/Самая частая проблема резюме/

Я уже больше года не берусь проводить консультации по рерайту и составлению резюме - у меня для этого есть большой гайд «резюме на гриле», который отлично справляется с этой задачей за меня. Но все равно еженедельно вижу десятки резюме, и многие из них до сих пор написаны с этой ошибкой - даже у сильных и талантливых кандидатов. Так что расскажу еще раз!

Когда описываете свой опыт работы [на минуточку, вашу основную часть CV] пишите, пожалуйста, что вы реально сделали
- не то, что делали
- не то, что ваш руководитель хотел от вас
- не тем более обязанности с релевантных вакансий

а то, что сделали и как это повлияло на метрики. Объясню, почему - во-первых, так вы обойдете 80% [а то и 90%] ваших конкурентов на повороте, во-вторых, читающему ваши обязанности ни о чем не скажут. По сути они это читают «я должен был делать А, В, С.» Что на самом деле вы делали, а главное - насколько успешно - непонятно вообще.

Критикуешь - предлагай

Вспомните, к чему приводили ваши действия - к каким результатам [в идеале это считать до того как вы уволились, и у вас отобрали все корпоративные доступы], какие метрики стояли перед вами, к чему вы стремились, на какие дашборды смотрели ежедневно/еженедельно/ежемесячно.

Метрики могут не только про деньги [хотя их, конечно, по понятным причинам нанимающие менеджеры любят больше всего]. На сколько увеличилось количество юзеров, как выросли конверсии, как уменьшилось количество ошибок и сорванных дедлайнов, на сколько оптимизировался процесс, во сколько раз уменьшились запросы в поддержку, сколько человек было в вашей команде, какой бюджет был у проекта? - повспоминайте и для каждого случая подберите свои метрики.

В новой прочтении ваш опыт будет описан результатами - «Увеличил конверсию в регистрацию на 30% за счет переработанного онбординга», «Занял второе место из 50 команд на хакатоне в NJ Tech, работая с двумя коллегами над разработкой приложения, синхронизирующего мобильные календари», «Вырастила выручку от кросс-продаж в 3 раза внедрением рекомендательной системы»

В английской версии, признанной рекрутерами Google, может звучать как «Accomplished [X] as measured by [Y], by doing [Z]» - сделал Х, измеренный в У за счет действия Z.

Ваш #карьерныйстроитель @dashich_begi

В мире должно быть постоянство.

/А я-то, оказывается, профессию поменяла/

На днях будет 10 месяцев без найма, что, пожалуй, близко к рекорду даже для меня [это был далеко не первый мой уход вникуда, но кардинально отличающийся от предыдущих]. Каждый раз на вопрос «а почему ты решила перестать быть продактом, это же классно?», я отвечаю «да я не перестала, я тем же и занимаюсь, просто теперь не внутри одной компании, а с разными: запускаю и развиваю продукты, тестирую гипотезы и выстраиваю процессы, собираю команды и провожу исследования».

Но пару месяцев назад меня как-то необычно штормило из-за работы - я задавала много вопросов себе и окружающим, на которые очень страстно пыталась найти ответы, а заодно понять, чего это они вдруг появились все в моей голове, я же не первый год замужем в профессии.

А потом вдруг поняла, что на самом деле сама сделала карьерный мув, но не заметила его, потому что устойчивость к карьерным изменениям высокая и натренированная годами. И что вообще-то роль продакт консультанта отличается от просто продакта/сро внутри компании и по скоупу функций, и по ежедневной рутине.

Пусть эта рефлексия будет для вас знаком подумать про себя что-то, на что обычно не хватает времени!

/Увольнения. Тариф «Комфорт+»/

Лето наступило, а значит скоро уволиться захочется еще больше обычного [3 из 3 значимых увольнения у меня случались именно летом]. Старенький, но все еще актуальный пост - о чем, спустя несколько уходов вникуда, я научилась думать до того, как положу заявление по собственному на стол. Сразу дисклеймер - тут я скорее попробую предостеречь вас от съехавшей кукухи, потому что увольняться - страшно, непривычно, социально неодобряемо.

1. Отложите денег - на съемную квартиру на несколько месяцев вперед, на обязательства, если они есть, на жизнь (в приложении банка можно посмотреть, сколько в месяц вы тратите в последнее время). Как только пройдет эйфория от выплаченных вам отпускных при увольнении, вы окажетесь в непривычном состоянии - деньги уходят, тратятся, но не добавляются. В этом моменте паника накрывает, и клево, если вы договорились с собой про «я могу потратить Х тыс. рублей перед тем, как начну искать работу, мне хватит на жизнь, я обо всем подумал»
2. Поймите, что хотите делать после увольнения - отдыхать, учиться, запустить свой проект, попробовать фриланс. Когда внезапно появляются свободные дни, мозг не понимает «а че делать-то?! Может быть надо отдыхать? Или я так всю жизнь пропущу?! Или пойти попреподавать, я же вроде в универе был репетитором». И снова паника, в которой и отдохнуть качественно не выйдет, и делать непонятно что
3. Осознайте, что без работы вы не станете плохим и бесполезным. Про это лучше подумать, пока вы еще работаете, потому что когда перестанете, совесть все равно начнет грызть. Лучше иметь заготовленный список тезисов, почему нет!
4. Соберите все сделанные крупные кейсы с цифрами в резюме, пока результаты ещё не забылись. Пожалуй, самый практичный совет [хэштег я ж карьерный консультант]. С некоторой вероятностью, вы будете искать следующую работу в найме - поверьте, вам будет намного проще, если в CV будут понятные результаты проектов и количественные результаты по ним!

Вечером в запрещенной сети проведем экспериментальный [для нас двоих] эфир с Викой Харламовой про работу вне найма [после утреннего поста про увольнение, совпадение?]

Приходите в 19:00 по Москве, если вам актуально!

/ Low ambition to do list/

Иногда случаются дни, когда только встал, а уже устал. В такие дни я придумала для себя одну штуку, которую назвала Low ambition to do list. Таким небодрым утром я смотрю в свой календарь, прохожусь по каждому пункту с критическим вопросом «оставляю или переношу», после чего делаю постепенно все оставленное в течение дня, но не жду от себя большего.

Недавно у меня был такой день, и в сторис я поделилась, что в мой Low ambition to do list вошли планы на рабочую встречу, час с психологом, 70 минут велотренировки и два поста для канала. После чего получила вопрос в директ от приятельницы, что же тогда в моем high ambition to do list, если уже и так много всего.

Так вот: когда у меня много энергии и бодрости [а к счастью, таких дней намного больше], то в моем списке дел всегда есть задачи с целевым действием «придумать». Штуки, которые требуют от меня креативности, я могу делать только с заряженной батарейкой, а все дела, которые требуют любых других мышц [физических и ментальных], кроме креативности - c любой.

Share with тот самый коллега

/Ask me anything/

Помните, была такая соцсеть ask.fm, где надо было друг другу вопросы задавать. Она была на пике расцвета, когда мне было 13, и все мерились количеством вопросов, а мои популярные одноклассницы все время меня обходили!!

Я подумала - в пятницу вечером, пока все стоят в пробках на выезд из города, хочу предложить вам упасть лицом в ностальгию. Задавайте вопросы в комментариях, а я отвечу там же! Ну или не там же, а в посте! Ну или не отвечу 😈

Но давайте пошалим - вопросы про работу, про жизнь, про что угодно принимаются!

Все: надо больше делегировать
Я, когда попробовал делегировать:

/Нестыдный вопрос про AI: как работает chatGPT/

Когда я начинала ходить на собеседования в IT, супер популярным вопросом для менеджеров и аналитиком был «объясни, как работает интернет?» Если бы я сейчас нанимала себе команду, я бы спрашивала «объясни, как работает chatgpt» вне зависимости от того, в какой продукт человек собеседуется. Ну потому что все вокруг такие модненькие и про искусственный интеллект рассуждают, а когда задаешь этот, казалось бы, базовый вопрос, сразу становится ясно - кто не поленился и копнул хоть насколько-нибудь вглубь, а кто нет.

С другой стороны, в июне 2024 как будто бы социально неодобряемо уже обсуждать, как работает генеративный AI - как будто бы и так все уже знают. Но я готова ставить деньги на то, что нет. И быть тем человеком, про которого кто-то один подумает «пффф, ну что за примитив она написала», а сто других - «о, прикольно, наконец-то узнал».

У этого рассказа будет три версии объяснения принципа фазы генерации текста больших языковых моделей.

Версия номер 1. Long story short
1. Модель получает на вход строку текста.
2. Задача модели — подобрать наиболее подходящее следующее слово на основе огромного массива информации, к которому у модели есть доступ
3. После этого обновленная строка текста вновь подается на вход модели и она вновь подбирает наиболее подходящее следующее слово.
4. И так далее.

Версия номер 2. Чтобы можно было поддержать разговор в приличном обществе

1. Входной запрос
Получение запроса: Все начинается с того, что пользователь вводит текстовый запрос. Это может быть вопрос, просьба о совете, или любая другая форма текста, на которую требуется ответ.
Предобработка текста: Перед тем как передать запрос модели, текст может быть очищен и преобразован в подходящий формат. Это включает удаление лишних пробелов, преобразование текста в нижний регистр (если это необходимо), и разделение текста на токены.
2. Обработка контекста
Токенизация: Входной текст разбивается на токены (мелкие единицы, такие как слова или подслова). Это необходимо для того, чтобы модель могла работать с текстом.
Внимание к контексту: Модель использует механизм внимания (attention), чтобы анализировать контекст запроса. Это помогает ей понять, на какие части текста нужно обратить больше внимания для генерации осмысленного ответа.
3. Генерация ответа
Последовательное предсказание: Модель предсказывает следующее слово (или токен) на основе предыдущих слов и контекста. Этот процесс повторяется до тех пор, пока не будет сформирован полный ответ.
Softmax: На каждом шаге предсказания модель использует функцию softmax, чтобы преобразовать сырые предсказания в вероятности. Затем выбирается токен с наибольшей вероятностью.
Температура: Этот гиперпараметр контролирует степень случайности при выборе следующего токена. Высокая температура делает выбор более разнообразным, а низкая — более предсказуемым.
Top-k и Top-p сэмплирование: Эти методы помогают ограничить выбор токенов до наиболее вероятных (top-k) или выбирать токены до тех пор, пока их совокупная вероятность не достигнет определенного порога (top-p).
4. Постобработка и фильтрация
Сборка ответа: Токены, выбранные на предыдущем этапе, объединяются в полноценный ответ.
Фильтрация контента: Прежде чем ответ будет отправлен пользователю, он проходит через систему фильтрации. Это помогает предотвратить генерацию нежелательного или вредоносного контента.
Фильтры: Специальные алгоритмы проверяют текст на наличие оскорблений, токсичности, личной информации и других неприемлемых элементов.
Контроль качества: Иногда используются дополнительные проверки на грамотность и адекватность ответа.
5. Отправка ответа
Представление пользователю: После прохождения всех этапов проверки и фильтрации, готовый ответ отправляется пользователю.
Обратная связь: Пользователь может оценить ответ, что позволяет нам собирать данные для улучшения модели в будущем.

Пример оставлю в комментариях, он не влез

Версия номер 3. Если хочется еще поглубже
Нашла хорошую статью - без инженерных упоротостей, но все же с математикой и примерами