#оффтоп

шедевры рекламы

Ну почти )

с просторов linkedin

#корпжиза

В «Охотниках за привидениями» Рэй (который в кадре держит ловушку с Лизуном) произносит замечательный монолог джуна:

Лично мне нравился университет — нам давали деньги и аппаратуру, а производить ничего не надо. Мы были под крылышком. А каково в другом мире? Я работал в частных компаниях — там нужен результат.

Это было, наверное, моим самым большим заблуждением на старте карьеры, а по факту я последовательно открывал что:

1. Не во всех компаниях нужен результат — гораздо чаще нужно чтобы с тобой было приятно работать и ты не создавал напрягов.

2. Если все же нужен результат:
— если в итоге успех то его надо правильно атрибуцировать на себя / шефа /шефа шефа в зависимости от ситуации,
— если неуспех — отвечать будет не виновник, а тот у кого меньше политического веса (более массивные коллеги спихнут ответственность)

3. Вне компании ваши результаты неверифицируемы — чем и пользуются люди на собеседованиях  — выдать работу и результаты 4-5 человек за свою — обычное дело.

4. Если все же у вас в мотивационной части есть процент с продаж / выручки — то всегда будет и «крышка» сверху и — где рост выручки не приведет к росту вашего дохода, и план продаж снизу — необходимый минимум, который постоянно будет расти. Короче, success fee   очень условны

Итого, хотите работать на результат — запускайте свое дело как сделал Рэй, хоть на привидений охотьтесь. Хотите карьеру — старайтесь чтобы с вами было приятно работать и развивайте навык самопрезентации

#корпжиза
Про вред грейдов — подтверждение с другого конца света

На днях известный в узких кругах частный инвестор рассказал мне байку про Новую Зеландию: якобы там 9 грейдов на всю страну (в тч коммерческие компании), привязанных к образованию. Бакалавр — один грейд, магистр — другой, и работодатель пляшет внутри государственной рамки.
Помню что вопрос грейдов волновал подписчиков (один из последних постов на тему)

Фактчекинг:
Единой сетки нет даже у государства — ведомства, университеты, больницы живут на своих salary bands. Но совсем из воздуха история не взялась: у школьных учителей реально есть общая шкала (правда, 10 ступеней, а не 9), и образование влияет на старт и потолок.

Но public sector Новой Зеландии — 477 тысяч человек, почти 20% рабочей силы: школы, больницы, crown entities. Если каждый пятый работает в формализованной системе, это должно аффектить остальной рынок.

Получилось немного наоборот. Motu в 2026 сравнили public и частный сектор. Средняя зарплата в public выше на 25%, но там другая структура — больше квалифицированных специалистов. После поправок разница скукожилась до 5-8%. А при сравнении похожих позиций public платит даже на 4% меньше.
Зато в итоге нашли инерцию.

Частник быстро понимает, что за 100 не нанять, и поднимает до 120. В public sector — salary bands / steps, согласования, коллективные договоры, повышения на годы вперед. Рынок уже уехал, табличка догоняет. А когда догнала — рынок поехал обратно.

То есть система грейдов просто вставляет между рынком и зарплатой комитеты, HR разных видов и повадок, бюджетные циклы и эксель.

Отсюда корпоративный парадокс: вчера HR говорит, что мидла выше 110 нанимать нельзя — выйдет за грейд. Сегодня он увольняется. Завтра нового мидла дешевле 140 рынок не дает. Послезавтра на 140 нанимают синьора, потому что иначе система не позволяет.

Про лаг вот еще исследование 2025 года

Итого: единой сетки грейдов по стране нет, есть публичные коллективные договора внутри отраслей в госсекторе.

И выше исследования, доказывающее, что грейды очень быстро начинают вредить если не уметь быстро пересматривать зп на них (как и любая ригидная по построению система в условиях рынка).

Давно рыбов не было )

искал где повысить квалификацию 🤔

Всегда было интересно как проверить что с аукционом второй цены не кинули. Как оказалось — никак

Вспомнил тут сколько эмоций вызвала у поступающих в ШАД МТС отсылка к кодированию цвета. Хотя ту задачу и решали более успешно чем другие три.

Мы кстати потихоньку начинаем готовить новые вступительные — если у кого есть крутые идеи — велком в комменты

Вообще, знание популярных IT-пасхалок может принести дополнительные $300k

UPD
Перепроверил публикации из каналов, нашел оригинальный ответ кофаундера и CEO Hugging Face

На фоне новостей про супер-модель Astra и достижение AGI хотите доказательство что эта картинка про AI более чем точная?

Легко, ниже служебный шаблон системного промпта последнего Qwen3.8-Flash-Next:

{%- set image_count = namespace(value=0) %}
{%- set video_count = namespace(value=0) %}
{%- macro render_content(content, do_vision_count, is_system_content=false) %}
    {%- if content is string %}
        {{- content }}
    {%- elif content is iterable and content is not mapping %}
        {%- for item in content %}
            {%- if 'image' in item or 'image_url' in item or item.type == 'image' %}
                {%- if is_system_content %}
                    {{- raise_exception('System message cannot contain images.') }}
                {%- endif %}
                {%- if do_vision_count %}
                    {%- set image_count.value = image_count.value + 1 %}
                {%- endif %}
                {%- if add_vision_id %}
                    {{- 'Picture ' ~ image_count.value ~ ': ' }}
                {%- endif %}
                {{- '<|vision_start|><|image_pad|><|vision_end|>' }}
            {%- elif 'video' in item or item.type == 'video' %}
                {%- if is_system_content %}
                    {{- raise_exception('System message cannot contain videos.') }}
                {%- endif %}
                {%- if do_vision_count %}
                    {%- set video_count.value = video_count.value + 1 %}
                {%- endif %}
                {%- if add_vision_id %}
                    {{- 'Video ' ~ video_count.value ~ ': ' }}
                {%- endif %}
                {{- '<|vision_start|><|video_pad|><|vision_end|>' }}
            {%- elif 'text' in item %}
                {{- item.text }}
            {%- else %}
                {{- raise_exception('Unexpected item type in content.') }}
            {%- endif %}
        {%- endfor %}
    {%- elif content is none or content is undefined %}
        {{- '' }}
    {%- else %}
        {{- raise_exception('Unexpected content type.') }}
    {%- endif %}
{%- endmacro %}

это первые строки, дальше все тот же if-then-else

Шутка

An Alien Mind

Это бьет тревогу Jakub Pachocki, Chief Scientist at OpenAI

Верим 🤔
или маркетинг 😄 ?

глаз задергался от этой рекламы агентов, а мб клин клином ? 🤔

кстати, про IFы

Есть у меня знакомый, очень талантливый парень из Ростова/Москвы, 10 лет работает лидом в большой и уважаемой ИТ-компании, отвечает за антифрод.

Раз в пару лет где-то как-то пересекаемся, спрашиваю что нового в науке антифрода.
Каждый раз он честно и серьезно отвечает что пишет SQL-запросы и логику на IF/CASE WHEN.

Но сейчас чуть другой сюжет.

Представьте задачу определения вероятности дефолта юрлиц (часто называют банковским скорингом, хотя владельцы облигаций знают эту задачу чуть в других терминах).

Юр лицо, особенно крупное, это достаточно сложная сущность с единым исполнительным органом — например:

хозяином в ООО УРК (ИНН 6670534016)
, верховным атаманом (ИНН 7708364030, 7702376889 и 5036056729)
, предводителем (ИНН 3906081950 и ООО СИМПЛИМЭДЖИН ИНН 7714908584)
, верховным шаманом (ИНН 1701062776) — все ссылки на сайт ФНС, ищите должность на второй странице выписки ЕГРЮЛ.

Еще юр лица часто живут в группах (не только для дробления бизнеса по выручке для налоговой оптимизации), имеют сложные схемы владения (иногда вообще кольцевые), неочевидных бенефициаров, сложные аффилированности и экономические отношения, через некоторые идут миллионы транзакции в месяц, а по другим наоборот, никаких данных нет (а около 600 ЮЛ даже ИНН не имеют, как и код иностранного ЮЛ).

Как поступают в таких случаях?

Делают отдельные модели по каждому домену данных:
— модель по данным арбитражей
— модель по данным транзакций
— модель по данным финансовой отчетности
— графовая модель, работающая на связях (юридических, экономических и каких только не придумается) — и назначающая финальный скор.

Вопрос только в том какой скор подавать на вход графовой модели и вообще как объединять предикты моделей для конкретного ЮЛ в зависимости от того какие данные были доступны.

Итак, лет 10 назад, когда нейронки только переживали очередной расцвет после зимы, самое высокое начальство потребовало чтобы DS не городили огород а сделали уже одну большую нейронyю сеть, которая все данные скушает и откалиброванный скор выплюнет (заодно и резервы сама посчитает, что уж).

Естественно, переубеждать высокое начальство смерти подобно, но в банках куча проверяющих органов, которые и сами не работают и другим не дают.

Как быть в ситуации когда:
⁃ нужна обязательно нейронка и это проверят
⁃ Которая пройдет строгую валидацию и статтесты в отдельном департаменте
⁃ Времени на разработку нет — сами витрины данных еще толком не появились в хадупе, про GPU и среды обучения нейронок инфраструктурщики даже по радио не слышали
?

Мы все учились понемногу, чему-нибудь и как-нибудь.
Как выглядит самая простая нейронная сеть с одним нейроном?

Правильно, это логистическая регрессия!

Итого, мы объединили скоры логрегом, на слайде для начальства гордо написали что модель выполнена в нейросетевой архитектуре — и все были довольны:
— риски получили хорошую понятную стабильную модель
— валидаторы дали зеленый свет и подтвердили архитектуру
— начальство уверенно вещало на страну про нейронную сеть

Так что часто в самых сложных и современных системах куча логики в портянках с IF / case when и это вполне нормально.