В нашем последнем посте мы изложили наши руководящие принципы в отношении нашей миссии - измерить то, что важно для найма в AI, в масштабе.
Мы хотим дать возможность рекрутерам оценивать практические навыки искусственного интеллекта и обработки данных с помощью автоматизированных небольших задач по реальным проблемам.
В этом посте мы опишем наши первые предложения продуктов для достижения этой цели.
Для рекрутеров и менеджеров по найму: шаблоны
Как рекрутер и менеджер по найму, вам не придется часами настраивать предварительные тесты. Иногда достаточно широкого теста практических навыков кандидата в области искусственного интеллекта и обработки данных. Теперь мы делаем это возможным в Caliper с помощью шаблонов.
Шаблоны позволяют автоматически создавать задачи ИИ за несколько кликов (без участия людей в цикле) и приглашать кандидатов участвовать в них. За кулисами мы заботимся о настройке точной задачи, соответствующего набора данных, метрики оценки и создания экземпляров ресурсов, чтобы учесть переменный объем участвующих кандидатов.
Мы начинаем с двух стандартных, но очень простых задач компьютерного зрения в качестве шаблонов - классификации изображений по CIFAR-10 и MNIST, и теперь они доступны всем пользователям в наших Бесплатных и Стандартных планах.
Рекрутеры и менеджеры по найму теперь могут легко увидеть, как разные кандидаты подходят к этим задачам.
Для кандидатов: Практика Арены и Интеграция Колаба
Испытания CIFAR-10 и MNIST теперь также доступны как арены практики, с которыми вы можете ознакомиться. Вы можете просматривать задачи, обучать моделей, отправлять заявки и видеть, как вы это делаете. Этот рабочий процесс предназначен для описания (если не идентичного) проблемы найма.
Как мы уже упоминали в нашем предыдущем посте, мы считаем, что испытания с суппортом не должны становиться еще одним тестом для лазания по холмам, а должны отражать реальный набор навыков, быть легкими и легкими.
Таким образом, даже если мы покажем вам вашу точность в решении задачи, рекрутеры не увидят это. Рекрутеры могут видеть только зеленый (завершено) или красный (ниже базового уровня / ошибки) двоичный индикатор.
Кроме того, чтобы свести к минимуму время и вычислительную нагрузку этих задач, мы предоставляем шаблонный код PyTorch с заполнением пустых полей в виде записных книжек Colab. Это позволит вам сосредоточиться на самом важном и не беспокоиться об импорте библиотек и данных. Просто напишите несколько строк кода, чтобы определить вашу модель для этой задачи (например, классификация CIFAR-10 или MNIST) и не беспокойтесь о накладных расходах.
Независимо от того, являетесь ли вы рекрутером или кандидатом, вы можете легко измерить или продемонстрировать практические навыки искусственного интеллекта и обработки данных.
Следите за новыми шаблонами задач и новыми областями (обработка естественного языка, автономное вождение, и т. Д.).
Если у вас есть какие-либо отзывы для нас, напишите нам по адресу [email protected].
