Пацаны на заметочку берите как проводить собезы
если есть подозрение на использование gpt 🧠

В свободное время занимался активно различными сервисами связанными с hr и решил поделиться ботом который сделал, чтобы помочь с поиском вакансий

### Как бот работает?
1️⃣ Ты описываешь, какую работу ищешь — в свободной форме:
*«Хочу удалёнку в IT, frontend, опыт 2+ года, зарплата от 180к, дружная команда»*
2️⃣ Я анализирую твой запрос с помощью ИИ и понимаю настоящие критерии.
3️⃣ Каждый день я ищу новые вакансии (за последние 3 дня) и сравниваю их с твоим профилем.
4️⃣ Присылаю тебе ТОЛЬКО самые подходящие — без спама, без лишнего.

### Почему это работает?
✅ Не по ключевым словам — а по смыслу
✅ Учитывает твои реакции: 👍 — будет таких больше, 👎 — исчезнут
✅ Не нужно мониторить hh, экономит 3–5 часов в неделю
✅ Работает в фоне — ты просто получаешь результат

👉 Попробовать:
https://t.me/Smart_MatchBot

Я не отдаю твой профиль компаниям.
Твои данные в безопасности. 🔒

---

Над поиском конечно стоит еще поработать хехе 😁
Поделитесь мыслями, полезен ли сервис, что хорошо, а что не очень :)

История одной витрины, или как пропавшие NULL сломали модель 👻

Привет, народ! Расскажу историю о том, как пропавшие NULL сломали продакшн-модель. Иногда важнее не то, что в данных появилось, а то, что исчезло.

Ситуация: Обучаем модель. DS просит витрину с фичами по звонкам. Есть две группы: А (короткие номера) и B (поддержка). Витрина (feature_store_v1) строится по событиям. Если у клиента не было звонков в этих группах, его нет в витрине.

Вот как выглядела наша витрина (feature_store_v1):

user_id | calls_group_a_count | calls_group_b_count
--------|--------------------|--------------------
101     | 5                  | 10
102     | 0                  | 3
103     | 12                 | 0

Как происходит обучение?
DS делает LEFT JOIN с витриной. Клиентов без активности получает NULL. Модель привыкает, что доля NULL стабильна.

---

А потом что-то меняется... 🤯

Бизнес запускает новую услугу и появляется третья категория звонков (Группа C). Мы обновляем витрину до feature_store_v2.

Новая витрина (feature_store_v2):

user_id      | calls_group_a_count | calls_group_b_count | calls_group_c_count
-------------|--------------------|--------------------|--------------------
101          | 5                  | 10                 | 0
102          | 0                  | 3                  | 0
103          | 12                 | 0                  | 0
104 (Новый!) | 0                  | 0                  | 25

Что случилось?
Появился user_id 104, активный только в новой группе. При LEFT JOIN он теперь нашел пару в витрине. Количество NULL в данных резко упало. Модель, обученная на мире с 30% пропусков, увидела мир с 15%

> DS кричит: "Откатывайте, все сломалось!"
> DE отвечают: "Данные же стали лучше!"

---

Как не проебаться? 🛠️

1. Мониторьте пропуски.
Резкое падение % NULL — главный индикатор того, что сломалось базовое предположение о данных. Это ваш самый ранний аларм.

2. Если вы с широкими витринами — fillna(0) нормальное решение для обучения (главное на инференсе его не забыть 😁 )
сам я не сторонник fillna(0) т.к. почти всегда 0 и NULL - это разные вещи, имеющие разную природу. Но в данном случае нужно было предусмотреть, что витрина может измениться, данных может стать больше, процент заполняемости измениться, и для простых фичей в виде счетчиков 0 - это дефолтное значение которое можно применять
Можно было бы еще формировать витрину сразу для всех пользователей, а не только для тех, у кого есть события. Но если можно проще и меньшими затратами - почему бы и нет?

3. Самое правильное решение — вертикальная витрина.
Корень всех бед — в "широком" формате. Правильное решение — вертикальная витрина.

Было (широко):

user_id | calls_group_a_count | calls_group_b_count
--------|--------------------|--------------------
101     | 5                  | 10

Стало (вертикально):

user_id | call_group | count
--------|------------|-------
101     | a          | 5
101     | b          | 10
102     | b          | 3
103     | a          | 12

Почему это решает проблему?
* Гибкость: Новая категория = новые строки, а не колонки. Схема не меняется, ничего не ломается.
* Эффективность: Хранит только ненулевые значения и отлично партиционируется.
* Честный PIVOT: "Широкую" таблицу для модели создает явный PIVOT. Появление новой группы заставит DS обновить скрипт и осознанно переобучить модель.

Вывод: fillna(0) — это не зло, а инструмент. Но он работает предсказуемо, только если пайплайн стабилен. А самый надежный способ сделать пайплайн стабильным — правильная архитектура данных.

Не прокатило: парень отправил вместо себя на собеседование ИИ-аватара, где тот столкнулся с ИИ-эйчаром. По итогу они просто соглашались друг с другом с первых секунд. 👀

Работодатель ход не оценил:

«Слава богу, мы используем ИИ для отбора кандидатов, иначе мы бы зря потратили время на человека, которому даже лень пойти на собеседование»

Что позволено Юпитеру…🥲

@xor_journal

Вообще немного кумарит эта тенденция ботов за все и про все извиняться
Вот тут история была, как один блогер по дата инженерии написал диз на другого. Второму пришлось отбиваться:
https://t.me/analyticsfromzero/456

Да так отбился, что первый весь свой канал удалил 🤣
Эти айтишники еще те токсики, до извинений не доходит даже