Как устроен анбординг

Что проверяют

Этот вопрос чаще задаёте вы сами, и по нему видно, понимаете ли вы, что нужно ML-инженеру для старта. Если же спрашивает интервьюер, он хочет услышать, как вы входили в новую команду или вводили в неё других и через сколько выходили на первую полезную задачу.

Как отвечать

Если спрашиваете вы, спрашивайте конкретно. У людей из данных анбординг упирается не в знакомство с культурой, а в доступы и контекст:

• доступы: сколько занимает получение прав к хранилищу, к продовым таблицам и к персональным данным. В крупных компаниях это бывает несколько недель, и лучше знать заранее;
• окружение: где вы будете обучать модели (JupyterHub, выделенные GPU, кластер Spark), как ведутся эксперименты (MLflow или аналог) и каким путём модель попадает в прод;
• контекст данных: есть ли каталог данных и документация по витринам, или знания живут в головах;
• наставник: закреплён ли за вами бадди или тимлид, как часто встречи один на один;
• ожидания: какая первая задача, что считается успехом через месяц и через три, есть ли план на 30/60/90 дней.

Если спрашивают вас, отвечайте историей из своего опыта: как вы разбирались в чужом пайплайне, что сделали в первые недели, через сколько выкатили первое изменение. Нужны ваши сроки и примеры, а не пересказ учебника по HR. Если вводить в работу других людей не приходилось, скажите это прямо и опишите, как входили сами и что в том процессе улучшили бы.

Где спотыкаются

Спрашивают «а какой у вас анбординг?» и довольствуются ответом «хороший, с ментором». Уточняйте, что происходит в первую неделю и когда появятся доступы.

Отвечают про приветственное письмо и корпоративные ценности. Для инженера данных важнее, как быстро он понимает, откуда приходят данные и кому задавать вопросы.

Не спрашивают, как оценивают результат. Без понятных ожиданий легко потратить месяц на задачу, которую никто не ждал.