Olga FI

We are all affected by artificial intelligence and its development. It is important to understand the differences between strong and weak AI and how we are involved and dependent on it. When searching for candidates, focus on frameworks, programming languages, and their actual experience. Many candidates claim to be computer vision engineers but may not have the necessary skills. It is crucial to dig deeper and not solely rely on what candidates write about themselves. Data scientists and machine learning engineers have different roles, so it is important to understand their capabilities. А зараз ми будемо всі туди рухатися, бо чад джепітів полонив всіх, разом з тим і нас. І оскільки штучний інтелект і ця сфера розвиваються на основі наших знань, по факту ми її розвиваємо. Є такий момент, що штучний інтелект ділиться на сильний та слабкий. І разом з тим ми також десь до цього залучені і залежні. Варто знати, хто розвиває цей штучний інтелект і як бути заточеним, розбиратися, знаходити різницю між цими кандидатами і не губитися. Те, що ця сфера є досить умовною і саме кандидати також є досить умовними, але вже чим далі ми в цій сфері, тим більше розуміємо відмінності між кожною позицією. Які поради я би дала, на що звертати увагу при пошуку кандидатів, це однозначно звертати увагу саме на фреймворки, саме на додаткові мови програмування і тому подібне. Те, що є, скажімо так, свого роду якимось таким маркером, який відрізняє. Ну і звичайно при зустрічі вже самим кандидатом, це вже не стільки сорсингова робота, скільки саме рекрутера, більш точно досліджувати, з чим саме кандидат займався, бо саме це є найбільші маркери. З такого, на що я наштовхувалася, не один раз є computer vision інженери, які власне начебто пишуть, що вони є цими computer vision інженерами, але насправді вони досить далекі від цього. Вони лише частково мають дотичність до цієї, скажімо так, до цієї віхи цього машинного навчання. Бо є саме ті computer vision інженери, які мають і мову програмування, відповідно, і конкретні фреймворки, які допомагають це робити, а є просто computer vision інженери, до речі, про яких розказують, чи ті просто слідкують самі, є цими очима не комп'ютерними, а людськими, але просто напишуть собі, що вони займаються computer vision. Тому дуже важливо це все вже оточнювати, глибше вникати і не завжди сприймати те, що пишуть кандидати, бо, як показує досвід, не до кінця багато хто навіть самих кандидатів розуміє, чи він є насправді data scientist, чи він є machine learning інженером. Начебто, як кажуть кандидати, це є одне і те саме, насправді зовсім не одне і те саме. Одні працюють більше з аналітикою, інші, власне, кодять, і це треба розуміти, де ти просто збираєш дані, аналізуєш їх, а де ти, власне, сам створюєш ці дані і на основі цих даних далі рухаєш процеси наступні. Тому якось отак, не знаю, чи вдалося мені донести.