Оптимізуйте процес найму за допомогою панелі приладів

Огляд

Computer може перетворити хаотичний процес найму керівників на структурований «військовий штаб» для прийняття єдиного відповідального рішення щодо найму провідного інженера з машинного навчання (Staff ML). Система досліджує кожного кандидата в публічному вебпросторі, оцінює його за обов'язковими критеріями, симулює дебати комітету з найму та створює інтерактивну панель приладів, яку ваша команда керівників зможе використовувати для узгодження вибору кандидата № 1.

​

Основний результат

Computer опрацював заявку на найму та базу з 12 кандидатів, після чого здійснив глибоке вебдослідження кожного претендента, зіставивши нотатки рекрутера з публікаціями, активністю на GitHub, виступами та записами в блогах, щоб виявити пропущені сильні сторони та тривожні сигнали.

Було створено структуровану карту оцінювання з балами від 1 до 5 за кожним обов'язковим критерієм — досвід роботи, навчання великих моделей, історія публікацій, PyTorch / розподілене навчання, вивід у реальному часі та базові інженерні навички, — а також автоматично позначено сімох кандидатів, які не пройшли за одним чи кількома обов'язковими критеріями. П'ятеро кандидатів подолали бар'єр і перейшли до детальнішого оцінювання.

Для цієї п'ятірки найкращих Computer синтезував уявлення «комітету з найму» крізь призму трьох аспектів: «Технічна глибина», «Реалізація» та «Формування команди», чітко виділяючи протиріччя, коли, наприклад, кандидат мав сильні архітектурні навички, але був слабшим як лідер команди чи керівник виробничих процесів.

Він сформував чіткий ранжований список із Алексом Петровим як рекомендацією № 1, Вей Ченом як найкращим резервним варіантом із погляду мінімізації ризиків та Маркусом Томпсоном як перспективним «темним конячкою», а також обґрунтуванням, що базується на попередньому досвіді, очікуваннях щодо компенсації та ймовірності прийняття офєру.

Розгорнута ним панель приладів «військового штабу» містить сім вкладок: зведений огляд для керівництва, сортовану матрицю кандидатів, візуалізації карти оцінювання у вигляді радарних і стовпчикових діаграм, картки дебатів комітету з найму, індивідуальні плани співбесід для трьох найкращих кандидатів, сітку конкурентної розвідки зі зіставленням пропозиції Apex та пропозицій Tesla / Figure / DeepMind / Pi для кожного кандидата, а також трекер пайплайну в стилі Kanban для використання під час переглядів найму на рівні технічного директора (CTO).

Розгорнути

Розгорнути

Розгорнути

Поради

• Уточнюйте критерії найму та сферу відповідальності – Додайте чіткі формулювання вимог, наприклад: «Цей кандидат повинен бути здатним стати нашим фактичним директором з машинного навчання протягом 18–24 місяців; не рекомендуйте нікого, хто не здатний повністю контролювати дорожню карту базової моделі».
• Обмежуйте зовнішні дослідження – Встановіть межі щодо джерел і давності, наприклад: «Надавайте пріоритет роботам за останні 5 років і зважуйте публікації в провідних виданнях та виробничі системи вище за старі академічні проєкти».
• Прив'язуйте результати до дати прийняття рішення – Задайте Computer ритм прийняття рішень, наприклад: «Сформуйте панель приладів і підсумки так, щоб вони підтримували рішення щодо затвердження або відхилення на комітеті з найму CTO наступного понеділка».