Blog de ingeniería
Tenga en cuenta que si está solicitando un puesto de director de ingeniería, esta guía será más relevante para usted. También tenemos guías específicas para los puestos de ingeniero de datos, ingeniero de front-end e ingeniero de producción.
Pasarás por una o dos entrevistas técnicas iniciales de 45 minutos que suelen realizarse por teléfono. Los entrevistadores comenzarán con algunas preguntas de comportamiento, pero la mayor parte del tiempo se dedicará a las típicas preguntas de codificación (por ejemplo, estructuras de datos, algoritmos, etc.)
Por lo general, tendrás tres entrevistas de codificación, una de diseño y una de comportamiento. Pero, como veremos en la siguiente sección, el desglose exacto variará en función de la función, el equipo y el nivel al que se opte.
Si eres un ingeniero principiante o junior, se espera que lo hagas muy bien en las entrevistas de codificación. Pero normalmente sólo tendrás una entrevista de diseño de sistemas en la que el listón de rendimiento será más bajo que el de los candidatos más veteranos, y si no es relevante para tu puesto puede que no te hagan ninguna entrevista de diseño.
Ingeniería de producción facebook
El primer ministro de Ontario, Doug Ford, anunció el martes por la tarde el nuevo centro junto con los ejecutivos de Meta. Dijo que el nuevo centro creará 2.500 puestos de trabajo “bien remunerados” en los próximos cinco años. La mayoría de los puestos se centrarán en la ingeniería y consistirán en opciones de trabajo tanto en la oficina como a distancia, dijo la empresa. La empresa eligió Canadá por su “profunda reserva de talento” y su “vibrante ecosistema tecnológico”, según Rachel Curran, directora de políticas públicas de Meta, según The Canadian Press. La historia continúa debajo del anuncio
“Ontario, y Toronto en particular, se está convirtiendo en un verdadero centro de la economía de la innovación y de la economía tecnológica, por lo que nos hemos subido al carro”, dijo. El artículo citaba datos de la empresa inmobiliaria CBRE, según los cuales el ecosistema tecnológico de Toronto sólo está por detrás de Nueva York y Silicon Valley en Norteamérica en cuanto a número de trabajadores tecnológicos. “No me sorprende, porque Toronto siempre ha sido un gran foco de talento, desde la biotecnología hasta la ingeniería de software, pasando por el aprendizaje automático”, dijo Luan Yu, director general de Genecis Bioindustries, con sede en Scarborough, en una entrevista reciente con Global News.
Ingeniería de Uber
En una entrevista, Nikkar dijo que se unió a Lacework en parte porque la industria de la seguridad “siente que está en un punto de inflexión, impulsada por la creciente adopción de la nube pública. El enfoque tradicional para asegurar su huella simplemente ya no será suficiente”.
“Ambos manejan enormes cantidades de datos y requieren la creación de sistemas de procesamiento de flujos de datos en tiempo real. Ambos requieren la creación de sistemas complejos y distribuidos. Hay mucho aprendizaje automático e IA y otros tipos de análisis estadísticos, así como la construcción de esta infraestructura común compartida”, dijo. “Así que, aunque los dominios son claramente diferentes a los que he trabajado en el pasado, hay muchas similitudes en las tecnologías subyacentes”.
Un elemento central de la plataforma de Lacework es su tecnología Polygraph, que recopila y correlaciona cantidades masivas de datos, detecta posibles problemas de seguridad y prioriza las mayores amenazas para darles respuesta. Las capacidades clave incluyen la detección de anomalías impulsada por ML y la visibilidad profunda a través de las cargas de trabajo de la nube y los contenedores. Además, la plataforma reduce las alertas a una media de 1,4 al día y los falsos positivos en un 95%, según la empresa.
Ingeniería de la interrupción de fb com
Estudios anteriores en este ámbito han podido determinar qué modelo de IA conocido generó un deepfake, pero este trabajo, dirigido por Vishal Asnani, de la MSU, va un paso más allá al identificar los rasgos arquitectónicos de los modelos desconocidos. Estos rasgos, conocidos como hiperparámetros, deben ajustarse en cada modelo de aprendizaje automático como las piezas de un motor. En conjunto, dejan una huella digital única en la imagen terminada que puede utilizarse para identificar su origen.
“Supongamos que un mal actor está generando muchos deepfakes diferentes y los sube a diferentes plataformas a diferentes usuarios”, dice Hassner. “Si se trata de un nuevo modelo de IA que nadie ha visto antes, entonces es muy poco lo que podríamos haber dicho al respecto en el pasado. Ahora podemos decir: ‘Mira, la foto que se subió aquí, la foto que se subió allí, todas proceden del mismo modelo’. Y si somos capaces de incautar el portátil o el ordenador [utilizado para generar el contenido], podremos decir: ‘Este es el culpable'”.
Hassner compara el trabajo con las técnicas forenses utilizadas para identificar qué modelo de cámara se utilizó para tomar una fotografía buscando patrones en la imagen resultante. “Sin embargo, no todo el mundo puede crear su propia cámara”, dice. “Mientras que cualquiera con una cantidad razonable de experiencia y un ordenador estándar puede cocinar su propio modelo que genere deepfakes”.
