Ирина Козлова
Data Scientist
AI Solutions
Требуется Data Scientist для работы над ML проектами и анализом больших данных.
Зарплата:180 000 – 280 000 ₽
Локация:Удаленно
Формат:Удаленка
Опыт:от 1 лет
Детализация баллов
Система использует прозрачные фиксированные правила, а не машинное обучение. Это обеспечивает контролируемость и объяснимость оценки.
Hard Skills
10 × полные + 5 × частичные
0 баллов
Soft Skills
5 × каждый совпавший
10 баллов
Bonus Skills
3 × каждый совпавший
0 баллов
Итого
0 + 10 + 0 = 10 баллов
10 баллов
ℹ️
Прозрачность алгоритма: На этапе MVP мы используем фиксированные правила, а не ML-модель. Это даёт прозрачность и контролируемость оценки — каждое решение может быть объяснено на уровне компетенций и весов.
Hard Skills
Python
SQL
Machine Learning
Pandas
NumPy
Soft Skills
Аналитическое мышление
Внимание к деталям
Коммуникация
Bonus Skills
TensorFlow
PyTorch
Big Data
Spark
Созвездие компетенций
Визуализация соответствия компетенций кандидата требованиям вакансии на основе реляционно-графовой модели. Каждый узел представляет навык, линии показывают связи между компетенциями.
Легенда графа
Владеет навыком (полное соответствие)
Частично владеет (частичное соответствие)
Не владеет (навык отсутствует)
Конфликт (несовпадение предпочтений)
Центральный узел: Позиция
Как использовать: Наведите курсор на узел, чтобы увидеть детали. Зажмите левую кнопку мыши для перемещения графа.
100%
Общий балл
10
Фильтры групп
Легенда
Статусы
Владеет (jade)
Частично владеет
Не владеет (tomato)
Конфликт
Владелец
Кандидат (пунктир)
Вакансия (сплошная)
Важность
Ключевой (толстая)
Второстепенный (тонкая)
Уровень навыка
Продвинутый
Средний
Начинающий
Преимущества визуализации
- Прозрачность оценки — видно, почему кандидат получил определённый балл
- Быстрое понимание сильных и слабых сторон кандидата
- Визуальное сравнение нескольких кандидатов на одном экране
- Реляционно-графовая модель учитывает связи между навыками
Модель компетенций для вакансии
Реляционно-графовая модель, задаваемая HR-командой, а не обучаемая автоматически. Это обеспечивает прозрачность и контролируемость оценки.
Навыки и веса
| Навык | Тип | Вес | Баллы |
|---|---|---|---|
| Python | Hard Skill | Высокий | 10 (полный) / 5 (частичный) |
| SQL | Hard Skill | Высокий | 10 (полный) / 5 (частичный) |
| Machine Learning | Hard Skill | Высокий | 10 (полный) / 5 (частичный) |
| Pandas | Hard Skill | Высокий | 10 (полный) / 5 (частичный) |
| NumPy | Hard Skill | Высокий | 10 (полный) / 5 (частичный) |
| Аналитическое мышление | Soft Skill | Средний | 5 |
| Внимание к деталям | Soft Skill | Средний | 5 |
| Коммуникация | Soft Skill | Средний | 5 |
| TensorFlow | Bonus Skill | Низкий | 3 |
| PyTorch | Bonus Skill | Низкий | 3 |
| Big Data | Bonus Skill | Низкий | 3 |
| Spark | Bonus Skill | Низкий | 3 |
Связи между компетенциями
Реляционно-графовая модель учитывает связи между навыками, что позволяет более точно оценивать компетенции кандидатов.
Python↔SQL
Machine Learning↔SQL
Java↔Spring↔Hibernate