مستويات الشركات وما تختبره فعلاً

ليست كل مقابلات ML متساوية

مقابلة هندسة ML في Google تبدو مختلفة جوهرياً عن المقابلة في شركة ناشئة من 50 شخصاً أو مختبر أبحاث. فهم هذه الاختلافات يساعدك على تركيز استعدادك حيث يهم أكثر.

المستويات الثلاثة للشركات

المستوى 1: FAANG+ (الشركات التقنية الكبرى)

الشركات: Google, Meta, Amazon, Apple, Microsoft, Netflix, Uber, Airbnb

حجم الفريق: 100-1000+ مهندس ML عدد الموظفين: مئات الآلاف من الموظفين تركيز المقابلة: الحجم، الأنظمة، ML الإنتاجي

ما يعطون أولوية له:

1. تصميم الأنظمة والحجم (30% من التركيز)

   • التعامل مع مليارات المستخدمين
   • معرفة الأنظمة الموزعة
   • تحسين التكلفة على نطاق واسع
   • المعالجة في الوقت الفعلي مقابل الدفعية

2. التميز في البرمجة (30%)

   • إتقان LeetCode متوسط/صعب
   • تحسين الخوارزميات
   • كود نظيف وجاهز للإنتاج
   • تحليل التعقيد الزمني والمكاني

3. أساسيات ML (25%)

   • ML الكلاسيكي والتعلم العميق
   • نشر النموذج الإنتاجي
   • اختبار A/B والتجريب
   • مراقبة وصيانة النموذج

4. السلوكية والتعاون (15%)

   • التعاون بين الفرق
   • التعامل مع الغموض
   • سرد قصص التأثير
   • التوافق مع مبادئ القيادة

هيكل المقابلة النموذجي:

• 1 فحص هاتفي
• 1 جولة برمجة (بأسلوب LeetCode)
• 1-2 جولة أساسيات ML
• 1 جولة تصميم أنظمة
• 1-2 جولة سلوكية

نطاق الراتب (2025 الولايات المتحدة):

• مبتدئ (L3/E3): $150K-$200K إجمالي التعويض
• متوسط (L4/E4): $200K-$300K إجمالي التعويض
• أول (L5/E5): $300K-$500K إجمالي التعويض
• خبير+ (L6+): $500K-$1M+ إجمالي التعويض

ما يميز المرشحين:

• أعمال منشورة (أوراق، مفتوح المصدر)
• خبرة في أنظمة إنتاجية على نطاق واسع
• فهم مقايضات التكلفة والأداء
• مهارات تصميم أنظمة قوية

مثال على سؤال:

"صمم نظام توصيات فيديو YouTube. يخدم 2 مليار مستخدم، يولد مليار ساعة مشاهدة يومياً، ويحتاج إلى تحديث التوصيات في الوقت الفعلي بناءً على سلوك المستخدم."

الإشارات الحمراء التي يراقبونها:

• لا يمكن التعامل مع مناقشات الحجم
• لا توجد خبرة ML إنتاجية
• أساسيات برمجة ضعيفة
• نقص في التفكير في المقايضات

---

المستوى 2: الشركات الناشئة النامية (50-500 موظف)

الشركات: Notion, Figma, Weights & Biases, Hugging Face, Anthropic, Cohere, Scale AI

حجم الفريق: 5-50 مهندس ML عدد الموظفين: 50-500 موظف تركيز المقابلة: التنوع، التأثير، الملكية

ما يعطون أولوية له:

1. الملكية الشاملة (35%)

   • هل يمكنك شحن ميزات بشكل مستقل؟
   • قدرات ML كاملة المكدس
   • حس المنتج
   • الذكاء والموارد

2. أساسيات ML ومهارات عملية (30%)

   • فهم عميق لـ 2-3 مجالات
   • القدرة على التصحيح والتكرار بسرعة
   • العمل مع بيانات محدودة
   • فهم مقاييس الأعمال

3. البرمجة والنماذج الأولية (20%)

   • طلاقة Python
   • يمكن كتابة كود إنتاجي
   • ليس LeetCode-ثقيل
   • التركيز على إنجاز الأمور

4. التوافق الثقافي والقدرة على التعلم (15%)

   • القدرة على التكيف
   • تعلم مجالات جديدة بسرعة
   • التعاون في فرق صغيرة
   • مريح مع الغموض

هيكل المقابلة النموذجي:

• 1 فحص هاتفي (غالباً مع المؤسس)
• 1 مشروع منزلي (4-8 ساعات)
• 1 مناقشة عميقة للمشروع
• 1 حل مشكلات تقنية
• 1-2 محادثة توافق مع الفريق

نطاق الراتب (2025 الولايات المتحدة):

• مبتدئ: $120K-$160K + حقوق ملكية (0.1%-0.5%)
• متوسط: $150K-$220K + حقوق ملكية (0.05%-0.25%)
• أول: $200K-$300K + حقوق ملكية (0.03%-0.15%)

ملاحظة: يمكن أن تكون حقوق الملكية بقيمة $0 أو ملايين حسب الخروج

ما يميز المرشحين:

• مشاريع جانبية قابلة للإثبات
• القدرة على ارتداء قبعات متعددة
• خبرة سابقة في الشركات الناشئة
• مهارات نماذج أولية سريعة

مثال على سؤال:

"لدينا 10,000 تذكرة دعم مستخدم شهرياً. ابنِ نظاماً لتصنيفها وترتيب أولوياتها تلقائياً. لديك أسبوع لتقديم نموذج أولي عملي."

الإشارات الحمراء التي يراقبونها:

• عقلية "هذا ليس عملي"
• حلول مفرطة الهندسة
• بطيء في التنفيذ
• لا يمكن التعامل مع الغموض

---

المستوى 3: مختبرات الأبحاث والشركات التي تركز على AI

الشركات: OpenAI, DeepMind, FAIR (Meta AI), Google Brain, Anthropic, Cohere

حجم الفريق: 10-200 باحث عدد الموظفين: 100-2000 موظف تركيز المقابلة: عمق البحث، الابتكار، المنشورات

ما يعطون أولوية له:

1. خلفية البحث (40%)

   • دكتوراه أو خبرة بحثية معادلة
   • أوراق منشورة (مؤتمرات من الدرجة الأولى)
   • مساهمات جديدة في المجال
   • فهم نظري عميق

2. العمق التقني (30%)

   • الرياضيات (الجبر الخطي، التفاضل والتكامل، الاحتمالات)
   • بنى التعلم العميق
   • نظرية التحسين
   • تصميم التجارب

3. مهارات التطبيق (20%)

   • إتقان PyTorch/JAX
   • تدريب نماذج واسعة النطاق
   • الحوسبة الموزعة (لأدوار الهندسة)
   • ممارسات البحث القابلة للتكرار

4. الفضول الفكري (10%)

   • شغف بدفع الحدود
   • فهم مشهد البحث الحالي
   • القدرة على تحديد المشاكل المفتوحة
   • التعاون مع الباحثين

هيكل المقابلة النموذجي:

• 1 فحص هاتفي (مناقشة بحثية)
• 1 عرض بحثي (عملك)
• 2-3 غوص تقني عميق
• 1 تحدي تطبيق برمجي
• 1 مناقشة رؤية بحثية

نطاق الراتب (2025 الولايات المتحدة):

• مهندس بحث: $150K-$250K
• عالم بحث: $200K-$400K
• عالم بحث أول: $300K-$600K+
• عالم متميز: $500K-$1M+

ما يميز المرشحين:

• منشورات في NeurIPS, ICML, ICLR, CVPR
• مساهمات بحثية مفتوحة المصدر
• بنى أو طرق جديدة
• رسائل توصية قوية من باحثين معروفين

مثال على سؤال:

"اشرح ورقتك الأخيرة عن [بحثك]. ما كانت الرؤى الرئيسية؟ ما الذي لم ينجح؟ كيف ستوسع هذا العمل؟ ما هي القيود؟"

الإشارات الحمراء التي يراقبونها:

• فهم سطحي للعمل الخاص
• لا يمكن مناقشة الأوراق الحديثة في المجال
• لا توجد خبرة في تدريب نماذج كبيرة
• نقص في الفضول الفكري

---

جدول المقارنة

العامل	FAANG+	الشركات الناشئة النامية	مختبرات الأبحاث
أهمية LeetCode	عالية	منخفضة-متوسطة	منخفضة
أوراق بحثية	جيد أن يكون لديك	غير مطلوب	مطلوب
تصميم الأنظمة	حاسم	معتدل	منخفض
خبرة إنتاجية	مهم	حاسم	معتدل
متطلب دكتوراه	لا	لا	غالباً نعم
طول المقابلة	5-8 ساعات	4-6 ساعات	6-10 ساعات
الوقت للعرض	4-8 أسابيع	2-4 أسابيع	6-12 أسبوع
توازن العمل والحياة	40-50 ساعة/أسبوع	50-60 ساعة/أسبوع	40-60 ساعة/أسبوع
منحنى التعلم	حاد	حاد جداً	معتدل

كيفية اختيار المستوى المستهدف

اختر FAANG+ إذا كنت:

• تريد أقصى تعويض واستقرار
• تستمتع بالعمل على مشاكل ضخمة النطاق
• تفضل بيئات منظمة
• تقدر اسم العلامة التجارية على السيرة الذاتية
• تريد توازن العمل والحياة

اختر الشركات الناشئة النامية إذا كنت:

• تريد عملاً عالي التأثير ومرئي
• تستمتع بارتداء قبعات متعددة
• تزدهر في بيئات سريعة الوتيرة
• تقدر إمكانات الصعود في حقوق الملكية
• تريد تشكيل اتجاه المنتج

اختر مختبرات الأبحاث إذا كنت:

• لديك خلفية بحثية
• تريد دفع أحدث التقنيات
• تستمتع بالمشاكل التقنية العميقة
• تقدر الحرية الفكرية
• تريد نشر أوراق

الاستعداد الاستراتيجي بناءً على هدفك

إذا كنت تستهدف FAANG+:

• اطحن 100-150 مشكلة LeetCode
• ادرس تصميم الأنظمة بشكل مكثف
• ركّز على مناقشات قابلية التوسع
• تمرن على أسئلة سلوكية متوافقة مع مبادئ القيادة

إذا كنت تستهدف الشركات الناشئة:

• ابنِ 2-3 مشاريع ML شاملة
• ركّز على مهارات ML العملية
• أظهر القدرة على الشحن
• استعد لمشاريع منزلية

إذا كنت تستهدف مختبرات الأبحاث:

• عمّق الأسس الرياضية
• اقرأ الأوراق الحديثة في مجالك
• ساهم في مشاريع بحثية
• استعد لمناقشة عملك بعمق

النقطة الرئيسية

أفضل مستوى شركة هو الذي يتوافق مع مهاراتك واهتماماتك وأهدافك المهنية. لا تطبق نفس استراتيجية الاستعداد على الثلاثة جميعاً—خصص نهجك لتعظيم فرصك.

ما التالي؟

في الدرس التالي، سننشئ خطتك الدراسية المخصصة لمدة 90 يوماً بناءً على مستوى الشركة المستهدفة ومستوى مهارتك الحالي.

:::