Βελτροποίηση της διαδικασίας προσλήψεων με ένα ταμπλό

Επισκόπηση

Το Computer μπορεί να μετατρέψει μια ακατάστατη διαδικασία πρόσληψης στελεχών σε ένα δομημένο κέντρο επιχειρήσεων για την πραγματοποίηση μιας καθοριστικής πρόσληψης Staff ML. Ερευνά κάθε υποψήφιο στο δημόσιο διαδίκτυο, τους αξιολογεί με βάση απαραίτητα κριτήρια, προσομοιώνει μια συζήτηση επιτροπής προσλήψεων και δημιουργεί ένα διαδραστικό ταμπλό που η ηγετική σας ομάδα μπορεί να χρησιμοποιήσει για να καταλήξει στην 1η επιλογή.

​

Βασικό Αποτέλεσμα

Το Computer ανέλαβε την περιγραφή πρόσληψης και τη λίστα 12 υποψηφίων, πραγματοποίησε εκτενῆ διαδικτυακή έρευνα για κάθε υποψήφιο, διασταυρώνοντας τις σημειώσεις του υπεύθυνου προσλήψεων με δημοσιεύσεις, δραστηριότητα στο GitHub, ομιλίες και αναρτήσεις σε ιστολόγια για να εντοπίσει τυχόν ελλείψεις στα δυνατά σημεία και πιθανούς κινδύνους.

Δημιούργησε μια δομημένη κάρτα βαθμολόγησης με βαθμολογίες 1–5 για κάθε απαραίτητο κριτήριο — αρχαιότητα, εκπαίδευση μεγάλων μοντέλων, ιστορικό δημοσιεύσεων, PyTorch/κατανεμημένη εκπαίδευση, συμπερασμός σε πραγματικό χρόνο και βασική μηχανική ικανότητα — και επισήμανε αυτόματα επτά υποψηφίους που απέτυχαν σε ένα ή περισσότερα απαραίτητα κριτήρια. Πέντε υποψήφιοι πέρασαν το όριο και προχώρησαν σε πιο λεπτομερή αξιολόγηση.

Για αυτούς τους κορυφαίους πέντε, το Computer συνέθεσε μια προβολή «επιτροπής προσλήψεων» μέσα από τρεις οπτικές: Τεχνικό Βάθος, Υλοποίηση και Δημιουργός Ομάδας, επισημαίνοντας ρητά τις εντάσεις όπου, για παράδειγμα, ένας υποψήφιος ήταν πολύ δυνατός ως αρχιτέκτονας αλλά πιο αδύναμος ως ηγέτης ανθρώπινου δυναμικού ή χειριστής παραγωγής.

Παρουσίασε μια σαφή λίστα κατάταξης με τον Alex Petrov ως την #1 σύσταση, τον Wei Chen ως την καλύτερη εφεδρική λύση με προσαρμογή στον κίνδυνο και τον Marcus Thompson ως το σκοτεινό άλογο υψηλής προοπτικής, με αιτιολόγηση συνδεδεμένη με το ιστορικό, τις προσδοκίες αποδοχών και την πιθανότητα κλεισίματος.

Το ταμπλό του κέντρου επιχειρήσεων που ανέπτυξε περιλαμβάνει επτά καρτέλες: μια εκτελεστική σύνοψη, έναν ταξινομήσιμο πίνακα υποψηφίων, οπτικοποιήσεις ραντάρ και ραβδογραμμάτων των καρτών βαθμολόγησης, κάρτες συζήτησης της επιτροπής προσλήψεων, εξατομικευμένα σχέδια συνεντεύξεων για τους τρεις κορυφαίους, ένα πλέγμα ανταγωνιστικής ευφυΐας που αντιπαραβάλλει την παρουσίαση της Apex έναντι των Tesla/Figure/DeepMind/Pi για κάθε υποψήφιο, και έναν ανιχνευτή διοχέτευσης σε στιλ Kanban για χρήση σε αναθεωρήσεις προσλήψεων σε επίπεδο CTO.

Μεγέθυνση

Μεγέθυνση

Μεγέθυνση

Συμβουλές

• Αποσαφήνιση του ορίου και του πεδίου προσλήψεων – Προσθέστε ρητή γλώσσα ορίων, για παράδειγμα: «Αυτός ο υποψήφιος προς πρόσληψη πρέπει να είναι ικανός να γίνει ο εκ των πραγμάτων Διευθυντής ML μας εντός 18–24 μηνών. Μην προτείνετε κανέναν που δεν μπορεί να αναλάβει τον οδικό χάρτη του μοντέλου θεμελίωσης από άκρη σε άκρη.»
• Περιορισμός της εξωτερικής έρευνας – Ορίστε όρια στις πηγές και στην επικαιρότητα, για παράδειγμα: «Δώστε προτεραιότητα στα τελευταία 5 χρόνια εργασίας και δώστε μεγαλύτερη βαρύτητα σε δημοσιεύσεις σε κορυφαία συνέδρια και συστήματα παραγωγής παρά σε παλαιότερα ακαδημαϊκά έργο.»
• Σύνδεση των αποτελεσμάτων με μια ημερομηνία απόφασης – Δώστε στο Computer έναν ρυθμό αποφάσεων, για παράδειγμα: «Δομήστε το ταμπλό και τις περιλήψεις έτσι ώστε να υποστηρίζουν μια απόφαση έγκρισης/απόρριψης στην επιτροπή προσλήψεων του CTO την επόμενη Δευτέρα.»