Больше кандидатов — без прироста Hit@20: разбор эксперимента
В моей рекомендательной системе LightGBM выбирает до 20 товаров из набора до 300 кандидатов. Разбор промахов показал: товары из последующих зарегистрированных покупок чаще терялись до ранжирования. Я расширила отбор до 370 кандидатов и проверила, даст ли это больше попаданий.Система построена на Coveo SIGIR eCOM 2021, Public Data Release 1.0.0 — обезличенных данных интернет-магазина о просмотрах, поисковых запросах и покупках. Её устройство разобрано в предыдущей статье, код — в RecSys-Coveo.Где терялись целевые товары
Как устроена сессионная рекомендательная система: граф, метаданные и LightGBM
Посетитель открыл товар A. По истории переходов с ним связан B, по описанию похож C, по изображению — D. Сам A тоже стоит оставить: посетитель его посмотрел, но покупка ещё не зарегистрирована. Как из этих предложений собрать список, в котором не больше 20 рекомендаций?На этом примере разберу систему, которую я собрала на Coveo SIGIR eCOM 2021, Public Data Release 1.0.0
Нейрослоп не пройдёт: отбор в первую Школу аналитиков hh
Мы получили больше 250 тестовых на 25 мест в первую Школу аналитиков hh. Многие решения были сделаны с нейросетью, и это нормально — аналитики в работе тоже пользуются LLM-инструментами. Вопрос был в другом: как за аккуратным текстом от LLM разглядеть кандидата с пониманием того, что он делает.
Как я автоматизировал подбор кандидатов с помощью Telegram‑бота и ускорил массовый найм в 3 раза
Все началось с отпуска HR.Нужно было срочно нанять сотрудников, а времени на десятки одинаковых переписок просто не было. Поэтому я написал небольшой Telegram‑бот для первичного отбора кандидатов.Но каждая решенная проблема открывала следующую. Сначала появились анкеты и скоринг. Потом автоматическая запись на собеседования. Затем аналитика, триггерные сообщения, LLM, база знаний и собственный визуальный конструктор сценариев.Если вы занимаетесь подбором персонала, автоматизируете HR‑процессы или разрабатываете Telegram‑ботов, возможно, мой опыт поможет избежать нескольких ошибок и сэкономить время.
ИИ-помощник для HR: когда нужен системный подход, а не разовый промпт в ChatGPT
На HR-специалистов одновременно ложатся задачи рекрутинга, адаптации, обучения, аналитики. Поэтому многие пользуются нейросетями: кто-то просит помочь с составлением вакансии, кто-то — с подготовкой документов. Чаще всего это происходит стихийно, и только 5% российских компаний системно внедряют ИИ-решения в процессы. Это требует настройки инфраструктуры, обучения моделей, контроля качества данных и соблюдения правовых норм. Но именно такой подход дает бизнесу ощутимый результат.Разберемся, какие задачи может взять на себя полноценный ИИ-помощник, и когда действительно оправдывает ожидания.
Куда пойти учиться?
Я уже ответила себе на этот вопрос, но спустя 15 лет вернулась к нему как организатор магистратуры и точно вернусь позже как мать двоих детей.
Вы точно их собеседовали: 8 личностей, которые приходят на интервью
Сейчас я активно нанимаю ПМ-ов, и на собеседования приходят совершенно разные кандидаты. Половина из них — зумеры. Если описать этот тип соискателя через призму характеров моих любимых персонажей, то это был бы Крош.Всем привет! Меня зовут Аня, я руковожу проектными менеджерами (ПМ) на сайте Альфа-Банка. Более 8 лет работаю в сфере people management и провела сотни собеседований. За это время видела разное: и искреннюю заинтересованность, и прогулку с собакой во время собеседования.
Исследование: использование ИИ в процессе рекрутинга влияет на поведение кандидатов
Исследователи Роттердамской школы менеджмента Университета Эразмуса выяснили, что использование компаниями искусственного интеллекта в процессе найма может влиять на поведение кандидатов. В итоге это приводит к необъективным результатам отбора.
