Немного про мышление: магическое🪄 vs критическое🧠

Я обожаю тему когнитивных искажений и того, как мозг нас обманывает. И при этом, что уж там, иногда ловлю себя на том, что слушаю на фоне гороскопы и ищу «знаки вселенной»👽

Абсолютно очевидно, что не может быть у 1/12 планеты примерно одно и то же в жизни в этом месяце. Если бы звезды так хорошо предсказывали увольнения и переезды, это уже бы поресёрчили не только на ютубе🌟 И тем не менее...

— У Раков в этом месяце большие перемены в карьере
И мозг такой:
— Ты же как раз думала выйти на рынок! ⭐️The sign⭐️

Мы переобучаемся на этот confirmation bias, а если что-то не сбылось, то быстро забываем об этом, или даже не замечаем.

➡️ Магическое мышление, суеверия и голуби Скиннера🕊

Был такой эксперимент с голубями Скиннера: птицам рандомно подавали корм, не завися от их действий. В какой-то момент корм выпадал, пока голубь, например, крутился вокруг себя.
Голубь понимает: «Ага, чтобы получить еду, надо крутиться», и начинает повторять «ритуал». Вот оно — суеверное поведение.

Мы делаем всё то же самое:
⚡️ «в той футболке у меня всегда удачные собесы»
⚡️ «как только я решила уволиться, получила офер — судьба»

Получается гремучая смесь магического мышления, иллюзии контроля и немного фатализма (мне кажется, это разные стороны одной и той же концепции: либо «я особым ритуалом влияю на мир», либо «за меня уже всё решили, это знак»).

➡️ А причём здесь критическое мышление?

Критическое мышление — это не обязательно скучное «ни во что не верю, а кто смотрит гороскопы — тупой». Мне больше нравится: «так, звёзды предвещают дальнюю дорогу, но надо быть осторожнее. Пожалуй, всё-таки куплю страховку😄»

➡️ Хорошая новость: часто ответы уже есть внутри нас💆🏻‍♀️

Мой любимый старый трюк: бросаешь монетку, чтобы что-то решить (как правило, повседневное, но всё же), допустим, идти ли мне на корпоратив, она выпадает орлом, и первая реакция — «да нет, ерунда, нужно перебросить». Решение принято🤓

С гороскопами и «знаками» такая же история — если они нужны для того, чтобы помочь себе признать свои же принятые решения, а не ходить весь месяц и бояться, что сбудется обещанный негатив, то почему бы и да. Просто держим в голове, что это не магия свыше, а уловка, чтобы не сомневаться.

Ранее я писала, почему карты желаний — не эзотерический bullshit и как ещё себе помогаю — это всё актуально💫

Да пребудет с нами критическое мышление, но и немного подарков судьбы тоже, если хочется😀 Мнения, дополнения?⬇️

#аналитика_и_жизнь
@analytess 👩

Повелась на свою же рекламу🤓

…и сходила на Welcome Time для аналитиков от команды Независимого Екома Яндекса📱

Как ни странно, это мероприятие — не наймовое, докладчики даже не добавляют в презентации QR или явную информацию о вакансиях. Более того, их может даже почти не быть в отделе, а он всё равно проводит Welcome Time, и это так задумано. Просто интересные рассказы о том, чем (зачастую неочевидным) можно заниматься в бигтехах. Далеко не только сдиранием деняк с пользователей😀

Почему еком независимый? Оказывается, речь идёт об интернет-магазинах, которые представлены не селлерами на гигантах Ozon, WB и ЯМ, а отдельно. Таковых всё ещё пара сотен тысяч. И товары оттуда могут при необходимости показываться на выдаче Яндекса, даже если это не реклама. То есть как минимум часть команд занимается не прямой монетизацией этого всего, а именно улучшением опыта пользователя Поиска, и это прекрасно🥰 Задачи у ребят самые разные — и краудсорсинговые разметки, и работа с LLM-ками, и «классическая» продуктовая аналитика. В общем, было очень интересно послушать, а потом и понетворкать в кулуарах.

В комменты закину мини-задачку для разминки мозгов перед понедельником, и буду ждать ваши версии📈

Накидайте реакций, если хотите пост с обзором этапов найма в 📱 (и, возможно, даже маленьким инсайдиком🫢)

#жизнь_в_бигтехах
@analytess 👩

Прикинь, 45 этапов прошла, но на жонглировании срезали🎪
...или как всё-таки НЕ выглядит найм в Яндекс📱

В воскресенье удалось поболтать снова про найм с людьми, которые реально в нём участвуют, а не создают рилсы, подкрепляющие стереотипы. Короче, ситуация сейчас такая:

➡️ Disclaimer: Яндекс действительно огромный, местами у всех юнитов пока что свои причуды и секции, которые они не хотят перезачитывать от других, а также особенности уже в работе. Ну, и человеческий фактор никто не отменял.

➡️ И всё-таки, сначала разберёмся в терминологии: те, кого обычно называют DE, DS, DA и PA в Яндексе объединены под названием должности аналитик-разработчик (вы где-то такую слышали, да?🥰). Просто аналитики — это системные, клиентские, маркетинговые, финансовые, и в условном отделе аналитики Поиска их не сыскать, так что сегодня не о них.

Я думаю, это уже отчасти объясняет то, что в найме до сих пор присутствует алгоритмическая секция (хотя, поверьте, она стала сильно проще для аналитиков, чем, например, в 2020).

➡️ В норме в БЮ Поиска (а он считается требовательным) сейчас люди проходят ровно ТРИ технических секции: час мини-кейса по работе с данными в Jupyter Notebook, полтора часа тервер/матстат+аналитика (самое сложное и достаточно сильно влияющее на грейд), полчаса — алгосы (но там вердикт бинарный, да или нет). Причем первой из них уже нет на ближайшем Weekend Offer — её заменило требование 3+ лет опыта. Весной у меня были все перечисленные в один день.

➡️ Дальше начинается самый увлекательный аттракцион🎠 — «карусель» матчинга с командами. И да, там уже количество секций не регламентировано. Механика следующая: рекрутер скидывает ссылки на описания вакансий (иногда там есть имя и комментарий тимлида), вы отвечаете, с кем хотели бы поговорить, и встречаетесь на часовой собес с лидом🤝

Во время финального собеседования обсуждается и ваш опыт (может быть мини-кейс по предметной области команды), и что вам могут предложить. По сути вы там уже на равных, это тот самый час, который надо по максимуму использовать, чтобы «считать вайбы» и спросить всё насущное про посещение офиса де факто, перспективы роста и так далее. Потом рекрутер узнаёт у обеих сторон фидбек, если мэтча нет — ищет дальше☯️

У меня самой за весну было примерно 5-6 таких финалов, и это может выматывать (вот так, отчасти, я и оказалась в Авито👍, что уж), особенно, когда приходится ждать обратную связь, или мэтч был близок, но не случился (было в обе стороны такое)). Но я не считаю каждую из встреч отдельным этапом, потому что это и в наших интересах тоже — узнать несколько команд и выбрать ту самую. Так что, на мой взгляд, вся карусель — это третий или четвёртый этап, дальше только презентация офера😎

➡️ И вот вам официальный лендинг с аналогичной инфой📒

Расскажите, если собесились в Яндекс, соответствует ли реальный опыт тому, что я тут написала? А если пока не собесились, не стало ли менее страшно попробовать?😀

+ напишите в комментах, если нужен такой же пост про Авито👍

🔤.🔤. Обещанный инсайд: говорят, над унификацией процесса для аналитиков тоже идёт работа — ждём апдейтов🎧

#жизнь_в_бигтехах #найм_и_собесы
@analytess 👩

Как понять, чего ты хочешь от карьеры, и что делать дальше?

Сегодня около-философское. Может быть, я и сама не знаю. Но мне кажется, что сейчас вокруг много рандомного джобхоппинга без особой цели. Одно дело, если реально отстал от рынка, и на нынешнем месте не могут это компенсировать — но это не происходит за полгода! Или там вынужденная смена работы из-за сокращения или переезда — тоже нечего обсуждать...

А тем временем из каждого утюга кричат о том, что рынку труда конец, и дальше будет ещё хуже. Отчасти, действительно, похоже на то — менять работу так же выгодно не станет проще, но уже сейчас компании об этом знают (про налоги с 2026 и прочее). А ещё факт остаётся фактом — исчезает удалёнка🥺

Короче, скорее всего вы пока не хотите менять работу, если:

➡️ есть какие-то проблемы, которые вы ещё не всеми способами попытались решить, но уже настроение сбежать, ведь в какой-то идеальной company_name такой фигни не будет (конечно, будет, ну или какая-то ещё)
➡️ нет понимания, почему именно новое место лучше вписывается в цели на 2-3 года. Смена работы — это в любом случае немного начало заново, отложенная на год возможность повышения, если идёте на тот же грейд, и всё такое🤵
➡️ примерно те же типы задач, или те, которые можно и на текущем месте найти. Ещё раз — рутина есть везде
➡️ вам кажется, что вы готовы пойти на ухудшение условий / уступки по образу жизни, лишь бы почувствовать что-то новое. Вот тут реально очень прошу подумать дважды — сама так уносила ноги из банка через 2 месяца. Особенно цените удалёнку, если она у вас осталась аж до конца 2025 года🥲
➡️ «что я буду думать про это решение через год?» — вопрос, который не повредит себе задать. Захочется ли джобхопнуть снова, не будете ли сожалеть, что коллеги выросли на прошлом месте, потому что остались там, где шарили в проекте?

Что можно сделать хорошего вместо джобхоппинга?📈

🫧 потрогать разные типы задач, взять на себя новую ответственность. В знакомом продукте больше шансов заметить какую-то боль и предложить решение, чем даже «свежим» взглядом, но будучи ещё в процессе адаптации.
🫧 пройти какое-нибудь обучение за счёт компании или на базе компании (например, в бигтехах часто весьма любопытные внутренние митапы, где могут быть как приглашённые спикеры по софтам, так и подробности решения нестандартных задач вашими коллегами без NDA, и возможность задать все вопросы)
🍋‍🟩 собрать портфолио. Не забывайте записывать, чем занимались — пригодится и на дейли, и на перфоманс ревью, и потом для резюме и собеседований. За год с лишним легко забыть, что там было в начале. См. методику STAR🤩
🫧 порефлексировать побольше над тем, какие карьерные пути есть вокруг (например, о возможных плюсах и минусах тимлидства, можно при случае и у самого руководителя мягко узнать), какие задачи точно нравятся и точно нет. Пригодится.

Делитесь — всё-таки от добра добра не ищут, или вы сейчас на рынке труда, чтобы успеть поймать лучший офер?🌟⬇️

#карьерный_совет #найм_и_собесы
@analytess 👩

Ещё раз про замену нашего труда на ИИшный🤖

На Хабре недавно вышел очередной обзор об этом — ну, а в комментах, как обычно, горячо🔥

Сейчас мы наблюдаем интересную ситуацию, когда, с одной стороны, уже глупо отрицать, что со значимой частью повседневных задач нейронки справляются хорошо — здесь и генерация иллюстраций для соцсетей, и копирайтинг, и даже пресловутое перекладывание json-ов (это такой мем про рутинные задачи разрабов в бигтехах, если что). С другой стороны, это не отменяет раздутости и перехайпленности данной сферы, а также вопросов этичности и долгосрочной пользы для общества. И вот об этом заговорили в том числе на западе (где ещё сильнее видна гонка компаний, разрабатывающих ИИ).

Так вот, disclaimer: статья изначально размещена в корпоративном блоге компании, предоставляющей доступы к различным LLM-кам🤓 Но, как известно, чёрный пиар — тоже пиар. У них получилась любопытная подборка высказываний против перспектив развития ИИ:

➡️ Нобелевский лауреат по физике Джеффри Хинтон, который в 2023 году уволился из Гугла, чтобы быть способным на выражение своей точки зрения об опасностях ИИ, ответил на вопрос Bloomberg, окупятся ли когда-нибудь головокружительные инвестиции в ИИ: «Я считаю, что не смогут», и уточнил: «Я считаю, что для того, чтобы заработать деньги, вам придётся заменить человеческий труд».

И вот собственно вопрос, можно ли и нужно ли это реально сделать. Обычно отвечают на первую часть, фокусируясь на том, что ИИ улучшается, и многие из рутинных задач реально уже тянет. Но одно дело инвестировать в это только 0-20$ в месяц на правах обычного юзера, а другое — миллиарды долларов и сервера, на которых все эти запросы крутятся. Помните статьи «сколько стоят ваши приветствия и благодарности ChatGPT»? Вот то-то же.

➡️ Дальше приводится несколько ссылок на различные ресёрчи, которые сводятся к тому, что как в случае обычных LLM, так и в случае ИИ-агентов производительность, качество работы и итоговая выгода вызывают сомнения. По данным MIT, 95% пилотных проектов с ИИ вообще не увеличили прибыль или производительность компаний. Фактически, многие компании увидели отрицательный эффект📉

Не буду пересказывать всё дословно, но пока ситуация выглядит так, что ИИ становится мультипликатором, или даже по сути операцией возведения в степень. Типа, если ты и так больше единички, то с помощью нейронок вообще супер-сотрудником можешь стать, а если не дотягиваешь, то можешь ещё снизить качество своей работы, делегировав, недопроверив результат, деградировав в долгосроке от этого всего. Как вам такой вывод?👀

Го холиварить в комментах, как обычно⬇️

😘 Когда я была на митапе Яндекса неделю назад, там был руководитель группы, которая занимается офлайн-разметками, как и я, когда там работала. И тогда, и сейчас стоит вопрос замены части асессоров на LLM, это пожалуй достойно отдельного поста. И когда его спросили, что выходит качественнее/дешевле, я так поняла ответ, что это вообще не очевидно и зависит от задачи (так как с LLM тратятся мощности и есть риск ошибок, которые не сделает человек, ресурсы на частичную перепроверку, опять же). Такие дела…

#непопулярное_мнение #аналитика_и_жизнь
@analytess 👩

Performance review на примере компании чуть поменьше😐

На Матемаркетинге в этом году был целый отдельный трек выступлений, посвящённых перфомансу, увольнениям и ревью. Не будем сегодня в очередной раз обсуждать, сколько окладов просить, если что — я посмотрела более любопытный доклад от хэда аналитики 🔖. Сейчас отдел аналитики в этой компании оценивается в ~40 человек, растёт, но всё ещё в разы меньше Авито или даже какого-нибудь одного юнита Яндекса.

Поэтому потребность в ревью и оно само появились там только в этом году. Любопытно, как попытались сочетать практики из бигтехов и при этом закрыть хотя бы часть болей, которые они порождают. Вот некоторые примеры:

➡️ Из очень похожего на Авито👍 очевидно выделяются компетенции, оцениваемые по баллам (в том числе хардовые), а также формулировка «сеньорный проект» (серьёзная задача, которую необходимо решить для повышения до Senior, а также периодически каждому синьору для «подтверждения» грейда), даже приведены примеры: улучшение эвристики is_bot, внедрение куда-то ИИ (куда — NDA) — актуальненько🤓

➡️ Понравился поинт, что среди компетенций в матрице присутствуют врéменные (связанные с текущими фокусами отдела, которые потом, предположительно, уйдут) компетенции, а также сложно проверяемые артефактами (софты, в таком случае смотрят на ОС) и наоборот бинарные да/нет (например, проводит ли человек собесы, там не может быть баллов, эта доп. активность либо есть, либо нет, и если были бы жалобы на проведение, то человека бы убрали из пула).

➡️ При этом, обратную связь не возводят в абсолют, так как тот, кто её пишет, не будучи руководителем или прямым заказчиком, далеко не всегда компетентен оценивать навыки коллеги, и ещё так в оценку не примешивается личный фактор. Хотя на моём опыте в бигтехах не пользуются «возможностью» друг другу насолить плохими отзывами не по делу😄

➡️ В связи с небольшим размером отдела есть возможность не калибровать сотрудников. Вот это реально прикольно, потому что все мы наслышаны о том, что калибровки съедают целые дни (а то и пару недель) у каждого лида, про миллионы нервных клеток промолчим🚨 Кроме того, были подчёркнуты очевидные минусы калибровок — у чужих лидов часто недостаточно контекста, присутствует токсичный вайб при сравнении аналитиков между собой. Таким образом, кроме защиты синьорных проектов, финальное решение за лидом и хэдом.

➡️ Для перехода на грейд выше, как обычно, нужно поработать на него авансом. Для этого можно взять дополнительные командные активности (онбординг новичков, собесы), задачи смежных направлений (например, если в твоей группе нет A/B-тестов) и «ничейные» перспективные проекты из общего пула. Ну это база, к сожалению, повышения так везде работают.

Моё мнение — любопытный кейс, но не понятно, можно ли сохранить такую прозрачность и отсутствие калибровок при росте отдела от 100 человек в будущем, например📈

Что думаете? Адекватная система у хехе.ру? А как у вас?⬇️
😎 — норм придумали, 🤓 — лучше всё же без этих ваших реву

#карьерный_путь #жизнь_в_бигтехах
@analytess 👩

Разбираю доклад с ММ25 про безопасность ИИ-агентов🤖

Принесла вам ещё кое-что прикольное с Матемаркетинга, благо позавчера открылись все записи тем, у кого были билеты😎 Докладчик — ИИ-директор из Okko Евгений Ильюшин, он также преподаёт на ВМК МГУ и занимается вопросами безопасности искусcтвенного интеллекта. Полное название доклада: «Безопасность агентов ИИ: недетерминированные алгоритмы в нестационарной среде или есть ли границы автономии?»

Опустим технические подробности и сложные термины, приведу тут основные поинты по сути. Итак, многие западные компании — не только технологические гиганты — взяли себе путь к AI-трансформации. И если с LLM мы вроде как разобрались, что это просто штуки, которые возвращают вероятное продолжение фразы, то что по поводу ИИ-агентов? То есть программ, которые умеют «приспосабливаться» к среде и учиться на опыте.

➡️ В реальности большие модели не полностью детерминированы (доля случайности весов в обучении, особенности параллелизма на GPU, неассоциативность операций с вещественными числами).
Но и наш мир тоже эволюционирует со временем — тренды меняются, происходит взаимодействие агентов между собой, ненадёжная информация накапливается в памяти и интернете.

➡️ Чем автономнее модель, тем сложнее (а то и нереально) становится её валидировать. ИИ самостоятельно строит план решения, он получается разным при одних и тех же входных данных (см. также параметр температуры у LLM).

И вот это уже может пугать, хотя и не очень хорошо работает (пока?). Но бояться сегодня предлагаю не «восстания машин» и замены всех нас на рынке труда, а кое-чего уже реального.

Есть большой разбор (ссылка ниже) потенциальных угроз от ИИ-агентов, которые могут быть использованы для причинения умышленного вреда в виде распространения некорректной информации или взломов, то есть ведут к огромным убыткам📉

Приведу тут несколько примеров — далеко не все:

🌟 Отравление памяти — если источник, который часто используется и считается доверенным, будет скомпрометирован злоумышленниками.
🌟 Перехват управления агентом (на картинке) через тот же фишинг, но не заметный глазу (невидимый шрифт и т.д.). Юзер даже может не узнать, что его данные ушли злоумышленникам по пути, ведь конечный ответ модели «правильный»😀
🌟 Компроментация доступов — например, когда из-за неправильной настройки в агенте злоумышленник может выполнять запросы в базе данных RAG для доступа к файлам и данным, к которым он не должен иметь доступа.
🌟 Каскадные атаки галлюцинациями — а что, если продавец билетов заставит ИИ говорить пользователям, что для путешествия в определённую страну не нужна виза (а она нужна), и можно будет продать сильно больше перелётов?🥲

➡️ источник на английском — 48 страниц разных угроз от ИИ и о том, как с ними можно побороться и смягчить последствия

А вывод-то какой? ИИ нынче действительно может многое, но худшее, что можем сделать мы с вами — это расслабиться и доверить реально важные решения. Конечно, доклад касается больше непосредственно разработчиков ИИ и тех, кто его внедряет, но думаю, что инфа небесполезная для всех, кто просто пользуется, но доверяет какие-то важные данные🌟

@analytess 👩

Про рефералки: как это (не) работает на самом деле 🥲

Я сама всё время предлагаю зареферить вас в Авито🌍, и ко мне в лс приходит много людей, но мне кажется честным наконец написать, чем рефералка является, а чем — точно нет.

История «найду контакт внутри, и меня точно возьмут» может быть актуальна, если вы идёте в команду к своему знакомому-тимлиду, да и то скорее всего он не всемогущ, и условные алгосы вы не скипнете. Или в местах, куда не принято рефералить «абы кого», но об этом дальше⬇️

➡️ На РФ рынке труда давно произошла инфляция рефералок — из-за того, что за приведённого будущего сотрудника рефералу может быть выдан бонус (мерч, ачивка или даже настоящая денежная премия вплоть до половины оклада), многие люди в чатах рады тратить 5 минут на то, чтобы закинуть даже абсолютно незнакомых людей в свою компанию. А если ты хотя бы чуть-чуть знаешь, что этот знакомый прикольный по вайбу/общим чатам, то вдвойне приятно😎

С одной стороны, из этого следует, что получить рефку легко. С другой стороны, за вас никак не ручаются в рабочем плане — и поэтому это не является реальным плюсом при рассмотрении на вакансию😐

Итак, рефералка — не волшебная таблетка, если:
⭐️ у вас ещё не закончился фриз (полгода-год) после неуспешных собеседований;
⭐️ вы откликались и взаимодействовали с компанией пару месяцев назад сами, но не срослось;
⭐️ вы боитесь/не хотите проходить алгосы или какой-то ещё из базовых этапов отбора;
⭐️ вы не нашли для себя роль на сайте с вакансиями, и надеетесь на что-то инсайдерское (но тут есть исключения)

Когда рефералка реально полезна:
⭐️ вы откликаетесь только через 🔖 (не надо так) или даже через сайт компании, и всё время не успеваете быть в числе первых, и ваше резюме тонет в пучине аналогичных кандидатов или даже ботов;
⭐️ вы хотите добиться хоть какой-то обратной связи, почему нет, или боитесь повторения негативного опыта, когда ответы от рекрутера затягиваются;
⭐️ вы договорились попилить бонус со своим другом😄

Исключения из описанного выше:
⭐️ вакансии в закрытых чатах (например, я как-то откликалась в чате выпускников ШАДа на вакансию, которую разместили именно для целевой аудитории с таким образованием)
⭐️ западные бигтехи (я слышала, там не будет рефералить кто попало того, с кем не работал)
⭐️ маленькие компании, где людям тоже жалко своего/тимлида времени на собесы рандомных людей, и пытаются привести релевантных кандидатов — тогда тоже рефка что-то значит

Как правильно просить рефералку (ребята, ничего личного, но вижу некоторые паттерны, так как получила с полсотни запросов за время работы в Авито)🚨
Я отвечаю всем, но другие не факт, что будут)
➡️ не пишите «привет» и ничего больше до ответа — это по нынешним меркам вайб телеграм-скама🥺
➡️ в идеале пишите сразу с резюме и ссылкой на вакансию, не заставляйте спрашивать, они очевидно в любом случае нужны
➡️ если пишете незнакомому (кто не писал в пабликах, что рекомендует туда-то), особенно на линкедине, представьтесь, напишите, что у вас общего и где этого человека нашли (вы однокурсники? вы в одном чате? кто-то дал контакт?) и приложите тоже сразу всю инфу. «Привет, ты рекомендуешь в company_name?» это лишняя итерация, ну правда😬

Подведём итог: рефералка — это не проходной билет, а максимум возможность получить прослойку в виде человека внутри компании, который пинганёт рекрутера в случае, если вас совсем потеряют. Она не лечит немэтч с компанией и не устраняет, к сожалению, человеческий фактор (на некоторых моих работах рефералки всё равно терялись, так бывает).

Такие дела. Надеюсь, было полезно👍
Делитесь своим опытом — реферили знакомых? Сами устраивались так?

#найм_и_собесы #карьерный_совет
@analytess 👩

Вот что на самом деле выдаст тебя на собесе😐📉

Недавно поспорила с другом, нужно ли наказывать кандидата в аналитики данных за = в питоне вместо == и подобные ошибки. На одной чаше весов — «это мелочь, IDE такое подчеркнёт, ну заволновался человек», и вообще — «зато сам, GPT бы так не ошиблась». А на другой — «может ли тот, кто повседневно сталкивается с языком программирования, допустить такую ошибку в 2+ местах программы и не заметить?».

Ведь и правда, цель собеседований в стиле «код на листочке» отнюдь не в том, чтобы заставить вас ответить порядок аргументов в библиотечной функции наизусть и нюансы применения оператора :=, и с какой версии он появился. На них прежде всего смотрят, насколько вообще свободно кандидат обращается с инструментом (языком Python или SQL), с которым придётся работать. И тут нет однозначных критериев.

С другой стороны, пришла в голову такая аналогия:
➡️ когда мы пытаемся определить, сгенерирован ли текст ИИ, наш мозг (лучшая нейронка по определению!) прекрасно замечает это по стилю, а потом уже пытается объяснить какими-то более формальными признаками вроде тех же длинных тире и точек над ё (тогда как дело не в них, но мы любим критерии)🧠

Так же и тут:
⭐️ нормально не импортить функцию для какого-то специфичного рандома каждый день,
⭐️ нормально даже забыть, как с нуля писать заголовок класса,
но вот эти штуки уже не забудутся, если есть реальный опыт:
*️⃣ как расставить отступы в коде на питоне,
*️⃣ чем отличаются присваивание и равенство,
*️⃣ какие типы данных (неизменяемые, так как они хэшируемы) бывают ключом к словарю, и можно ли обратиться по индексу к элементу множества (нет, нельзя, это не список!)

Кроме того, есть вещи, которые я бы заметила в положительном ключе — например, уместное использование collections. Или то, что человек привык думать сам об O-оценке сложности алгоритма, а не угадывать её, когда уже спросили. Или способность даже в классических задачах на алгосы задавать правильные вопросы и предлагать разные варианты решения.

В кодинге и математике гораздо больше доля образа мышления, чем зазубривания типов задач и тем более конкретных ключевых слов. Это касается и других типичных тем для собеседований — всё чаще вижу, что задачи уже не просто на зубодробительный подсчёт дробей для теоремы Байеса в уме, а на понимание того, что лежит за концепцией вероятности / матожидания / AB-тестов. И это звучит как компромисс — формулу можно погуглить, а подсчёт запрогать, но продуктовый вывод делать всё равно аналитику😎

➡️ Что думаете? Есть ли, на ваш взгляд, сдвиг в сторону собесов на глубокое понимание темы, и согласны ли со мной по поводу базы, которая не забывается, как = и ==?😄

#найм_и_собесы #непопулярное_мнение
@analytess 👩

Выжить в декабре💀🔥

Уже скоро все будут подводить итоги года (если уж не в соцсетях, то мысленно, так мы устроены) — и я тоже не удержусь. И у многих они будут похожи на «успешный успех» — и мои для кого-то тоже. НО: это всё верхушка айсберга, и, к счастью, многие уже честно пишут и про обратную сторону медали🌟

Этот тренд мне очень нравится. Я действительно считаю, что декабрь стоило бы объявить не месяцем рьяного доделывания всего подряд, а месяцем выполнения базового минимума, во имя ментального здоровья😬
Конечно, этот минимум будет у каждого свой. Но, так или иначе:

нельзя впихнуть невозможное в 1 месяц из 12, в целом уже понятно, что мы за год посеяли и что пожнём.

Так что предлагаю разрешить себе...
⭐️ не геройствовать на работе каждую неделю, а красиво завершить то, что уже точно-точно запланировано
⭐️ всё задокументировать и довести до логичного рубежа — вот за это точно скажете себе спасибо в середине января
⭐️ отложить побочные проекты из категории nice to have
⭐️ не бежать на каток, фотодень на ярмарке и десятый предновогодний ужин, если хочется только лечь спать

Лично на своём примере добавлю такие пункты👩
⭐️ не ставить рекорд по продажам в блоге именно в декабре — всех денег не заработать, и я вижу, что другим уже не до постов
⭐️ не держать темп постинга, который я сама себе придумала
⭐️ не определяться с планом путешествий даже на Q1 2026

Короче, устроить бы себе рутину здорового человека, а не марафон к выгоранию🔥 Что я в это вкладываю:
🫧 вернуть себе нормальный сон (последние пара недель были тяжёлыми в этом плане из-за того, что практически нет солнца, а вечера иногда насыщенные)
🫧 питаться не только мандаринами и кофеинами☕️
🫧 двигаться: дойти куда-то пешком, выйти из дома без повода
🍋‍🟩 оставить только те встречи, которые реалистично вписываются в график и при этом заряжают
🫧 делать хотя бы 1-2 важных небольших шага из списка дел — и это уже в бесконечность раз больше, чем ничего

Ноябрь и декабрь — реально очень выгорабельные месяцы. Так может, в этот раз нашими главными итогами станут не обширный список достижений, а адекватное ментальное и физическое состояние к концу года? Большие планы могут и подождать января, где будет время их упорядочить и обдумать👍

➡️ Что думаете? Как ваше настроение и состояние?🚨

#лайфстайл_и_личное
@analytess 👩

Ещё раз про когнитивные искажения в вопросах карьеры🚨
часть 1 от августа тут

В этот раз хочу зайти больше со стороны манипулятивных аргументов в информационном поле. Лично я стала сидеть в разного рода чатах и читать каналы достаточно много в последние полтора года, как завела свой. И хотя это наверное лучше, чем не знать, что происходит в индустрии дальше своей работы, так легко и обрести некоторые заблуждения🌟

➡️ Апелляция к большинству📊
Самый популярный пример сейчас, пожалуй — «классическая аналитика данных уходит в прошлое и заменена LLM, срочно изучайте AI/ML». Во-первых, это касается разве что аналитики данных в стиле «SQL monkey» (не является оскорблением кого-либо🙊), во-вторых, базовый ML уровня import-fit-predict ничем не лучше, в-третьих, к запихиванию AI везде есть вопросы.

(Это не значит, что я призываю аналитиков не прокачивать свои навыки, это в любом случае нужно для рынка труда и для себя)

➡️ Аргумент к личности😎
«Зачем ты меня расстроил? Чего ты добился?»

Аргумент к личности удобен тем, что позволяет вообще не обсуждать суть изначального тезиса, если с ней трудно поспорить, но очень хочется😀

Буквально недавно читала, как человек, представившийся айти ментором по успешному успеху, сеньором с годом опыта в 20 лет и вот это вот всё, утверждал, что нанимающие менеджеры в бигтехах не могут знать рынок, ведь сами неприлично давно не были там (= не меняли работу 2-5 лет)😬
Все совпадения с реальными людьми случайны…

Ну, и в обратную сторону — что ты вообще можешь знать об ожиданиях от грейда senior, если сам ещё официально не там?

➡️ Ложная дилемма/дихотомия💊
Якобы есть только два радикально противоположных мнения/стратегии, и быть где-то между ты не можешь.

Заикнулся, что у ситуации с чьим-то увольнением есть две стороны? Ну всё, тебя поработили бигтехи / мнение куплено / ты сам не добился (см. выше) и теперь про других не допускаешь

Предложил попробовать найти сначала работу без накрутки? Ну, вы поняли☠️
В этом вопросе я вообще, получается, профессионально балансирую на двух стульях (видимо, офисном Herman Miller и каком-то из кофейни на Бали с чилловой стороны) — топлю за традиционный путь через стажировки и бигтехи, но при этом консультирую по упаковке резюме (см. чем отличается от накрутки опыта). Штош😐

Подводя итог, во всех этих искажениях меня больше всего пугает не их наличие, а то, как легко они влияют на реальные карьерные решения и появление стереотипов в комьюнити…

Ваши мнения, примеры, дополнения очень приветствуются, как и всегда🥰

#непопулярное_мнение #карьерный_путь
@analytess 👩

Факты про A/B-тесты, которые лучше понять, чем заучить😎
проверь себя и перешли другу, который ищет работу!

➡️ Почему нужна поправка на множественное тестирование, и какая из ошибок при нём становится вероятнее?💊

Вот тут разбирала комикс по теме. Если коротко, то растёт вероятность ошибки первого рода — когда мы ошибочно видим эффект, которого нет. Пусть она была, как обычно, p = 0.05, тогда вероятность не ошибиться 1 - p = 0.95, а не ошибиться на обеих тестовых выборках уже (1 - p)^2 = 0.9025, то есть вероятность ошибки I рода выросла с 5 аж до 9,75%!

➡️ Как распределено p-value в A/A-тесте?⚖️

Здесь для подробностей сошлюсь на статью от X5. Обратимся к классическому определению p-value (мой пост про него тут) — вероятность получить такое же или более экстремальное значение статистики, если верна нулевая гипотеза. В A/A-тесте она заведомо верна (иначе мы как раз докажем таким тестом, что с критерием или сплитовалкой что-то пошло не так), поэтому
P(p <= alpha | H_0) = alpha
Буквально по определению — слева формула функции распределения случайной величины p, и для любого alpha из отрезка [0,1] она соответствует равномерному распределению.

➡️ Fun fact: любую метрику из классических типов (то есть не какую-то хитрую квантиль) можно свести к ratio-метрике😐

С одной стороны, казалось бы, зачем — от них одни мучения, как мы знаем (все эти бутстрапы, дельта-методы и линеаризации вместо стандартного t-теста сразу), но с другой стороны, это полезно осознавать и может быть удобно при написании общего кода для анализа A/B-экспериментов. Так вот: чтобы это сделать, бинарные метрики (конверсии и доли) запишем в общую дробь как 1 в знаменателе и 0/1 в числителе соответственно, непрерывные (выручка, количество товаров и так далее) — в числитель, а в знаменатель единичку. Вуаля💅

➡️ Узнали или вспомнили что-то новое и актуальное?😎
Ставьте реакции, если сохранили — так я пойму, что надо продолжать такое писать!

#найм_и_собесы #хардов_пост
@analytess 👩