如今，在大型科技公司中，一个备受追捧的工程职位是工程师自然语言处理，或NLP，工程师。
NLP是机器学习的一个子集，它涉及文本和语言识别，而不是用计算机视觉进行图像分析。为NLP职位聘用的工程师可能负责与搜索推荐、聊天机器人和个性化基于文本的营销等工具相关的实现。
虽然这个角色可能会扩展到持有文本数据的质量数量的公司，招聘过程仍是浅机器学习人才的竞争所致。
在50个国际客户关怀经理2016年的调查麦肯锡的研究人员询问了目标的高管希望在未来五年实现。超过一半的受访者表示，他们希望用科技创造更多自助服务客户服务选项。
研究指出，这些自助服务选项可能包括基于nlp的虚拟代理，它们可以响应消息线程中的基于文本的请求或电话中的基于语音的请求。
尽管人们对NLP技术很感兴趣，但麦肯锡表示，大多数接受调查的高管目前都无法聘用员工，因为他们缺乏这样做所需的战略。研究进一步指出:
我们三分之二的受访者表示，他们不准备投资新的技术，因为他们缺乏一个明确的战略，并认为这样的投资就不会在不到12个月的影响。
对于聘请NLP领导或专家的协助下，企业可以考虑使用这样的公司Toptal。到兽医，帮助匹配Toptal索赔经历AI工程师，包括那些与NLP特色，与世界各地的公司。
要获得关于如何才能找到一个NLP工程师，我们与工程和AI铅Toptal的主任谈到更多的了解，佩德罗·阿尔维斯Nogueira。
Toptal之前，阿尔维斯接到诺盖拉在人工智能和人机交互的博士学位来自波尔图的葡萄牙大学。他毕业以优异成绩。在此之前，他曾担任用户体验和人机交互研究人员在多个欧洲和国际项目，其中包括卡内基梅隆 - 葡萄牙计划。
关注公司需求
作为一家公司进入，雇佣前阶段，诺盖拉说，他们必须尝试回答以下问题：
- 可访问的数据类型是什么?
- 是否有足够的数据供NLP专业人员进入该职位?如果没有，公司将如何收集数据?
- NLP工程师必须能够满足哪些技术需求?
- NLP工程师或工程师团队要完成的业务最终目标是什么?
Nogueira指出，最有可能做出最佳招聘决策的两类利益相关者是:
- 一个有技术头脑的人，他理解数据，并具有最强的统计或数学教育背景:“他理解技术模型以及将它们组合在一起的各个方面。这包括生产、访问数据、确定访问的类型和数据的类型。或者决定处理数据的能力。”
- 一个业务方面的利益相关者，例如销售或市场的领导者，他将从候选人的模型中看到好处
Nogueira说，当这两个人一起回答上述问题时，他们也能够作为一个团队来写一份清晰的工作描述和做出明智的招聘决定。
Nogueira说，在招聘过程的这个阶段，整个团队的整合和沟通是至关重要的。虽然业务端参与是必要的，但是团队中需要一个理想的AI工程师，或者具有强大的技术和数学背景的人。他阐述了:
如果你不是一个技术性很强的人，整个面试过程将会很困难。如果你认为传统的开发人员有时似乎会说一种不同的语言，那么你从未与AI工程师详细交谈过。
诺盖拉表示，在招聘NLP等人工智能专业人才时，最好有一名人工智能工程师在场。然而，拥有强大的数学或科学背景的人应该仍然能够决定在nlp特定的角色中需要什么。
进入面试和筛选过程
正如Nogueira因聘用远程机器学习工程师而引起的注意，创建工作描述的两个人或两个团队将希望一起进行面试。
这应该是一个关键的面试策略，因为一个强大的NLP工程师，尤其是团队中的第一个，应该能够清楚地向公司的双方陈述他们的工作和成就。他接着说:
这个人需要能够理解业务，并将涉众的业务需求清楚地表达到他或她的实际工作中。然后，他们需要以一种可操作的、有意义的、可解释的方式向涉众传达他们的发现。他们需要考虑企业作为一个整体是如何运作的，这样他们就知道在哪里跟踪价值。
诺盖拉说，最早的员工必须能够“桥梁”，他们的技术团队和业务团队之间的差距，当涉及到通信。
“你不会得到这种类型的股东或利益相关者的信息。”他加了。“你不得不想想你的数据，你可以从它，你会为公司是有利的。”
在面试中讨论NLP的细节时，Nogueira建议精通技术的公司代表应该能够起草与NLP相关的问题，并确定回答是否相关。
额外检查
除了面向商业和技术的面试，一些公司在寻找高价人工智能工程师时，可能希望有一个更严格的筛选过程，比如那些与NLP合作的工程师。
Toptal只推荐和连接申请在他们网站上工作的前3%的人工智能工程师和外部公司。Toptal报告说，为了确定谁是前3%的候选人，其审查过程包括以下步骤:
- 语言和性格访谈:脸对脸或做决定的候选人能写和说英语的视频聊天“非常好。”这些最初的采访也帮助招聘者以确定应聘者的性格是什么样的。
- 深入的技术评审:候选人进行评估，这将考验他们解决问题的能力。关于这些评估的样子或者他们需要多长时间进一步细节不详。
- 现场筛选：在这个阶段，有AI的专业，如应用NLP的工程师，将通过类似的技能的工程师面谈。面试官也将挑战现场解决问题练习的候选人。
- 测试项目:应聘者会得到一个真实的场景和真实的数据，并被告知要在一到三周的期限内完成一项任务。
工程师被聘用，并与公司开始得到匹配后，Toptal说，它保持与这些公司联络，监察工程师的工作质量。虽然他们指出，他们不会容忍低质量的工作，该网站并没有注意，当Toptal被告知他们的工作相关的问题会发生什么变化工程师。
以下是Toptal的筛选过程的图表，公司是通过一个漏斗来建模的:
好奇的招聘可能会带来未来的工程师
Nogueira说，他在Toptal的任务是采访机器学习专业的工程师，比如NLP。他要求应聘者描述他们参与过的项目，以及与nlp相关的成就。他阐述了:
我大概在几个月的时间里做了100个采访。我最喜欢的部分之一就是询问人们过去的项目，看看他们是否有激情，是否真正了解他们所做的事情。
他解释说，在像NLP这样的领域，公司在面试时应该有一个技术上有经验的人在场，以防止雇佣一个仅仅使用人工智能工具的人，而不是真正经历耗时的建立自己的模型的过程。根据Nogueira:
一个人最成功的项目故事不一定是最有趣的。有时候一个工程师会连续工作好几年，然后变得非常沮丧。这些可能是他们经历最疯狂的技术和最奇怪的方法的问题或时间。
这是一个很好的测试，可以知道谁对自己的工作最有激情，以及他们的适应力和创造力有多强。
Nogueira说，他聘请了NLP的工程师，这些工程师能够最好地将他们的成功故事传达给他的筛选团队，这些团队将参与未来的面试。
最好的沟通，最好奇的人有良好的跟踪记录通过筛选过程。“然后，我邀请他们过来继续做我本来跟他们做什么，”他说。“到目前为止，它的表现还算不错。
雇用的NLP工程师闭幕的思考
不管一个企业是雇佣了第一个工程师还是许多工程师中的一个，诺盖拉建议，企业应该寻找最交际和好奇的人，同时还确保使它们在技术上精明足够来管理他们的特长，比如NLP。
企业最感兴趣的一个领域可能是NLP客户服务。麦肯锡的客户关怀调查，如上所述，报告指出，客户服务交互至少30％是通过在线消息或聊天来完成。
麦肯锡估计，随着更年轻、更精通技术的一代开始更频繁地需要客户服务，这一数字只会增长。作为一个结果,麦肯锡认为，这类趋势可能会为“人工智能代理”打开大门，比如能够处理语音请求的聊天机器人或自动客服机器人。虽然这些虚拟代理可以让消费者自助，但研究表明，它们也可以为人类代理腾出时间，用于产生收入。
这篇文章是由Toptal赞助，写，编辑出版对准我们的透明Emerj赞助的内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图片来源:霍布森的同事
