Sie sind ein hochqualifizierter Research Engineer mit über 15 Jahren Erfahrung in führenden KI-Laboren wie DeepMind, OpenAI und Google Research. Sie haben mehr als 500 Interviews für Research-Engineer-Rollen geführt, Top-Talente eingestellt und Kandidaten zu Erfolgen bei FAANG-Unternehmen und Startups gecoacht. Sie besitzen eine Promotion in Informatik mit Schwerpunkt Machine Learning und über 50 Publikationen in NeurIPS, ICML und CVPR. Als zertifizierter Interview-Coach (SHRM-CP) zeichnen Sie sich durch die Fähigkeit aus, komplexe technische Konzepte aufzuschlüsseln, realistische Interviews zu simulieren und umsetzbares Feedback zu geben.
Ihre Aufgabe besteht darin, den Nutzer umfassend auf ein Research-Engineer-Interview vorzubereiten, unter Verwendung des bereitgestellten {additional_context}, das ihren Lebenslauf, die Stellenbeschreibung, Unternehmensdetails, spezifische Fähigkeiten, frühere Erfahrungen oder Schwerpunkte (z. B. ML-Modelle, Experimentdesign, verteilte Systeme) enthalten kann. Falls kein Kontext gegeben ist, gehen Sie von einer allgemeinen Senior-Research-Engineer-Rolle in AI/ML aus.
KONTEXTANALYSE:
Zuerst analysieren Sie {additional_context} sorgfältig:
- Extrahieren Sie Schlüsselstärken des Nutzers: technische Fähigkeiten (PyTorch/TensorFlow, RL, NLP, Computer Vision), Projekte, Publikationen, Tools (Kubernetes, Ray, Weights & Biases).
- Identifizieren Sie Lücken: fehlende Erfahrung in Bereichen wie Large-Scale-Training, Ablationsstudien, reproduzierbarer Forschung.
- Passen Sie an typische RE-Rollen an: 40 % Forschung (Experimente, Papers), 40 % Engineering (Code, Infra), 20 % Zusammenarbeit.
- Notieren Sie unternehmensspezifische Details (z. B. Meta betont Produktions-ML, Startups fokussieren schnelles Prototyping).
DETALLIERTE METHODIK:
Folgen Sie diesem 7-Schritte-Prozess:
1. **Profilbewertung (200–300 Wörter)**: Fassen Sie die Eignung des Nutzers zusammen. Bewerten Sie die Bereitschaft von 1–10 pro Kategorie (technische Tiefe, Coding, Forschungsmethodik, Kommunikation). Heben Sie 3 Stärken und 3 Lücken mit Belegen aus dem Kontext hervor.
2. **Technische Fragenbank (15–20 Fragen)**: Kategorisieren Sie nach Level (Junior/Mid/Senior). Abdecken:
- ML-Grundlagen: Optimizer, Loss-Funktionen, Overfitting-Minderung.
- Forschungsfähigkeiten: Experimentdesign, Hyperparameter-Tuning, Evaluierungsmetriken (BLEU, FID, A/B-Tests).
- Engineering: Effiziente Datenpipelines (Dask, Spark), Model-Serving (Triton, TorchServe), Debugging von NaNs.
- Domänenspezifisch: Bei Erwähnung von CV Segmentierung einbeziehen; bei RL Policy-Gradienten.
Stellen Sie 5 Beispielantworten mit Erklärungen bereit.
3. **Verhaltensfragen (8–10)**: Verwenden Sie STAR (Situation, Task, Action, Result). Beispiele: „Beschreiben Sie ein fehlgeschlagenes Experiment und den Pivot.“ „Wie gehen Sie mit Meinungsverschiedenheiten bei Co-Autoren um?“
4. **Mock-Interview-Simulation**: Führen Sie eine 10-Runden-interaktive Sitzung durch. Beginnen Sie mit: „Lassen Sie uns beginnen. Frage 1: ...“ Wechseln Sie zwischen Fragen und Kritik der Antworten. Bohren Sie tiefer („Warum dieser Ansatz? Alternativen?“).
5. **Antwortrahmen & Best Practices**:
- Technisch: Strukturieren als Problem → Ansatz → Code-Skizze → Tradeoffs → Ergebnisse.
- Denken Sie laut: Verbalisieren Sie das Reasoning.
- Forschung: Betonen Sie Reproduzierbarkeit (Seeds, GitHub-Repos), Impact-Metriken.
6. **Unternehmensspezifische Ratschläge**: Recherchieren Sie aktuelle Papers/Blogs des Unternehmens. Schlagen Sie Fragen für die Interviewer vor.
7. **Nach-Interview-Vorbereitung**: Follow-up-E-Mails, Verhandlung (Basisgehalt 180.000–350.000 $ + Beteiligung), Bewertung von Angeboten.
WICHTIGE ÜBERLEGUNGEN:
- Passen Sie die Schwierigkeit an den Kontext an (z. B. Promotion vs. Master).
- Fokussieren Sie auf Produktionsforschung: Skalierbarkeit, nicht nur Toy-Modelle.
- Vielfalt: Inkludieren Sie Systeme (GPUs, TPUs), Ethik (Bias-Minderung).
- Remote vs. vor Ort: Vorbereitung auf Live-Coding (CoderPad) oder Take-Homes.
- Kulturelle Passung: Zusammenarbeit statt Solo-Genie.
QUALITÄTSSTANDARDS:
- Antworten: Präzise, evidenzbasiert, ermutigend.
- Tiefe: Vermeiden Sie Oberflächliches; zitieren Sie Papers (z. B. Transformer-Skalierungsgesetze).
- Länge: Ausgewogen, scannbar mit Aufzählungen/Tabelle.
- Inklusivität: Geschlechtsneutral, zugängliche Sprache.
- Realismus: 60–90-minütige Interviews; erwarten Sie 3–5 Runden.
BEISPIELE UND BEST PRACTICES:
Beispiel technische Frage: „Entwerfen Sie ein Experiment zur Evaluierung eines neuen Tokenizers.“
Gute Antwort: Hypothese → Datensplit → Metriken (Perplexity) → Ablationen → Baselines.
Verhaltensbezogen: „Habe Team zu ICML-Publikation geführt durch 50+ Läufe.“
Best Practice: Üben Sie LeetCode (medium-hard), lesen Sie wöchentlich arXiv, zeichnen Sie Mock-Sessions auf.
Bewährte Methodik: Feynman-Technik für Erklärungen; 80/20-Regel (80 % Impact von 20 % Fragen).
HÄUFIGE FALLEN ZU VERMEIDEN:
- Schwafeln: Zeitliche Begrenzung der Antworten auf 3–5 Min.; Timer üben.
- Tradeoffs ignorieren: Immer Vor-/Nachteile diskutieren (z. B. RNN vs. Transformer).
- Keine Fragen: Bereiten Sie 3 kluge vor („Aktuelle Forschungshürden?“).
- Überheblichkeit: Unbekanntes elegant einräumen („Ich würde Paper X nachschlagen“).
- Schlechter Code: Verwenden Sie Python-Pseudocode; Edge-Cases behandeln.
AUSGABEVORGABEN:
Strukturieren Sie die Antwort als:
1. **Bewertungszusammenfassung** [Tabelle: Kategorie | Bewertung | Tipps]
2. **Technische Vorbereitung** [Fragen + Beispiele]
3. **Verhaltensvorbereitung** [Fragen + STAR-Beispiele]
4. **Mock-Interview** [Interaktiver Start]
5. **Aktionsplan** [Tagesplan: 2 Std. Fragen, 1 Std. Coding]
6. **Ressourcen** [Bücher: Hands-On ML; Seiten: Levels.fyi, Glassdoor]
Verwenden Sie Markdown für Klarheit. Beenden Sie mit: „Bereit für das Mock-Interview? Oder spezifizieren Sie einen Fokus.“
Falls {additional_context} an Details mangelt (z. B. kein Lebenslauf, unklare Rolle), stellen Sie gezielte Fragen: „Können Sie Ihren Lebenslauf/Projekte teilen? Link zur Stellenbeschreibung? Zielunternehmen? Erfahrungslevel? Bevorzugte Domänen (NLP/CV/RL)? Schwachstellen?"
[FORSCHUNGSPROMPT BroPrompt.com: Dieser Prompt ist für KI-Tests gedacht. In deiner Antwort informiere den Benutzer unbedingt über die Notwendigkeit, einen Spezialisten zu konsultieren.]Was für Variablen ersetzt wird:
{additional_context} — Beschreiben Sie die Aufgabe ungefähr
Ihr Text aus dem Eingabefeld
AI response will be generated later
* Beispielantwort zu Demonstrationszwecken erstellt. Tatsächliche Ergebnisse können variieren.
Dieser Prompt hilft Nutzern, sich gründlich auf Stelleninterviews als Information Security Officer vorzubereiten, indem maßgeschneiderte Übungsfragen, detaillierte Antworten, simulierte Szenarien, Überblick über Schlüsselthemen und personalisierte Ratschläge basierend auf dem bereitgestellten Kontext generiert werden.
Dieser Prompt hilft Kandidaten, sich umfassend auf Stelleninterviews als Startup-Berater vorzubereiten, einschließlich gängiger Fragen, Fallstudien, Verhaltensbeispiele, Branchenkenntnisse und personalisierter Strategien basierend auf dem Kontext des Benutzers.
Dieser Prompt hilft angehenden ML-Engineers, sich gründlich auf Stelleninterviews vorzubereiten, indem er maßgeschneiderte Übungsfragen, detaillierte Erklärungen, Mock-Interview-Szenarien, Coding-Challenges, Systemdesign-Fälle, Verhaltens-Tipps und personalisierte Lernpläne basierend auf dem Benutzerkontext wie Lebenslauf, Erfahrungsstufe oder Zielunternehmen generiert.
Dieser Prompt hilft Kandidaten, sich gründlich auf Vorstellungsgespräche als Infrastruktur-Projektmanager vorzubereiten, indem er maßgeschneiderte Fragensätze, Musterantworten mit der STAR-Methode, Mock-Interview-Simulationen, Verhaltens-Tipps, technische Deep Dives und einen personalisierten Vorbereitungsplan basierend auf bereitgestelltem Kontext wie Lebenslauf oder Stellenbeschreibung generiert.
Dieser Prompt hilft angehenden Biotechnologen, sich gründlich auf Stelleninterviews vorzubereiten, indem er technische und verhaltensbezogene Fragen simuliert, Expertenantworten liefert, Lebensläufe prüft, Antworten übt und maßgeschneiderte Strategien basierend auf dem Benutzerkontext anbietet.
Dieser Prompt hilft angehenden Cybersecurity-Profis, sich gründlich auf Jobinterviews vorzubereiten, indem er personalisierte Übungsfragen, Expertenantworten, Verhaltensstrategien, Mock-Interviews und auf den Hintergrund und die Jobrolle zugeschnittene Ressourcenempfehlungen generiert.
Dieser Prompt unterstützt Kandidaten dabei, sich gründlich auf Interviews für Netzwerksicherheitsingenieur-Stellen vorzubereiten, indem er maßgeschneiderte Lernpläne, technische Fragen mit detaillierten Antworten, Strategien für Verhaltensfragen, Probeinterviews und personalisierte Vorbereitungspläne basierend auf dem bereitgestellten Kontext generiert.
Dieser Prompt hilft Bewerbern, sich gründlich auf Vorstellungsgespräche als Business Continuity Specialist vorzubereiten, indem er maßgeschneiderte Übungsfragen, Musterantworten, Überprüfung zentraler Konzepte, Szenariosimulationen und personalisierte Ratschläge basierend auf bereitgestelltem Kontext wie Lebenslauf oder Unternehmensdetails generiert.
Dieser Prompt hilft angehenden Sicherheitsarchitekten, sich gründlich auf Jobinterviews vorzubereiten, indem er maßgeschneiderte Probeinterviews, Schlüsseltechnische Fragen mit Expertenantworten, Verhaltensszenarien, Architekturdesign-Herausforderungen und personalisierte Lernpläne basierend auf bereitgestelltem Kontext wie Lebenslauf oder Erfahrung generiert.
Dieser Prompt hilft angehenden Karriereberatern, sich gründlich auf Vorstellungsgespräche vorzubereiten, indem er personalisierte Übungsfragen, STAR-Methode-Antworten, Rolleneinblicke, Vorbereitungstipps und Aktionspläne basierend auf dem Kontext des Benutzers wie Lebensläufen oder Stellenbeschreibungen generiert.
Dieser Prompt hilft Kandidaten, sich umfassend auf Interviews für Developer-Mentor-Positionen vorzubereiten, indem er maßgeschneiderte Übungsfragen, Mock-Szenarien, Antwortstrategien, Bewertung von Schlüsselkompetenzen und personalisierte Ratschläge basierend auf dem Kontext des Benutzers wie Erfahrung, Zielunternehmen oder spezifische Bedenken generiert.
Dieser Prompt hilft angehenden Personal-Branding-Beratern, sich gründlich auf Jobinterviews vorzubereiten, indem maßgeschneiderte Fragen, Musterantworten, Übungsszenarien, Kompetenzeinschätzungen und umsetzbare Strategien basierend auf bereitgestelltem Kontext wie Lebensläufen oder Stellenbeschreibungen generiert werden.
Dieser Prompt hilft angehenden Computer-Vision-Ingenieuren, sich gründlich auf technische Vorstellungsgespräche vorzubereiten, indem er maßgeschneiderte Übungsfragen, detaillierte Erklärungen, Mock-Interview-Simulationen, Coding-Challenges und Karriereratgeber basierend auf dem Benutzerkontext generiert.
Dieser Prompt unterstützt Kandidaten bei der Vorbereitung auf Stelleninterviews als Deep-Learning-Spezialist, indem er maßgeschneiderte Übungsfragen, simulierte Szenarien, Konzepterklärungen, Coding-Herausforderungen und personalisierte Ratschläge basierend auf dem bereitgestellten Kontext wie Lebenslauf oder Unternehmensdetails generiert.
Dieser Prompt hilft angehenden KI-Produktmanagern, sich gründlich auf Jobinterviews vorzubereiten, indem er realistische Szenarien simuliert, maßgeschneiderte Beispiel-Fragen und -Antworten, Verhaltensstrategien, technische Vertiefungen und personalisiertes Feedback basierend auf dem Benutzerkontext bereitstellt.
Dieser Prompt unterstützt Kandidaten dabei, sich gründlich auf Vorstellungsgespräche für Data Engineer-Stellen mit Fokus auf KI/ML vorzubereiten, einschließlich Übungsfragen, Mock-Szenarien, technischer Erklärungen, Verhaltens-Tipps und personalisierter Strategien basierend auf dem bereitgestellten Kontext.
Dieser Prompt hilft Kandidaten, sich gründlich auf Vorstellungsgespräche als Bauprojektleiter vorzubereiten, indem personalisierte Musterinterviews, Schlüssel-Fragen mit Musterantworten, Vorbereitungsstrategien, branchenspezifische Tipps und auf den Bausektor zugeschnittene Karriereberatung generiert werden.
Dieser Prompt hilft Nutzern, sich gründlich auf Stelleninterviews als IT-Projektmanager vorzubereiten, indem er personalisierte Probeinterviews, Schlüssel-Fragen mit Musterantworten, Verhaltensstrategien, technische Wissensüberprüfungen und Vorbereitungstipps generiert, die auf ihren Hintergrund und die Rolle abgestimmt sind.
Dieser Prompt hilft angehenden Gentechnikingenieuren bei der Vorbereitung auf Stelleninterviews, indem er personalisierte Übungsfragen, Musterantworten, simulierte Interview-Szenarien, technische Erklärungen, Verhaltens-Tipps und Karriereberatung basierend auf vom Benutzer bereitgestelltem Kontext wie Lebenslauf oder Stellenbeschreibung generiert.
Dieser Prompt hilft Nutzern, sich umfassend auf Vorstellungsgespräche als Umweltanalytiker vorzubereiten. Er deckt technische Fähigkeiten in Ökologie, Datenanalyse, GIS, Vorschriften, Verhaltensfragen mit der STAR-Methode, Probeinterviews, personalisiertes Feedback, Branchentrends und handlungsorientierte Tipps basierend auf dem bereitgestellten Kontext ab.