Если бы у вас было 5 дней, чтобы пройти сразу все этапы интервью, вы на какую вакансию откликнулись бы?
Ozon Tech запустил ML&DS Fаst Track.
! Все предложения для кандидатов Senior+ с коммерческим опытом от 4 лет.
→ Senior Data Scientist в команду «Ранжирование»: находить способы улучшить поисковую выдачу и баланс между релевантностью товаров, конверсией и UX.
→ Senior Data Scientist в команду «Формирование лент»: развивать логику разнообразия рекомендаций, настраивать целевые метрики и формулы ранжирования, повышать точность прогнозов маржинальности рекламы.
→ Senior Data Scientist в команду «Нейросетевые технологии»: улучшать выразительность моделей персонализации, исследовать способы масштабирования моделей и развивать инструменты обучения и инференса.
→ Senior Data Scientist в команду «Эффективность рекламы»: погружаться в работу с данными, от анализа до автоматизации пайплайнов расчёта датасетов, улучшать качество алгоритмов ранжирования.
→ Senior Data Scientist в команду «Алгоритмический биддинг»: проектировать долгосрочную оптимизацию рекламных метрик, разрабатывать методы оценки стратегий и исследовать баланс exploration и exploitation в рекламных аукционах.
Выбирайте по задачам и по душе: откликайтесь на вакансию по ссылке и проходите все интервью за 5 дней максимум.
Ozon Tech запустил ML&DS Fаst Track.
! Все предложения для кандидатов Senior+ с коммерческим опытом от 4 лет.
→ Senior Data Scientist в команду «Ранжирование»: находить способы улучшить поисковую выдачу и баланс между релевантностью товаров, конверсией и UX.
→ Senior Data Scientist в команду «Формирование лент»: развивать логику разнообразия рекомендаций, настраивать целевые метрики и формулы ранжирования, повышать точность прогнозов маржинальности рекламы.
→ Senior Data Scientist в команду «Нейросетевые технологии»: улучшать выразительность моделей персонализации, исследовать способы масштабирования моделей и развивать инструменты обучения и инференса.
→ Senior Data Scientist в команду «Эффективность рекламы»: погружаться в работу с данными, от анализа до автоматизации пайплайнов расчёта датасетов, улучшать качество алгоритмов ранжирования.
→ Senior Data Scientist в команду «Алгоритмический биддинг»: проектировать долгосрочную оптимизацию рекламных метрик, разрабатывать методы оценки стратегий и исследовать баланс exploration и exploitation в рекламных аукционах.
Выбирайте по задачам и по душе: откликайтесь на вакансию по ссылке и проходите все интервью за 5 дней максимум.
❤2
Борьба за кадры продолжается, но теперь конкуренция идет за Forward-Deployed Engineers
Новое исследование показало, что компании готовы платить forward deployment engineer до 1,5млн$. Раньше такую зарлплату предлагали топовым исследователям, а теперь и обычным инженерам, хотя и не совсем обычным.
Причина спроса проста, компаниям уже недостаточно просто купить модельку – нужно еще встроить ее в свои процессы и получить реальный бизнес-результат. Как раз тут FDE приходят на помощь и закрывают эту потребность.
Сейчас аналитики наблюдают нехватку таких инженеров: в США нехватку оценивают в 8500-10000 человек, поэтому за топ кадры компании готовы хорошенько раскошелиться. Но такой ажиотаж будет недолгим, если смотреть на цифры, то аналитики подсчитали, что бум FDE продлиться до 2028 года.
Новое исследование показало, что компании готовы платить forward deployment engineer до 1,5млн$. Раньше такую зарлплату предлагали топовым исследователям, а теперь и обычным инженерам, хотя и не совсем обычным.
Причина спроса проста, компаниям уже недостаточно просто купить модельку – нужно еще встроить ее в свои процессы и получить реальный бизнес-результат. Как раз тут FDE приходят на помощь и закрывают эту потребность.
Сейчас аналитики наблюдают нехватку таких инженеров: в США нехватку оценивают в 8500-10000 человек, поэтому за топ кадры компании готовы хорошенько раскошелиться. Но такой ажиотаж будет недолгим, если смотреть на цифры, то аналитики подсчитали, что бум FDE продлиться до 2028 года.
❤8
Советы от инженера Anthropic о том, как не перестать мыслить критически при работе с агентами
Инженер из Anthropic, работающий над инструментами для агентной разработки, обратил внимание на проблему: чем больше задач мы делегируем ИИ, тем меньше поводов самостоятельно анализировать информацию, проверять решения и разбираться в деталях. В общем-то проблема действительно обретает массовый характер, поэтому для себя он выделяет три стадии взаимодействия с ИИ:
Cognitive Offloading – делегирование мышления
Мы поручаем ИИ выполнение задач, но сохраняем ответственность за результат. Агент делает работу, а мы проверяем ее и принимаем окончательные решения. Сам автор считает такой подход естественной частью своей повседневной работы.
Deferral – передача инициативы.
Здесь происходит незаметный сдвиг: результат ИИ перестает быть гипотезой и становится отправной точкой для следующих действий. Мы уже не столько оцениваем ответ, сколько используем его для дальнейшей работы.
Cognitive Surrender – капитуляция мышления.
Самая опасная стадия: мы настолько привыкаем доверять агенту, что перестаем проверять его ответы. Автор описывает, как это происходит постепенно: сначала внимательно читаем результат, потом бегло просматриваем, а однажды обнаруживаем, что не можем объяснить даже отдельные решения в собственной работе.
Чтобы избежать такого исхода и оставаться на первой стадии инженер предлагает несколько практик:
➖ Прежде чем обращаться к агенту с нетривиальной задачей, подумайте сами, каким может быть решение. Даже если предположение окажется неверным, это поможет не подменять собственное мнение ответом ИИ.
➖ Проверяйте доказательства, а не слова модели. Проведи серию тестов, задавайте уточняющие вопросы, попросите разные модели привести контраргументы, в общем, обязательно ищите альтернативные варианты. И только на основе этого делайте выводы (самостоятельно!).
➖ Проверяйте то, что написал агент. Даже если тесты прошли успешно, то необходимо иметь понимае того, что именно проверка подтвердила, а что осталось за ее пределами. Даже успешно пройденный тест может не обнаружить ошибку, если она заложена и в самом тесте.
➖ Чтоб совсем не растерять свои навыки, инженер предлагает хотя бы раз в неделю выполнять какую-то привычную задачу без агента, а раз в месяц спрашивать себя, какие действия вы уже перестали делать самостоятельно и готовы ли вы действительно отказаться от этих навыков.
Инженер из Anthropic, работающий над инструментами для агентной разработки, обратил внимание на проблему: чем больше задач мы делегируем ИИ, тем меньше поводов самостоятельно анализировать информацию, проверять решения и разбираться в деталях. В общем-то проблема действительно обретает массовый характер, поэтому для себя он выделяет три стадии взаимодействия с ИИ:
Cognitive Offloading – делегирование мышления
Мы поручаем ИИ выполнение задач, но сохраняем ответственность за результат. Агент делает работу, а мы проверяем ее и принимаем окончательные решения. Сам автор считает такой подход естественной частью своей повседневной работы.
Deferral – передача инициативы.
Здесь происходит незаметный сдвиг: результат ИИ перестает быть гипотезой и становится отправной точкой для следующих действий. Мы уже не столько оцениваем ответ, сколько используем его для дальнейшей работы.
Cognitive Surrender – капитуляция мышления.
Самая опасная стадия: мы настолько привыкаем доверять агенту, что перестаем проверять его ответы. Автор описывает, как это происходит постепенно: сначала внимательно читаем результат, потом бегло просматриваем, а однажды обнаруживаем, что не можем объяснить даже отдельные решения в собственной работе.
Чтобы избежать такого исхода и оставаться на первой стадии инженер предлагает несколько практик:
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19
В X завирусился пост бывшего сотрудника Anthropic, который рассказал об уходе из компании и переходе к конкуренту – Kimi.
По его словам, за три года работы он освоил обучение моделей, элаймент ресерч и, главное (!), все тонкости блокировки китайских (и не только) пользователей Claude.
Не пов, а рил: устраиваешься в компанию, чтобы потом слить все конкурентам🫡
По его словам, за три года работы он освоил обучение моделей, элаймент ресерч и, главное (!), все тонкости блокировки китайских (и не только) пользователей Claude.
Не пов, а рил: устраиваешься в компанию, чтобы потом слить все конкурентам
Please open Telegram to view this post
VIEW IN TELEGRAM
❤30