso: • Macrociclos: Cada 3 meses, se explora un tema específico (como GAN, Transformers, aprendizaje de refuerzo). • Microciclos: Modos de entrada: leer artículos, ver tutoriales en vídeo. • Patrón de salida: Esto fue clave para su éxito. Se obligó a expresar lo aprendido escribiendo entradas de blog, grabando vídeos de YouTube y publicando código abierto en GitHub. Esto no solo consolidó sus conocimientos, sino que también sirvió como prueba pública de sus habilidades. 🤝 “Resultado” significa que los creadores de redes sociales no enviaron currículums a las masas, sino que obtuvieron oportunidades de referencia al construir su marca personal. Comparte sus notas de estudio y proyectos en LinkedIn y YouTube. Su contenido atrajo la atención de expertos en la materia (incluidos investigadores de DeepMind), estableciendo así conexiones reales. • Evaluación objetiva: Esta “ley de atracción” es más efectiva que los métodos tradicionales de búsqueda de empleo, pero tiene un umbral muy alto y requiere una producción de contenido continua y de alta calidad. 🎯 Preparación de entrevistas específica: Su preparación va más allá de simplemente practicar problemas de codificación; es un enfoque profundamente personalizado. • Investigue al entrevistador: lea los artículos publicados por el entrevistador para comprender sus intereses de investigación. • No sólo código: además de los problemas habituales de algoritmos (LeetCode/CTCI), también revisó en profundidad los fundamentos de las matemáticas, la estadística y la informática (sistemas operativos, estructuras de datos). • Ajuste cultural: profundizó en la misión principal de DeepMind (AGI, Inteligencia Artificial General) para demostrar un alto grado de ajuste cultural en su entrevista conductual. Este relato honesto de su accidentada trayectoria es una historia real llena de giros inesperados. Inicialmente, no consiguió un puesto de Ingeniero de Investigación (equipo central) porque parecía demasiado entusiasmado con la "investigación" en lugar de la "ingeniería". Sin embargo, gracias a su sólida formación técnica, lo recomendaron al equipo de Aplicaciones de DeepMind y finalmente recibió una oferta. Este es un punto de referencia muy real y valioso: las entrevistas evalúan no solo las habilidades, sino también la adecuación del candidato al puesto. Resumen y lecciones aprendidas: Este es un caso clásico de "historia de éxito no profesional", pero no debe verse simplemente como una simple motivación superficial. Las lecciones profesionales que se desprenden son: • La alternativa a las cualificaciones académicas son las "habilidades de ingeniería disponibles públicamente": si no tienes el prestigio de una universidad de primer nivel, necesitas demostrar tu valía con código de GitHub y artículos técnicos. • El triunfo del largo plazo: el plan de aprendizaje del autor abarcó varios años, durante los cuales mantuvo un alto nivel de aprendizaje a tiempo parcial incluso mientras trabajaba a tiempo completo en Microsoft. • Cree oportunidades de forma proactiva: en lugar de esperar que las oportunidades lleguen a usted, contribuyendo al código abierto y compartiendo conocimientos. Lea el texto original
