Найм сегодня: безнадежная тупость, невежество и идиоты
Мы активно используем нейросети для решения рабочих задач. Бизнес агитирует за глубокое проникновение «искусственного интеллекта» в рабочие процессы. В то же время, процесс найма в компаниях старательно игнорирует эволюцию инструментов. Интервьюеры выставляют себя идиотами и встают на пути интересов бизнеса.
Рынок найма глазами инженера
Политика найма в большинстве компаний оставляет желать лучшего. Они просто тратят своё и наше время (я как-то проходил собеседование из 9 этапов!). Они охотятся на передовых программистов и при этом даже
Компании в США начали отказываться от виртуальных собеседований и возвращаются к личным встречам с кандидатами
В последние годы виртуальные собеседования стали новой нормой при найме сотрудников, что обусловлено ростом популярности удалённой работы и стремлением компаний ускорить набор персонала. Однако всё больше соискателей используют инструменты на базе искусственного интеллекта для обмана будущих работодателей, поэтому американские компании начали отказываться от виртуальных собеседований, пишет Wall Street Journal.
Как не надо собеседовать
Пришло время рассказать широкой аудитории о практиках, которые больше не работают для найма технических специалистов в 21м веке. Чего не надо делать, если хотите нанимать нормальных специалистов. Так это обычно происходит.
Почему тебя поймают списывающим на собеседовании (а ты об этом даже не узнаешь)
"Подглядывание" в ChatGPT для решения тестовых заданий на вакансию — вопрос на совести соискателя. Неэтично, но легко остаться безнаказанным (впрочем, некоторые умудряются попасться и здесь, забывая в ответе куски промптов или объяснения от AI).Быть пойманным на списывании во время собеседования гораздо проще.При этом по ряду причин собеседующий лид не просигнализирует соискателю, что он пойман.Уловки и болт с обратной резьбойВнимательно посмотрите на глаза дикторов на ТВ. Всегда видно, как у них "бегают" глаза диктора по телесуфлеру.
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
Что бы я сделал, если бы сегодня начинал учить Data Science – ML?
Machine Learning и Data Science — это одни из самых популярных и востребованных направлений в IT. Но вместе с этим — они и одни из самых сложных для входа. Здесь огромное количество тем, инструментов, библиотек, подходов и постоянно появляющихся технологий.Из-за этого многие новички начинают обучение с энтузиазмом, но через пару месяцев теряют интерес. Причины могут быть разные: слишком много теории, мало практики, нет чёткого плана или понимания, зачем вообще всё это нужно.Эта статья — не очередной «гайд по ML для новичков». Это мой личный взгляд на то, как бы я подошёл к обучению, если бы начинал с нуля уже сегодня
Генерация видео: Обзор интересных подходов | Text-2-video | Part 2
Освещу базовые концепты в области генерации видео. В этой части рассмотрю как современные модели 2025 года, так и несколько ключевых архитектур, с которых всё начиналось. Всё кратко и по делу — только самое важное.Разберём устройство топовых SOTA-моделей для генерации видео: Wan2.1, Hunyuan Video, а также недавно представленный подход FramePack, направленный на снижение вычислительных требований.Советую ознакомиться с первой частьюНачнем со старичка: Stable Video DiffusionStable Video DiffusionСсылка на оригинальную статью
