Проактивный алгоритм найма

Алгоритм гораздо проще предыдущего, ведь состоит из одного пункта. 🎉
⚠️ Будьте готовы, что вам не только ответят отказом, но и вовсе проигнорируют.

Готовы? Открывайте! 👇

1️⃣ Напишите самостоятельно заинтересовавшему вас специалисту в личку на LinkedIn.
💁‍♂️ Подсказка: Обратите особое внимание на иконку "open to work".
➕ Большой плюс этой социальной сети - вы видите сразу резюме и ваше видят тоже.

🤔 Скорее всего, я не первый его придумал - очень часто по этому алгоритму пытаются схантить меня.
🤔 Уверен, это один из лучших форматов для закрытия Team Lead.+ позиций.

😅 В тот день открытых дверей на Физтехе мы с Демидом проявили проактивность и раздали больше сотни стикер-паков.

🤣 Не зарегистрировались в LinkedIn - ошибка, не добавились в друзья - фатальная ошибка.

#карьера

Лидер vs эффективный менеджер

🔎 Уже в следующем месяце буду искать в Лабораторию Team Lead DS в NLP.
Выделяю для себя два класса руководителей: эффективный менеджер и лидер.

✍️ Различаю их по двум ключевых маркерам:

👉 Если ты внутри команды, то отчет по срокам задач будет единственным форматом коммуникации, интересующим эффективного менеджера. Лидер же будет приходить часто к тебе с новыми идеями, пытаясь тебя и команду максимально вовлекать в процесс брейншторма и совместного планирования реализации амбициозных задач.
👉 Группа лидеров команд обычно фокусируется на том, как совместными силами их команд сделать классный продукт, совершить бизнес-прорыв или поменять устоявшийся неоптимальный порядок вещей для клиентов компании или ее сотрудников.

Если этих маркеров недостаточно, то вот что пишут на сайтах про лидерство.
⚠️ Осторожно высокопарный слог!
1. Руководитель управляет, лидер изменяет и совершенствует.
2. Руководитель — это копия, лидер — это оригинал.
3. Руководитель поддерживает, лидер развивается.
4. Руководитель фокусируется на системах и структуре, лидер фокусируется на людях.
5. Руководитель полагается на контроль, лидер внушает доверие.
6. Замысел руководителя краткосрочный, у лидера далекие перспективы.
7. Руководитель спрашивает, каким образом и когда, лидер спрашивает, что и почему.
8. Руководитель смотрит на нижнюю строчку с «Итого», лидер поднимает глаза на горизонт.
9. Руководитель подражает, лидер создает.
10. Руководитель принимает текущее положение дел, лидер бросает ему вызов.
11. Руководитель — классический бравый солдат, лидер — это только он сам.
12. Руководитель делает все правильно, лидер делает правильные вещи.

Очевидно, что сочетание лучших качеств от обоих типов - идеальный вариант руководителя. Однако,
💬 Вы бы предпочли работать с эффективным менеджером или лидером?
💬 Какое оптимальное соотношение лидеров и эффективных менеджеров в компании?
Опросы вас ждут в комментариях к посту.👇

🔜 В следующий раз расскажу на что обращаю внимание при поиске Тим Лидов.

#карьера

Как лидерам и эффективными менеджерами ужиться в одной компании?

📊 По результатам опроса в канале и linkedin, большинство(~80%) ответивших предпочитают работать под руководством лидера. Более того, опрошенные предпочитают работать в компаниях, где лидеров больше, чем эффективных менеджеров.

Всегда ли нужны лидеры вашей команде?
👉 Вам точно нужен лидер если вы создаете что-то новое или меняете старые парадигмы в компании. Лидер, в отличии от фантазера, не только генерирует вижн, но и отвечает за конечный результат.

👉 Вам точно нужен лидер, если область его компетенций не является core-бизнесом компании, но необходима бизнесу для развития.

👉 Вам точно нужен хотя бы один лидер чтобы иметь альтернативную точку зрения и не погрязнуть в рутинных процессах, пока другие компании меняют рынок.

👉 Часто лидер эффективно менторит команду и растит лидеров внутри, но не всегда)

Эффективные менеджеры точно не нужны?

👉 В свою очередь, эффективные менеджеры точно нужны для управления уже состоявшимися процессами и командами или их шаблонного построения.

👉 В случаях, когда предстоит выполнять не самую интересную, но важную работу без эффективного менеджера команда не справится, а компания забуксует.

👉 Необходимость эффективных менеджеров возрастает, если требуется жестко контролировать результат работы команды.

Есть ли противоречия или конфликт между этими ролями?

🤔 Роли тесно связаны между собой - лидеры выступают локомотивом для создания будущих процессов, пока эффективные менеджеры поддерживают устоявшиеся. Далее, часть новых процессов становится эффективной рутиной, которые передаются эффективным менеджерам и так далее. Правильный баланс между этим роля в компании позволяет не упустить новые возможности и не расшатать фундамент в погоне за ними.

🤝 Избежать конфликтов помогает взаимное уважение сильных сторон каждого и правильное распределение задач, согласно уровню компетенций и реального опыта, а не только грейда.

Как в Лаборатории?

📈 На данном этапе мы отдаем предпочтение лидерам, так как мы меняем парадигмы Data Science в компании. Мы делаем огромный фокус на ответственность чтобы бизнес нам доверял, а мы помогали ему становиться более технологичным.

💬 Результаты опросов в комментариях. 👇

#карьера

Как найти хорошего DS Team Lead?

При найме на руководящую позицию нередко делают основной акцент на софт скиллы. В некоторых случаях и вовсе ими ограничиваются. Однако на одних софт скиллах далеко не уедешь, ведь приходится отвечать за результаты всей команды.

🤔 Какая может быть природа таких заблуждений? Одним может показаться, что хардовая часть вовсе не зависит от тим лида, ведь он сам практически не пишет код. Другим причудиться, что успешность проектов зависит только от трудолюбия и скиллов команды и, конечно же от навыка руководителя правильно коммуницировать внутри и вовне, а также правильно презентовать результаты. В результате этих суждений, методом исключений хард скиллов, как раз остаются только софт скиллы.

Кто-то приходит к мысли, что хорошим DS Team Lead может стать любой менеджер. Тем не менее, хороших Тим Лидов, которых я встречал в индустрии, объединяют следующие факторы: они все в прошлом Senior DS и имеют опыт успешной монетизации данных. Далее, подробно расскажу, почему это так важно.

✅ Бывший Senior Data Scientist

➕ Качественный найм. Вспомним еще раз, что код пишет не тим лид, а его команда. Тем не менее существует небольшая проблема - нужно нанять эту команду. Более того, любой руководитель должен стараться нанимать людей скилловее себя. Как распознать эти скиллы, если у тебя нет базы? Например, сейчас все пишут про BERT на позицию в NLP, но как среди них отобрать тех, кто шарит, если никогда сам его не обучал? Никак, все кандидаты для тебя будут одинаковые. Когда харды неразличимы, то решение будет приниматься на основании софтов. Выход, кажется, есть - переадресовать синьору техническую часть собеседования. А кто наймет синьора?)

➕ Принятие несложных технических решений самостоятельно. Отсутствие технической экспертизы у руководителя нередко тормозит процесс принятия решений или, что хуже, даже приводит к неправильным решениям. Вы наверно слышали о встречах в составе 10 менеджеров вертикали и двух разработчиков. Теперь вы знаете первопричину. В некоторых компаниях дата сайентистами могут управлять даже проджект менеджеры. Знаете, это обычно печальное зрелище, так как на любой технический вопрос другого Тим Лида, требуется консультация команды, которую нужно закинуть в следующий двухнедельный спринт(

➕ Развитие команды. А тут зачем база? Безусловно, существуют курсы по закрытию теоретических пробелов, можно учиться у более опытных коллег в команде, код ревью адресовать синьорам. Тем не менее, как выявить западающие компетенции и начать их развивать у конкретного члена команды?

➕ Минимизация микроменеджмента и бюрократии. Представьте, что вы не вдупляете, чем занимается ваша команда, но отвечаете за результат. Какие ваши действия? Правильно, вы попытаетесь проконтролировать все этапы работы команды. Чем больше вы не в теме, тем больше микроменеджмента и бюрократии стоит от вас ожидать. Если вы в теме, то по косвенным признакам, подобно опытному преподу на экзамене, вы сразу выявите студента, который не выучил материал, что вам позволит не мешать работать остальной части команды.

➕ Признание от сильной команды. Не разбираясь в базе, будет сложно выстраивать коммуникацию с командой. Будет невозможно понять, о чем они там говорят на встречах. В конфликтных ситуациях по техническим вопросам, будет сложно быстро понять кто прав, а кто нет. Наконец, будет тяжело оценить по достоинству инициативы, с которыми будут приходить заряженные члены команды. В итоге, часть решений будет принята неправильно, коммуникация будет скорее формальная, а вовлеченность команды и признание руководителя пониженными.

#карьера

✅ Обширный опыт успешной монетизации данных

➕ Оптимальная постановка задачи. Успех ml-проекта зависит от глубины понимания оптимизируемого бизнес-процесса, качества и доступности данных, способа интеграции решения, скиллов команды и готовности инфраструктуры. Успешный опыт монетизации данных, позволяет оценить все эти факторы и поставить задачу на старте таким образом, чтобы в минимально возможные сроки можно было получить максимум пользы для компании. Богатый доменный опыт позволяет сразу использовать лучшую практику с учетом специфики бизнеса компании. Хорошим показателем является доведение до бизнес-применения 90+% разрабатываемых моделей в команде.

➕ Продажа и отмена ml-проектов. В силу относительной молодости области анализа данных руководители непрофильных команд редко понимают, как правильно ставить задачи, что машинное обучение может и, главное, как применять его для улучшения своих процессов. Задача руководителя команды - помочь своим коллегам из смежных команд в этом непростом пути поиска точек применения машинного обучения, а также в грамотном объяснении случаев, где оно вовсе не требуется.

🤔 Если вы подаетесь на позицию DS Team Lead, то тщательно изучайте опыт вашего руководителя.
С ростом грейда руководителя должен расти опыт успешной монетизации данных. Тем не менее хардовой опыт является обязательным, ведь рыба гниет с головы.

💬 Верю, что можно прийти на позицию DS Team Lead, будучи синьором и на месте прокачать софт скиллы и набраться опыта со старшим руководителем в монетизации данных. Однако в обратное не верю, а вы?

#карьера

😮‍💨 Отсмотрел порядка 200 резюме на позицию DS NLP в Лабораторию, сегодня поделюсь обратной связью по формату подачи, оформлению резюме и ссылкой на более подробный разбор по теме составления резюме.

🤔 Хотите попасть на собеседование? Мыслите, как собеседующий еще на этапе отклика на вакансию. Главная цель нанимающего менеджера - найти лучшего кандидата за минимальное количество собеседований. Не стоит ожидать максимально честный экзамен для всех желающих, в виду его конечного временного ресурса.

Воронка приглашений на собеседование начинается с этапа получения резюме.

Топ ошибок по формату текущей подачи:

🤦‍♂️ Ссылка на резюме на HH.ru, которая не открывается даже после авторизации.
😐 Ссылка на резюме на yandex/google-диск или сайт-резюме. Не на всех рабочих компьютерах открываются внешние ссылки. Каждый дополнительный клик может снизить конверсию в отклик. Открывать сайт, который доступен только через vpn не каждый рекрутер будет.
🤔 Стандартное название вместо “ NameSurname.pdf”: "резюме.pdf", "cv.pdf", "ds.pdf". Его не только неудобно искать, но и можно случайно затереть другим кандидатом.

⚠️ Лучше не подавать резюме в pdf-формате hh.ru или word-файлом.
По той же причине, по которой лучше не делать большой фокус на курсы на Я.Практикум/GeekBrains - низкая конверсию в успех отпугивает собеседующего. Обычно с hh.ru приходят резюме тех, кто еще не успел интегрироваться в DS-сообщество или не научился техать резюме (нередко коррелирует с опытом программирования).

🧑‍💻 На что обращает внимание нанимающий менеджер?
Хотите повысить шанс попасть на собеседование - сделайте акцент на том, что указано в вакансии. Напишите свои сильные стороны относительно конкретной позиции в начале резюме. Не расписывайте подробно нерелевантный опыт в своем резюме.

🤔 Нет времени мастерить резюме под каждый отклик?
Укажите в тексте письма кратко ваши сильные стороны для этой позиции. Будет лучше, сочинения на тему вашей высокой мотивации найти работу.

Другие советы по составлению резюме читайте в канале @start_ds.

#карьера

Революция в кредитном скоринге full video

🧠 ChatGPT уже изучила курс DL in Finance и понимает, как провести революцию в кредитном скоринге.
📺 Посмотрите ролик для внутреннего конкурса проектов и узнаете, насколько наши с ней взгляды совпадают.

🤔 Сейчас нейронки уже стабильно улучшают core-бизнес процессы компании на протяжении почти трех лет. Самое время рассказать, что было на старте проекта, с какими сложностями мы столкнулись и как их преодолели:

💪 Не было понимания зачем нужны нейронные сети - показали их эффективность в core-бизнес направлениях.
🔍 Не было инфраструктуры для применения моделей - нашли ресурсы внутри компании без дополнительной закупки.
🦾 Не было места в очереди на получение доступов в ближайшие три месяца - научились открывать двери без специального доступа по пропуску.
📨 Не было интеграции с кредитным конвеером - передавали файлики по почте на протяжении полутора лет.

🧑‍💻 На этот раз у нас не было бюджета на оператора и актерские курсы - сделали все сами.
🔜 В ближайшее время выпустим статью про нейронку для объединения всех нейронок (транзакции x2, бки, другое), оставайтесь на связи.

Команда освоила новую профессию, ставьте 🔥если вам понравилось видео.
P.S. знаю, что у второго актера начинает появляться фан-база.

💬 В каком формате вы показываете бизнесу ценность Data Science?)

#автоматизация_ds #ML_Lab #видео

Рекомендую бесплатную Школу Аналитиков

💩 Платные курсы по анализу данных для масс-маркета редко отбивают деньги вкладчиков в светлое будущее из-за отсутствия входного тестирования и низкого качества преподавателей.

🔝 Бесплатные программы со специалистами в своей области являются большой редкостью. В следствии чего, при первой коммуникации не сразу поверил одному из сооснователей "School of Analytics" и навалил кучу неудобных вопросов. Однако после ответов на них, готов ее вам порекомендовать.

👨‍🏫 Кто преподает?
Опытные специалисты в предметной области: Senior Data Analyst, Head of BI Analytics, Head of Product Analytics.

🧑‍💻 Как попасть?
Пройти серьезный отбор среди 10 человек на место. Необходимо быть недавним выпускником ВУЗа. Уже отобрали 49 студентов на первый поток в марте.

📅 Когда следующий набор?
Стартует в августе, начнут читать годовой курс в сентябре.

📅 Когда проходят занятия?
По субботам три пары с 15:30 до 21:00.

💳 Сколько это стоит?
Бесплатно. Более того, у преподавателей нет денежной мотивации, но есть цель расширить свою команду за счет сильных выпускников.

Программа курса, этапы отбора, состав преподавателей и многое другое.

🗣 В Школе Аналитиков активно знакомят студентов с работой в индустрии и нюансами построения карьеры.

Завтра пообщаюсь со студентами на следующие темы:
⁃ работа в Альфа-Банке, задачах руководителя лаборатории и карьерном пути;
⁃ как ускорить карьерный путь:
⁃ ситуация на рынке труда в DS;
⁃ премии Forbes 30 до 30;
⁃ организация и участие в соревнованиях по Data Science;

Запись интервью.

#курсы

Освобождаем операторов колл-центра от рутины

📺 Сейчас начинается митап от X5 Tech.
🙀 @andrew_son расскажет про задачу, которую мы научились решать лучше человека.
🕖 Выступление Андрея в 19:00.

📡 Подключайтесь к трансляции и вы узнаете:
⁃ Зачем Альфа-Банку нужен классификатор на 1000+ классов.
⁃ Как построить процесс разметки данных с нуля, а главное как убедить бизнес в необходимости этого процесса.
⁃ Какую архитектуру нейронной сети мы использовали.
⁃ Как решение работает в продакшне.
⁃ В каких случаях нейронки могут решать задачу лучше человека.

💬 Задавайте вопросы Андрею в чате трансляции для ответа в режиме онлайн или в комментариях, если не успеваете и будете смотреть в записи.

#nlp #видео

Как научить нейронку решать задачу лучше специалиста?

Рассмотрим процесс, в котором решение принимает специалист в предметной области. Например, это может быть врач, ставящий диагноз по ЭКГ или флюорограмме, оператор колл-центра, обслуживающий клиентов, или даже дата сайентист, обучающий модели.

🤔 Как разработать модели, которые будут работать лучше этих специалистов?

👉 Пойдем по стандартному алгоритму работы DSа:
1. Начнем с глубокого интервью со специалистом, где выясним на основании каких данных и какие он принимает решения.
2. Переведем задачу в термины машинного обучения.
3. Соберем данные, необходимые для принятия решения, и целевую переменную.
4. Замеряем качество работы специалиста при помощи кросс-разметки.

Отлично, задачу поставили, данные собрали, качество замеряли.
👉 Минуточку, модели машинного обучения - это не искусственный интеллект, они всего лишь учатся восстанавливать параметрическую зависимость между данными и целевой переменной и делают это с погрешностью.
😓 Получается, модель всегда будет работать хуже человека за счет наличия погрешности?

Действительно модели будут в среднем работать хуже специалиста, но есть выход:
1. Обучаться на примерах, в которых согласованы несколько специалистов.
2. Использовать в обучении примеры лучших специалистов/экспертов.

📈 Комбинация из этих подходов позволит работать лучше, чем плохой специалист и средний специалист. Лучших специалистов получится превзойти, если обучаться на разметке комитета лучших специалистов и запрещать им объединяться на практике)

🤔 Не стоит забывать про еще один тип погрешности, связанный с неточностью постановки задачи. Например, в случаях классификации на 1000+ классов авторы каталога классов могут заложить в него заведомо неразделимые для экспертов классы.

👉 В итоге, точность работы в модели в бизнес-процессе ограничивается комбинаций модельной ошибки, погрешностью в разметке и погрешностью в постановке задачи.

💬 Как бы вы поставили задачу по оптимизации работы дата сайентистов?)

#mlsysdesign #nlp

Отожмут ли вашу работу ChatGPT и другие нейронные сети?

🚀 ChatGPT стал синонимом нейросетей для тех, кто незнаком с анализом данных. Ходят слухи, что с помощью этой модели можно решать задачи любого домена уже сейчас. Некоторые кандидаты уже даже записывают ChatGPT в качестве языка программирования в свою резюме.

🤔 Кого смогут оптимизировать нейронные сети? Скоро ли вас поработит искусственный интеллект?
Всерьез не задумывалась об этих вопросах до панельной дискусии на прошлой неделе, посвященной дню карьеры в ВШЭ. Сегодня поделюсь основными соображениями по этой теме.

🔌 Начнем с более хайпового вопроса. Если кратко, то вспомните закон сохранения энергии из школьного курса физики и расслабьтесь. Пока нейронные сети потребляют столько энергии на этапе обучения и инференса, можно спать спокойно. Однако люди учатся гораздо медленнее несмотря на то, что более эффективно используют энергию.

👨‍🏫 На данный момент вкладывается огромное количество человеческого капитала и вычислительных мощностей для обучения нейронных сетей, а не человека. Думаю, модели смогут оптимизировать всех кроме высококвалифицированных специалистов. Ведь "искусственный интеллект" лишь умеет очень хорошо повторять за своим учителем-человеком. Получается, в современном мире необходимо непрерывно учиться, иначе нейронные сети кто-то научит работать лучше вас.

👷 Нейронные сети нужно не только обучать, но еще и адаптировать под нужды бизнеса. К сожалению, сейчас не так много специалистов и компаний, которые умеют эффективно монетизировать данные и строить классные ml-продукты. Команды, которые умеют подчинять ml под нужды бизнеса, останутся актуальны до порабощения их скайнетом.

💬 Когда ожидаете, что SkyNet постучится в вашу дверь?)

LEVEL UP в Лаборатории

💪 Как вы знаете, в прошлом году Лаборатория внесла существенный вклад в улучшение бизнес-процессов Альфа-Банка.

Результаты работы команды трансформировались в ее карьерный рост:

📈 Стажер -> Junior x2 (март 2023)
👉 Адаптировали нейронки под кредитный скоринг для еще одной бизнес линии.
👉 Разработали более эффективный способ объединения нескольких нейронных сетей.

📈 Junior -> Middle x6 (май 2023)
👉 Внедрили нейронки в онлайн процесс кредитования, увеличили покрытие core-бизнес задач с и адаптировали их под новые источники данных.
👉 Освободили операторов от рутины в категоризации обращений на 1000+ классов.
👉 Внедрили внутреннее решения для чат-бота и voice-бота.

📈 Team Lead -> Team Lead+ (май 2023) [Команда монетизации нейронных сетей]
👉 Вырастили команду, защитили рост численности и стали лидерами по количеству внедренных моделей.
😱 Ожидайте интервью про карьерный рост от стажера до тим лида большой команды.

📈 Мы не останавливаемся на достигнутом, и продолжаем активный рост.
😱 Сейчас открыты 8 новых позиций в Лабораторию:
- 1 NLP Team Lead+
- 5 NLP DS
- 2 стажера (один из наставников kaggle master)

🔜 Мы уже готовим материалы к треку NLP in Practice, обновления трека DL in Finance, парочку статей на хабр и интервью.
🔜 Ожидайте анонсы в конце мая.

#ML_Lab #карьера