Olga

We are all affected by the development of artificial intelligence. It is important to understand who is developing AI and how to differentiate between candidates. Pay attention to frameworks and programming languages. When interviewing candidates, focus on their experience and what they have actually worked on. Many candidates may claim to be experts in certain areas, but it is important to verify their skills. Data scientists and machine learning engineers have different roles, so it is important to understand the distinction. Some work more with data analysis, while others focus on coding and creating data. 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 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 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 власне 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, то як показує досвід, не до кінця. Багато хто навіть з 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.