American Express нанимает 20 специалистов по анализу данных, и каждый кандидат должен быть готов решить эти 2 логических вопроса
Если у меня двое детей, и один ребенок - девочка, какова вероятность, что оба ребенка будут девочками?

Для большинства людей этот вопрос, вероятно, ставит в тупик. «Решение этой проблемы ничем не отличается от того, как мы создаем модель машинного обучения и математическую модель для решения реальной проблемы», - сказал Ди Сюй, вице-президент лабораторий ИИ и управления ИИ в AmEx.

Стремление AmEx к специалистам по обработке данных связано с резким ростом спроса на аналогичные должности в отрасли. По данным Бюро статистики труда, занятость в науке о данных и смежных профессиях, согласно прогнозам, вырастет на 31,4% с 2020 по 2030 год. И собственный переход AmEx за последнее десятилетие от традиционных моделей статистического обучения к траекториям машинного обучения с более широким использованием ИИ в деловые процессы.

Во время собеседования на должность специалиста по обработке данных Сюй сказал, что интервьюеры пытаются понять компетенцию кандидата, способность к обучению и адаптируемость, чтобы они могли сделать ИИ умнее и эффективнее.

Интервью разделены на две части для проверки технических навыков и поведенческих навыков. Сюй сказал, что вопросы более открытые, поэтому интервьюеры могут наблюдать за тем, как кандидат проходит через процесс решения проблем.

«Окончательный ответ, верный или неправильный, имеет меньшее значение, - сказал Сюй. «Мы больше заботимся о том, как кандидат решает проблему».

По словам Сюй, на некоторые вопросы нет однозначных ответов, но на те, которые есть, можно решить по-разному. «По пути мы можем разработать дополнительные вопросы, чтобы выяснить, как кандидат сформулирует проблему и ответит на вопрос».
Например, кандидаты обычно начинают с ответа на более простой вопрос, такой как упомянутый выше:

Если у меня двое детей, и один ребенок - девочка, какова вероятность, что оба ребенка будут девочками?

Некоторые кандидаты подойдут к этому вопросу, основанному на вероятности, используя математическую теорию, чтобы придумать формулу; или они могут использовать компьютерный код, который может решить проблему. Но Сюй сказал, что процесс более сложный.

«Есть способ, которым люди могут сформулировать эту проблему очень кратко и просто», - сказал Сюй. «Если они могут это сделать, это ничем не отличается от создания небольшой математической модели вокруг проблемы».

Следующий шаг к этому вопросу добавляет еще одно измерение: если у меня двое детей, один из них - девочка, родившаяся во вторник. Какова вероятность того, что оба ребенка девочки?

Сюй сказал, что если кандидаты смогут правильно сформулировать эту более сложную проблему, это поможет понять, как они подходят к проблеме.

Другие подсказки в процессе собеседования более гипотетичны, например: разработать своего рода информационный продукт для ресторана - нам нужно знать цены в меню для любого данного ресторана. Как мы можем сделать это на основе транзакционных данных?

По словам Сюй, транзакционные данные являются одними из самых важных данных AmEx, поскольку они могут отображать большой объем информации и позволяют AmEx продолжать внедрять инновации и улучшать качество обслуживания клиентов.

Сюй сказал, что он сам не знает идеальных ответов на гипотетические вопросы - скорее, он хочет увидеть, что предложат кандидаты.

«Они могут дать нам несколько идей, и, возможно, в результате этого процесса появится идеальный ответ», - сказал он.

В поведенческой части интервью Деван сказал, что интервьюеры хотят узнать, обладают ли кандидаты лидерскими качествами. Ожидается, что кандидаты будут эффективными сотрудниками, работая в разных группах, чтобы лучше понимать проблемы.

По словам Девана и Сюй, наиболее важным является то, насколько быстро кандидат учится и его готовность совершенствоваться.

«Компетентность - это только один аспект, а ловкость обучения - другой аспект», - сказал Сюй. «Это очень важно для нашего будущего успеха».