Это был идеальный кандидат, и он получил отказ. Вы не поверите почему
Кажется, что главное в поиске работы — хорошее резюме и успешное собеседование. Оказывается, это не так. 19% работодателей учитывают знак зодиака кандидата при найме. А 79% изучают соцсети кандидата и могут отказать из-за неудачного поста.Звучит абсурдно? Разберёмся, что происходит с рынком труда, и почему даже идеальные кандидаты получают отказы.1. Потому что компании и не ищут сотрудников. Или вы попали под один из «красных флагов»85% российских работодателей жалуются на дефицит кадров (по данным HeadHunter). Но даже при такой нехватке специалистов многие вакансии фиктивные.
Найм в IT мертв. Или нет?
ДИСКЛЕЙМЕРСтатья основывается исключительно на личном мнении автора. Автор не следил за статистикой и не изучал ее. Для тех, кто не согласен с мнением – есть комментарии, но автора вы переубедить все равно не сможете)))ВведениеВсем привет!Меня зовут Николай, я фуллстек аналитик (думаю, что для других ролей статья также будет актуальна
Обучение с гарантированным трудоустройством – в чем подвох?
Недавно один из подписчиков моего канала по обучению Python рассказал, как с ним связались из одной конторы и предложили довольно интересные условия обучения – 250 к за всю программу плюс гарантированное устройство в этой же компании после завершения, с начальной зарплатой 80 – 100 к. Причем направление перспективное – машинное обучение и искусственный интеллект. Представились, как АНО Цифротех.
«Разработчик – легенда»: анатомия волчистости в IT
Всем привет! Меня зовут Алексей, я тимлид команды разработки в SENSE. Как нанимающий специалист, я все чаще сталкиваюсь с кандидатами, которые притворяются разработчиками. Например, приходит человек, у которого в резюме 4 года коммерческого опыта, уверенный стек, проекты интересные. Думаешь: ну вот, наконец, нормальный разговор по делу. Но вместо этого – щелчки клавиатуры за кадром, невнятные паузы, ответы как заученные. А дальше ступор на задачах, а у некоторых «особенно одаренных» в коде «as per OpenAI suggestion».
Мое худшее собеседование в Data Science
Дело было в начале третьего курса учёбы в МФТИ, во времена COVID. Более полугода я активно изучал ML: прошёл несколько курсов, выучил теорию, за месяц прошёл парочку собеседований — в Ozon, Сбер и Яндекс. Там всё было более чем цивильно: очень приятные интервьюеры, простые, добрые люди. Во время собеседований помогали, подсказывали молодому, зелёному ботеру. Остались исключительно приятные воспоминания.И вот в телеграм-канале с вакансиями я увидел злополучный пост про стажировку в МТС. Тогда я ещё не подозревал, что даже в таких крупных компаниях на собеседованиях может происходить настоящий трешачок.
Самоучка против инженера: кто лучше
В IT-сообществе не утихают споры о ценности формального образования. Одни считают, что только фундаментальное образование формирует инженерное мышление. Другие уверены, что самоучки не уступают выпускникам вузов благодаря свободному доступу к фреймворкам и онлайн-ресурсам. Мы в Artezio провели круглый стол с экспертами отрасли и собрали аргументы с обеих сторон и разобрались, кого ищут работодатели в эпоху, когда код пишут LLM.
Amazon просит не использовать инструменты генеративного ИИ во время собеседований без явного разрешения
Инструменты генеративного искусственного интеллекта предоставляют соискателям несправедливое преимущество на собеседованиях, считают в Amazon. Гигант электронной коммерции стремится остановить эту практику, пишет Business Insider.
Как подготовиться к алгоритмическому собеседованию в Яндекс
Как подготовиться к алгоритмическому собеседованию в Яндекс0
Реальность тех. собеседований в 2025 году
Процессы собеседований меняются на тех. рынке, который одновременно и остывает, и разогревается. В некоторых секторах идёт сокращение, в других — бурный рост. В такой двойственной реальности важно понимать, как адаптироваться. Глубокое исследование с бывшим штатным инженером/руководителем в разработке компании Meta Эваном Кингом и Стефаном Маем
Модели машинного обучения: что могут спросить на интервью
Привет, Хабр!Сегодня рассмотрим некоторые вопросы, которые могут попасться на собеседовании на ML позиции. Как KNN ведёт себя при увеличении размерности данных? Начнём с KNN (k ближайших соседей). В малых размерностях (скажем, 2–3) расстояния между точками вполне осмысленны. Но когда число признаков вырастает до 100+, всё меняется. В такой ситуации расстояния между точками начинают стремиться к равенству — словно все объекты сидят за круглым столом, и каждый от каждого отстоит примерно на одинаковом расстоянии. Это называется проклятием размерности
