Владимир Новиков
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
5 баллов
Bonus Skills
3 × каждый совпавший
0 баллов
Итого
0 + 5 + 0 = 5 баллов
5 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
5
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