А у нас тут есть ветеринары? У одного из участников нашей группы задание в вузе: дата сайнс для выявлений заболеваний крупного рогатого скота. Можно ли как-то ллмку там прикрутить? Как вообще можно помочь выявлять заболевания у животных 😅

Я тут понял, что питон оказал на меня дурное влияние. Я же ищу работу: решил все-таки посмотреть вакансии в моем прошлом поле деятельности — встраиваемые системы. Нашел вакансию, по многим требованиям подхожу или могу подготовиться, но...как вспомню весь этот ад встраиваемых систем, так вздрогну. Куча разных ядер, патчи в имейлах, кросс-компиляция, устаревшие системы сборки с десятками makefile, неудобные железки, которые сползают со стола, отладка по серийному порту через кабель, эмуляторы, не полностью эмулирующие железку...ну и гадость...

Назад к истокам.

За три месяца поиска работы аналитиком данных я понял, что дело это гиблое. Во-первых, вакансий очень мало. Во-вторых, большая часть вакансий требует знания немецкого на уровне нэйтива. В-третьих, даже те 10 более-менее подходящих вакансий, которые я смог найти и на которые откликнулся, не привели ни к одному собеседованию.

Положение грустное, но внезапно я обнаружил одну забавную вещь. Оказывается, ситуация совсем не так плачевна во встраиваемых системах. На удивление, там есть и удаленные позиции, и язык требуется далеко не всегда. А у меня еще и опыт работы есть в этих областях, и в стажировках участвовал (GSoC), и в диссертации в линукс ядре повозился . Из минусов — в последний раз я что-то делал в этой области лет 5 назад. Примерно тогда же в последний раз использовал C++. Поэтому скучать в ближайшие несколько месяцев мне точно не придется.

Итак, каков же план? А план прост: подготовить пет-проект, заодно повторяя забытые концепции. А пет-проект будет таков: фотокамера с видоискателем на основе маленького черно-белого дисплея. Если получится, потом еще и датчик движения прикручу. Все компоненты показаны ниже на фото. Ну а аналитика данных, видимо, останется пока что как хобби.

Время экспериментов.

Я же недавно начал готовиться к собеседованиям. Идея проста: повторить всё необходимое для дата аналитика, подтянуть немецкий и начать подаваться на немецкоязычные вакансии. Но кто сказал, что это сработает? За предыдущие 3 месяца я не получил ни одного собеседования по англоязычным вакансиям, что если так же будет с немецким?
В общем, идея эксперимента: сделать резюме на немецком, добавить туда все необходимые термины, где-то приукрасить прошлый опыт и разослать это резюме на 10+ вакансий. Если будет хотя бы пара откликов, значит, все не так плохо. Если же и тут будет пусто...тогда и подумаем.

Очередной хакатон.

Я недавно сходил на локальный хакатон идей, на котороом я хотел поработать надо проблемой диагонстики заболеваний человека. Дальше я расскажу, как прошел ивент для участников, а затем подведу итоги. Если вам лень читать организационные нюансы, можете сразу переходить к итогам :)

Все началось с того, что в первый день мы представили свои идеи в формате минутного питча. После этого мы нарисовали постеры, разместили их на стендах, а другие участники ходили между ними и голосовали наклейками за понравившиеся проекты. В следующий этап проходили те идеи, которые набрали достаточное количество голосов.

На следующем этапе мы выставили постеры в основном помещении и собирали команды. Мой оригинальный проект прошел в этот тур, но не смог набрать нужное количество людей. Поэтому мы объединили (смерджили) две команды в одну. Изначально мой проект был посвящен суммаризации долговременных симптомов пациентов для лучшей диагностики. Ко мне присоединилась девушка с проектом про тегирование животных. В результате мы сфокусировались на диагностике заболеваний животных.

После формирования команд мы приступили к работе: необходимо было создать жизнеспособную бизнес-модель. В нашем случае возникла очевидная проблема: мы только-только собрались и никто из нас не понимал, что конкретно мы хотим делать. Два долгих дня мы мучительно формулировали актуальную проблему. В первый день работали самостоятельно, а на второй день у всей команды было две менторские сессии. Вечером второго дня прошел тренировочный питч без презентаций. Свою проблему мы сформулировали буквально за час до этого выступления.

На третий день состоялась тренировочная питч-сессия с презентациями, а вечером — собственно сам питч перед жюри. Мы старались успеть все возможное: подготовить бизнес-модель, сделать анализ конкурентов. К сожалению, хотя немалая часть материалов была подготовлена, мы просто не успели включить все это в презентацию. Я бы сказал, что наш питч был не самым успешным из-за недостатка времени на подготовку.

Итоги.

Подводя итог, могу сказать, что вынес несколько полезных уроков. Во-первых, на такие мероприятия надо идти с уже готовой, проработанной идеей решения — это отличает команды, которые занимают призовые места. Во-вторых, объединять две команды — это очень плохая идея. Если в команде два лидера, каждый со своим видением, то конфликты практически неизбежны. В-третьих, очень полезно иметь в составе опытных профессионалов: они показывают более высокие результаты, увереннее держатся и лучше отвечают на вопросы жюри.

Пойду ли я на такое мероприятие снова? Скорее всего, да. Для меня это итеративный обучающий процесс: я учусь коммуникации, лидерству и менеджменту. Ожидаю ли я, что это выльется в реальный стартап? Абсолютно точно нет. К сожалению, я не заметил улучшения качества идей даже у команд-победителей. После питча одной из команд-победителей член жюри отметила, что она не смогла понять проблему, которую они решают. Аналогичное впечатление сложилось и у меня еще в первый день, когда я слушал их выступление. В общем, я считаю, что в лучшем случае на мероприятии можно найти либо ко-фаундера, либо члена команды, но такие случаи, к сожалению, крайне редки.

А на этой фотографии на переднем плане стоят участники, чьи проекты были отобраны для набора команд. На каждом плакате можно увидеть зеленые наклейки. Те, кто набрали более 6 штук, прошли в этап отбора команд. Я стою в очках прямо возле стойки.

Дизайним эксперимент.

Итак, есть задача: за короткое время найти работу. Время ограничено, поэтому ресурсы нужно распределить с умом. Но как это сделать — нужно ли больше учить язык, нужно ли сосредоточиться на одной из областей? К счастью, мы можем провести эксперимент.

Во-первых, нам надо выяснить, до какого уровня нужно выучить язык, чтобы получить приглашение на интервью в немецкоязычной компании. Выделим два уровня B2 и C1. Во-вторых, хотелось бы узнать, в какой из отраслей мне будет легче найти работу: Embedded, Data Analytics или User Research. Соответственно, выходной переменной у нас будет факт получения приглашения на интервью или их общее количество. Получаем следующий дизайн эксперимента:

Фактор 1 (уровень языка): B2, C1
Фактор 2 (тип работы): Embedded, Data Analytics, User Research
Зависимая переменная: получение приглашения на интервью или их количество.

Какой дизайн выбрать?

Теперь неплохо было бы понять, а каким методом мы будем всё это анализировать. Первая возможность: логистическая регрессия. Тут должно быть всё понятно: есть одна категориальная переменная, одна порядковая. Смотрим, насколько значимо меняется вероятность отклика при смене профессии или уровня языка, и есть ли между ними эффект взаимодействия. Вторая возможность — лог-линейная модель. Она представляет собой аналог теста Хи-квадрат для нескольких переменных. В этой модели все переменные будут считаться категориальными. Мы сможем найти значимые эффекты и взаимодействия.

В общем, я собираюсь в ближайший месяц откликаться на эти вакансии, используя подходящие резюме. Для каждого типа работы я буду случайным образом выбирать уровень языка. Потом подсчитаю количество откликов (если они будут 🥲) и посмотрим, есть ли разница при разных языках и профессиях.

Кстати, мы там в группе Учим Питон начали проходить курс по SQL. Если хотите освежить знания и вместе пройти курс, еще есть такая возможность.

Совместное прохождение SQL

Последний раз напоминаю, что мы начинаем повторять SQL на курсе-тренажере. Проходим до конца этой недели главы 1.1-1.3, а потом пойдем дальше и добиваем первую главу.
Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Промежуточный итог.

Напомню, я хотел провести эксперимент, чтобы выяснить, на какие вакансии мне стоит чаще откликаться, где знание языка более важны. Я планировал подаваться с адаптированными резюме на каждое из направлений (Embedded, Data Analytics, User Research) с двумя уровнями языка: B2 и C1. Внезапно всплыл неприятный момент: отклики на 4-6 вакансий вполне могу занять час времени. При этом вакансии искать сложно, подходящих вакансий мало, на некоторые направления — UX researcher, новые вакансии не появляются несколько дней подряд. А при низком коэффициенте конверсии в собеседования может потребоваться 60 или 100 откликов (то есть 60 или 100 часов, потраченных впустую). В общем, думаю, может стоит прекратить эксперимент.

Пять месяцев поиска работы.

Итак, коротко подведу итоги пяти месяцев поиска работы. Все эти пять месяцев я откликался на англоязычные позиции аналитика данных и UX исследователя. Подходящих было совсем мало (22), и по ним я получил ровно ноль приглашений на интервью. На большую часть из них я не получил даже отказов.

Кроме этого, готовы первые результаты эксперимента. Напомню, что я решил проверить, до какого уровня нужно подтянуть язык, чтобы стали чаще приглашать на интервью. Я подготовил резюме для направлений Embedded, Data Analytics и User Research с двумя уровнями языка: B2 и C1. Каждое резюме подогнано под направление. Итоги двух недель эксперимента: 25+ откликов, 6 отказов, 0 (ноль) приглашений на интервью. Особенно я был удивлен отказам в embedded: не помогли ни три года реального опыта, ни две практики в Google Summer of Code, ни диссертация, в которой был разработан модуль ядра Linux.

Что же делать дальше? У меня есть несколько вариантов. Во-первых, я почти закончил писать заявку на грант с одним из профессоров, поэтому есть небольшой шанс на успех через шесть месяцев. Во-вторых, я и дальше буду учить немецкий язык, повторять Python, SQL и embedded-разработку. В-третьих, я начинаю посматривать в сторону стартапов — что интересного я там могу сделать, что могу предложить миру. И есть одна идея.

Идея для стартапа достаточно проста. Есть некоторые отрасли в нашей жизни, в которых доступ в интернет невозможен, равно как и использование мобильного телефона: медицинские ассистенты, девайсы для работы в трудных условиях, устройства для военных. При этом все равно хотелось бы иметь возможность общаться с таким девайсом — давать ему голосовые команды, получать от него простейшие пояснения. Так почему бы не сделать некий прототип, который будет иметь возможность обрабатывать данные с датчиков и иметь встроенную простейшую LLM? И с этим прототипом уже можно будет кататься на всякие хакатоны и искать реальные применения. Заодно и технические скиллы вспомню, и пет-проект появится.

Подведу итог. Вакансий мало. Повышение уровня языка в резюме до свободного пока не дало плодов. Однако у каждой медали есть две стороны. К примеру, отсутствие работы подталкивает делать что-то своё — работы-то по факту почти нет. Поэтому если вы работаете в медтехе или промышленной автоматике — делитесь реальными проблемами, которые я мог бы решить. Если у вас есть идеи, как подойти к поиску работы, тоже делитесь в комментариях :)

Новые вопросы

Я же проводил эксперимент, рассылая резюме на позиции аналитика данных (DA) и разработчика встраиваемых систем (Embedded). Получается интересная картина:
DA: Отказов - 60%, Игнор - 40%
Emb.: Отказов - 28%, Игнор - 72%

Возможны несколько вариантов. Первый: в одном из случаев резюме не проходит ATS, и автоматически приходит отказ. Тогда выгоднее сосредоточиться на варианте с большим колическтвом игнора — embedded. Второй вариант: наоборот, в случае работы ATS, последняя отфильтровывает кандидата и ничего не пишет в ответ. Тогда выгоднее сосрдоточиться на варианте с большим количество отказов — DA. Отсюда вытекает следующий опрос.

Новый эксперимент

В прошлый раз я заметил интересную закономерность — для двух профессий отмечается разное отношение отказов к игнору. Теперь наша задача — узнать, как нас отсеивает ATS. Вариант первый: ATS отсеивает резюме простым игнором. Вариант второй: ATS отсеивает резюме автоматическим отказом.

Эксперимент:
В течение следующей недели-двух, одновременно с отсылкой своего резюме, на каждую из позиций я буду дополнительно откликаться совершенно неподходящим резюме 3D-артиста. Затем я сравню, игнорируют ли неподходящее резюме так же часто, как подходящее, и как быстро я получаю по нему реджекты. Этот эксперимент позволит понять, какое из моих резюме имеет более высокие шансы и хотя бы проходит через ATS/первичный скрининг.

Немного инсайтов об HR

Если 70+ откликов на релевантные позиции не принесли результата, вывод только один: что-то не так с резюме. Чтобы выяснить, что конкретно не так, я отправился искать на reddit, как HR оценивают резюме. Я принес вам следующие инсайты.

1. Эйчары просматривают практически все резюме. Удивительно, но очень многие эйчары отмечают, что текущие автоматические рейтинги от ATS очень плохи. Многие эйчар утверждают, а некоторые даже жалуются (!), что им приходится просматривать все резюме.

2. Большая часть эйчаров не читают сопроводительные письма. Многие из этих писем все равно пишутся с помощью ИИ, да и времени читать 100+ сопроводительных писем нет. Иногда сопроводительные письма открываются, если кандидат уже подходит на позицию, чтобы "увидеть в них что-то интересное".

3. Что влияет: опыт работы, длительность периодов работы и...то, как быстро вы откликнулись на вакансию. Многие эйчары смотрят, релевантен ли ваш опыт работы и не перепрыгивали ли вы часто с места на место (job hoppping). Отдельно многие отмечают, что важно, как быстро вы откликнулись на вакансию. Очевидно, что из первых N кандидатов отбираются 5-10 лучших, а резюме остальных отправляются в мусорку.

4. У эйчаров есть устоявшийся паттерн просмотра резюме. Это паттерн просмотра информации уже давно известен науке — F-паттерн. Сначала читается первая строка слева направо, затем просматривается информация слева чуть ниже, после чего взгляд пробегает по началам строк или предложений. Таким образом, взгляд эйчара при просмотре рисует букву F (см. картинку).

А в этом видео проводится эксперимент с отслеживанием взгляда, в котором два эйчара оценивают разные резюме. Как видите, F-паттерн наблюдается во всей красе.
https://www.youtube.com/watch?v=veFlfYjRo1Y

Выводы.

Какие же из всего этого следуют выводы? Во-первых, не стоит зацикливаться на ключевых словах для ATS. Тем более что некоторые эйчар отмечают, что резюме с наилучшим соответствием иногда отсекаются, так как часто сгенерированы с помощью ИИ. На сопроводительные письма тоже можно не тратить много времени. А вот на сами вакансии надо откликаться как можно быстрее.

Во-вторых, резюме должно быть подогнано под то, как его просматривает эйчар. Наиболее релевантный позиции опыт должен располагаться как можно выше, а каждый пункт резюме желательно начинать с ключевой информации, связанной с вакансией. На картинке выше серым цветом выделены области, в которых нужно размещать наиболее важную информацию (взято из статьи Diaz, C. S. (2013). Updating best practices: Applying on-screen reading strategies to résumé writing).

К сожалению, моё резюме не соответствовало этому паттерну. Попробую его изменить, и вместе посмотрим, к чему это приведёт!

Странное.

Кстати, меня пригласили на первое интервью по встраиваемым системам. Вакансия идеально соответствует моему предыдущему опыту. Работа удалённая и полностью на английском (хотя ответ пришел на немецком).

Есть две проблемы. Первая: я почти ничего не помню из того, чем занимался раньше. Вторая: меня совершенно не привлекает встраиваемая разработка. Когда я занимался этим во время стажировки Google Summer of Code, я буквально считал дни до её окончания. Мне это казалось скучной и однообразной работой без особенно интересных перспектив роста.

С другой стороны, для продления визы нужна работа.

Что бы вы делали на моём месте?

Двойная подача

Я тут начал практиковать двойную подачу резюме на вакансии. В чём её суть? Сначала я откликаюсь на вакансию со своим обычным резюме. Затем в течение 10-20 минут подаю отклик с другого аккаунта, используя объективно слабо подходящее резюме. Второе резюме должно практически гарантированно получать отказ. К примеру, в моём случае я отправляю резюме бывшего дизайнера на позицию разработчика без релевантного опыта и профильных курсов. Проделав такую подачу насколько раз, можно сделать определенные выводы.

Что же даёт двойная подача? Если говорить в общем, мы хотим понять, насколько наше резюме работает лучше, чем объективно плохое. Так как резюме подаются практически одновременно, то велика вероятность, что они попадут в один кластер просматриваемых резюме. Затем мы смотрим на время ответа работодателя. И тут возможны несколько вариантов.

Вариант 1. Оба резюме не получают отклика или получают отказ (практически) одновременно. Это плохой вариант: он означает, что наше основное резюме работает не лучше плохого и не может пройти первичный фильтр. Стоит отдельно отметить, что первичный фильтр может быть разным — ключевые слова, время отклика и т.д.

Вариант 2. Основное резюме получает отказ через несколько дней после отказа по плохому резюме. Это означает, что наше резюме прошло самый первичный отбор, но было отклонено на одном из последующих этапов. На мой взгляд, хорошее резюме в большинстве случаев должно следовать именно этому паттерну.

Вариант 3. Оба резюме получают приглашение на следующий этап. Тут всё просто: вероятнее всего, вакансия — скам.

Вариант 4. Хорошее резюме получает отказ, а плохое не получает ответа. Я считаю, что это тоже хороший вариант. Самый первичный фильтр пройден, а на следующем этапе было принято решение отказать. Плохое же резюме не прошло даже первичный отбор.

В общем, как видите, если человек не может найти работу, он найдёт чем заняться, пока ищет работу 😅