Как собрать портфолио, пройти интервью и получить оффер в международную компанию: опыт Рахата Шакимбекова

Tech Lead в сфере Data & AI из Гонконга поделился личной историей и практическими советами для тех, кто ищет первую работу в IT: как собрать портфолио, которое работает, пройти интервью и вырасти от стажера до лид-специалиста.

Рахат Шакимбеков, город — Гонконг, Tech Lead, LinkedIn

О себе

Я Tech Lead / Tech Manager в области Data & AI, живу и работаю в Гонконге. Родом из Семея, учился в лицее «Білім-Инновация», что сильно повлияло на дисциплину, базу по математике и инженерному мышлению.

Высшее образование получил в The Hong Kong Polytechnic University, бакалавриат B.Sc. in Electrical and Information Engineering со специализацией Internet & Multimedia Technologies. Именно там у меня была возможность изучить и поработать как с software, так и с hardware, что помогло осознанно выбрать путь в software engineering.

По стеку я полиглот: Python — FastAPI/Flask, Node.js, React/Next.js, PostgreSQL/MongoDB, Docker, также облака Databricks, Azure, AWS. Работаю на стыке продуктовой разработки и прикладного ML/GenAI: OCR, RAG, NaturalLanguage-to-SQL, интеграция LLM в корпоративные процессы, архитектура и production-практики.

О первой работе в IT

В IT я пришел через университетские проекты и стажировки. Рано понял, что меня драйвит создание конкретных решений для бизнеса — не абстрактный машинный интеллект, а измеримый эффект: быстрее, точнее, дешевле. Поэтому я сознательно выбирал команды, где можно было делать production-grade системы.

Начинал в стартапах — быстрый цикл обратной связи, большая зона ответственности, реальный пользователь рядом.

Затем работал в IBM Hong Kong, где получил опыт работы на уровне крупных корпоративных проектов: безопасность, регуляторные требования, DevOps, кибербезопасность, высокие стандарты качества и зрелые процессы разработки. Был опыт работы в сфере Web3 — разработка и поддержка NFT- и криптомаркетплейсов.

В настоящее время занимаюсь консалтингом в Data/AI: отвечаю за архитектуру, команду и доставку решений, включая платформы генеративного ИИ, модули распознавания текста, системы retrieval-augmented generation и Natural Language to SQL. Параллельно веду presale и помогаю клиентам переводить бизнес-задачи в инженерные дорожные карты.

Коммерческий путь начался с фриланс и консалтинговых проектов, а также ранних ролей в Гонконге. Полноценная полная занятость началась в компании Peplink на позиции Fullstack Developer сразу после университета. В IBM Hong Kong пришел позже, на позицию Application Developer / Fullstack. Занимался ADFS, безопасностью, облачной инфраструктурой на OpenShift и Azure, выстраиванием внутреннего кодекса практик для frontend и backend, участвовал в архитектурных решениях.

Для трудоустройства я использовал комбинацию подходов:
— нетворк и университетские ярмарки вакансий
— pet-проекты и портфолио на GitHub: реальные демо, не учебные задачи
— холодные отклики на роли, где мои навыки давали быстрый импакт. 

Искомые критерии: продукт с реальными пользователями, возможность владеть кусками архитектуры, доступ к данным/инфре, наставники.

Трудоустроился через стандартный процесс: скрининг → технические раунды → финал с менеджером/лидом. 

Типовой «портрет» моих интервью:
1. Онлайн-скрининг, 30-45 мин: опыт, мотивация, “fit”.

2. Tech-раунды, 1-2×60 мин:
Системный дизайн — микросервисы, очереди, кэш, шардирование, observability
Backend — API-контракты, транзакционность, идемпотентность, ретраи, DLQ
Данные/ML/GenAI — RAG-архитектура, NL2SQL, метрики качества hitrate@k и MRR, latency и error budgets
Безопасность/SSO — OAuth2, OIDC, SAML, хранение секретов, RBAC и ABAC.

3. Live-coding/Code review: аккуратность, тестируемость, сложность.

4. Менеджерский/продуктовый раунд: приоритизация, работа со стейкхолдерами, риск-менеджмент. Готовлюсь так:

— собираю свои проекты с цифрами: сроки, SLA, процент оптимизации
— делаю схемы архитектуры, где видно логику и компромиссы
— повторяю основы: SQL, индексы, кэширование, очереди, CAP-теорема, идемпотентность
— подготавливаю пару мини-демо — REST на FastAPI и небольшой RAG-проект.

Вопросы из практики: дизайн OCR-сервиса с очередями и ретраями, обеспечение согласованности при обновлениях, измерение качества поиска, проектирование RBAC, логирование и мониторинг.

Образование дало фундамент, но самое важное — научило учиться.

Личные качества, которые реально сработали:
— проактивность и ownership: брать проблему целиком, а не «мой микросервис работает — остальное неважно»
— коммуникация: переводить бизнес-язык в архитектуру и обратно
— настойчивость: доводить решения до продакшна, не бросать на 90%
— этика и командность: особенно важны в enterprise и консалтинге, где репутация решает многое.

О трудностях

В 2016 году рынок еще не был заполнен «вайб-кодерами» и выпускниками сомнительных консалтинговых курсов, где за шесть месяцев обещают научить всему и устроить в крупную компанию. 

Сейчас, на мой взгляд, основные трудности при трудоустройстве — это отсутствие коммерческого опыта, высокая конкуренция на junior-позиции и языковая или культурная специфика рынка Гонконга. 

Решение простое: портфолио продакшн-уровня, стажировки и фриланс, чтобы закрыть пробел «нулевого опыта». И, конечно, много откликов и адаптация резюме под конкретную роль.

Отказы — это не поражение, а обратная связь.

Я завел таблицу, где отмечал: куда откликнулся → на что позвали → где отсеяли → чему научился → что улучшил: демо, архитектурные диаграммы, сторителлинг.

После нескольких отказов я:
1. Пересобрал портфолио в «витрину ценности»: два-три кейса с результатом: SLA, экономия, скорость.
2. Притупил «перфекционизм» и усилил скорость итераций.
3. Добавил отраслевые истории, а не только технику. Это подняло конверсию и уверенность. Мотивация выросла: каждая неудача = уровень апгрейда. 

Основная сложность при поиске первой работы в IT для новичков в этой области: не «отсутствие опыта» как такового, а отсутствие доказательств ценности на продакшн-уровне. Рынок хочет видеть, что вы умеете доводить до пользователя: пусть небольшой, но живой сервис с логами, тестами, деплоем и понятными цифрами.

Как это обойти: короткий «плейбук»

1. Делайте два-три «живых» проекта вместо 20 учебных
— мини-сервис: FastAPI / Node + база данных + Docker + простая админка на React / Next
— мини-RAG: поиск по PDF или почтам; покажите метрики — hit@k, p95
— ETL + дашборд. 

Добавьте README с архитектурой, диаграммой и метриками.

2. Используйте бизнес-язык в резюме и на собеседовании
«Сократил ручную проверку на 60%, p95 ≤ 6 с, стоимость — 30%» звучит куда сильнее, чем «внедрил модель».

3. Инженерная гигиена — ваш главный сигнал
— тесты, логирование, обработка ошибок, идемпотентность, retry / DLQ, docker-compose, простая CI
— даже pet-проект должен запускаться одной командой.

4. Системный дизайн — это про компромиссы
— Кэш? Очередь? Как восстановиться после падения? Где граница консистентности? 

— рисуйте архитектуру и проговаривайте trade-offs.

5. Нетворкинг и публичность
— участвуйте в хакатонах, митапах, open-source проектах, пишите посты на LinkedIn и в Telegram
— делитесь демо — это выделяет вас среди множества резюме.

6. Обратная связь и итерации
— ведите таблицу откликов: где отсеяли, почему и что вы изменили
— каждую неделю делайте один «апгрейд» портфолио.

Итог: на практике главные барьеры — неопределенность, продакшн-качество GenAI, безопасность и данные. 

Эти проблемы решаются метриками, наблюдаемостью, ранним секьюрити-дизайном и дисциплиной “architecture as code”.

А новичкам особенно важно показать не просто «знание тем», а практический след — пусть небольшие, но доведенные до пользователя системы с цифрами, логами и честной историей компромиссов.