H0H1: про HR-аналитику

🤖 Psychology of AI

Доклад "Психология ИИ" Михала Косински (профессор факультета организационного поведения, Стэнфордский университет, вычислительный психолог и психометрик). Обязательно к просмотру всем, кто заинтересован в понимании пересечения БЯМ/генеративного ИИ и человеческого поведения.

#ИИ #AI #psychology #LLM #БЯМ

Посмотрел это выступление, очень интересно прокинуты мосты между психологией и LLM. Присоединяюсь к рекомендации о том, что стоит уделить внимание.

Создайте большую языковую модель (с нуля)

На заре своей карьеры HR-аналитика я помню, как, следуя рекомендации Эдуарда Бабушкина, читал книгу Себастьяна Рашки, посвящённую Machine Learning. С тех пор прошло немало времени, и в прошлом году Себастьян выпустил новую книгу о том, как самостоятельно написать LLM на Python.

Эта книга — настоящий клад для тех, кто хочет глубоко разобраться в больших языковых моделях (LLM). Читатель буквально заглядывает "под капот" этих технологий, разрушая магическое представление о том, как они работают, и получая реальное понимание их устройства. Признаюсь, до прочтения книги, как активный пользователь LLM, я имел лишь поверхностное представление об их работе. Но благодаря книге Себастьяна и практике по самостоятельному написанию простой модели, я восполнил этот пробел.

Книга написана очень доступно и сопровождается множеством качественных иллюстраций, которые упрощают понимание сложных концепций. Более того, весь код из книги выложен на GitHub, включая исправления ошибок, встречающихся в тексте. Это делает обучение ещё более комфортным и полезным.

#книги #llm

LLM для HR-Tech. Пример ИИ-ассистента для автоматизации форматирования резюме

Решил взглянуть на кейсы внедрения LLM в HR и был приятно удивлён, что есть описанные примеры в русскоязычном сегменте.

Основные моменты:
🟣Цель проекта: ускорить процесс обработки резюме, стандартизируя их формат и структуру, что позволяет рекрутерам сосредоточиться на более стратегических задачах. Авторы указывают, что им удалось сократить время обработки с 30 до 5 минут.

🟣Используемая платформа: решение реализовано на базе DUC SmartSearch — цифровой экосистемы ИИ-ассистентов, позволяющей создавать надстройки над различными LLM-моделями, как проприетарными, так и open-source.

🟣Реализация: создан цифровой помощник «HR-ассистент» с инструментом ResumeTool, который обрабатывает резюме в различных форматах, приводя их к единому корпоративному шаблону.

Самое интересно для меня, что решение построено на опенсорсной LLM от Google - Gemma 2. Я планирую самостоятельно поработать с семейством этих моделей в скором будущем.

#разбор_статьи #llm

Подводим итоги 2024 года

Главное достижение для канала – это написание серии о регрессиях в HR-аналитике. Эта идея лежала в основе создания канала, и я рад, что она наконец воплотилась:

🟣Регрессиада. Часть 1. Первое знакомство
🟣Регрессиада. Часть 2. Метрики лгут
🟣Регрессиада. Часть 3. Мир полон неопределенности
🟣Регрессиада. Часть 4. За пределами корреляции

Для лучшего понимания регрессий рекомендую также серию мини-постов о переменных, которая заняла второе место по популярности:

🟣Какие бывают переменные в исследовании
🟣Модератор
🟣Медиатор
🟣Вилка
🟣Труба
🟣Коллайдер
🟣Потомок

В рубрике общего вклада в российскую HR-аналитику:

🟣Мой взгляд на профиль HR-аналитика. Самый популярный пост года
🟣История развития HR-аналитики в мире и России

В следующем году я планирую уделить больше времени LLM и их применению в HR-аналитике. Пост Кита Макналти на эту тему занял третье место по популярности в этом году.

Спасибо за вашу поддержку и интерес к каналу! Желаю вам вдохновения, успехов и новых открытий в 2025 году.
С наступающим Новым годом! 🎄

Детерминанты поведения и их эффективность как цели вмешательств по изменению поведения

Полгода назад я обещал подробно разобрать статью психологов-исследователей из Пенсильванского университета: "Детерминанты поведения и их эффективность как цели вмешательств по изменению поведения".

Пауза подзатянулась, но в качестве компенсации я подготовил полный перевод этой статьи на русский язык, доступный в моём Teletype.

Это масштабный метаанализ, который исследует, какие инструменты и подходы наиболее эффективно меняют поведение человека. Для меня, как для психолога и HR, эта тема особенно важна, ведь она отвечает на главный вопрос: почему корпоративные тренинги и обучение часто не приводят к реальным изменениям в поведении сотрудников.

Основные выводы из исследования
Обратите внимание на первый рисунок статьи, где детерминанты поведения разделены на индивидуальные и социально-структурные.

1️⃣ Индивидуальные детерминанты:
🟣 Вмешательства, нацеленные на изменение знаний, убеждений, эмоций или общих навыков, оказывают незначительное влияние.
🟣 Наиболее перспективной стратегией является работа с привычками, которая демонстрирует средний размер эффекта.

2️⃣ Социально-структурные детерминанты:
🟣 Социальная поддержка (информационная, материальная или эмоциональная) показывает средний эффект.
🟣 Доступ к ресурсам (материальные и логистические условия, облегчающие выполнение поведения) имеет наибольшее влияние.

Что это значит для HR и обучения?
Если мы хотим добиться реальных изменений в поведении сотрудников, усилия должны быть сфокусированы на:
🟣 Формировании устойчивых привычек: создавать программы, где обучение подкрепляется регулярной практикой переходящей в автоматизм.
🟣 Обеспечении необходимой среды: предоставлять доступ к инструментам и ресурсам, которые облегчают выполнение целевого поведения.

Таким образом, ключ к успеху лежит не в увеличении объёма знаний или в мотивационных тренингах, а в создании условий для того, чтобы новые навыки и модели поведения стали частью повседневной жизни сотрудников.
Ознакомьтесь более подробно со статьей в моём переводе.

#перевод

HR-аналитика. Аналитика данных в управлении персоналом

Вторая книга, про которую я упоминал ранее – это «HR-аналитика. Аналитика данных в управлении персоналом. Учебное пособие для вузов», авторы: к.п.н. Волкова Наталья Владимировна и к.э.н. Евсеева Светлана Анатольевна.

🟡Пожалуй, главный недостаток, это то, что книга очень маленькая. В предисловии авторы заявляют, что их книга – это методическое дополнение к курсам по HR-аналитике. Я бы скорее охарактеризовал её как введение в HR-аналитику.

🟡Освещены разные компоненты профессии, но с наибольшим акцентом на метриках. Регрессии и статистические элементы тоже упомянуты, но в силу ограничений по объёму темы только слегка приоткрыты.

🟡Затронута визуализация данных и даны рекомендации по оформлению отчётов, дашбордов. Правда те примеры, что приведены на мой взгляд далеко не лучшие.

🟡Книга выполнена довольно качественно, хотя у меня есть небольшие замечания к описанию машинного обучения и ИИ. Сопровождена ссылками, приложениями и списком литературы – я такое люблю.

Книга подойдет тем, кто только начинает знакомиться с HR-аналитикой или ищет краткий справочник по теме. Для более продвинутого уровня и глубокого изучения придется искать дополнительные материалы.
Кстати, если вы знаете о профессиональной литературе от российских авторов, которую я мог упустить – напишите в комментариях.

#книги

HR аналитика. Путеводитель по анализу данных

В 2024 году в России начали появляться книги по HR-аналитике от отечественных авторов. Я прочитал одну из них — «HR аналитика. Путеводитель по анализу данных», автор Евгений Кириёк, и хочу поделиться своим мнением.

Попытка автора заполнить пробел в российской литературе по HR-аналитике, в то время как подобные работы на Западе выходят регулярно, заслуживает особого внимания и похвалы.

Однако содержание книги вызывает у меня смешанные чувства:
🟡 я до конца не понял на кого ориентирована эта книга, для профессионала она слишком базовая, а для начинающего аналитика не позволяет выстроить полную картину профессиональной деятельности - больше напоминает справочник, в которой кусками было собрано всё понемногу;

🟡 автор не застревает на одних только метриках, а излагает основы научного метода и ряда статистических инструментов, среди которых: регрессия, корреляционный анализ, кластеризация – подобное я отмечаю крайне положительно;

🟡 к сожалению, воодушевление от блока по статистике омрачается его качеством, где в роли лакмусовой бумажки выступает неверное толкование p-value;

🟡 тема с качеством не заканчивается на p-value, к примеру, «аттрактор Лоренца» в книге назван «аттракционом Лоренца» (sic!). А множество графиков не соответствуют описанию, последнее можно, конечно же списать на проблему вёрстки, но тем не менее.

В заключение, несмотря на замеченные недостатки, книга вносит вклад в развитие HR-аналитики в России. Надеюсь, что следующие издания будут только лучше. На очереди на прочтение у меня вторая книга от российских авторов, обзор, на которую также будет на моём канале.

#книги

Преимущества гибридной и удаленной работы

В продолжение прошлого поста посмотрим на результаты исследования Gallup:

🟠Большая часть опрошенных предпочитают гибридный или удаленный режим работы.

🟠Среди топ-5 преимуществ гибридной работы были названы: больший баланс между работой и личной жизнью, более эффективное использование времени, меньший уровень выгорания, свобода выбора места и времени работы, и повышенная продуктивность.

🟠Отсутствие возможности работать удаленно увеличивает риск увольнения сотрудников.

🟠Самое интересное - уровень вовлеченности удаленных и гибридных работников выше, чем у работающих из офиса.

В блоке методов авторы подробно описали, как происходил сбор данных, но, к моему сожалению, не указали итоговый размер выборки.

#разбор_статьи

Гибридный формат работы улучшает удержание без ущерба для производительности

Последние четыре года я работаю удаленно и мне всегда была интересна история про производительность гибридных- и/или удаленных сотрудников. Я нахожу много предрассудков в тотальном возвращении людей в офис и тут на глаза попалось исследование в Nature, основные выводы которого:

🟠Гибридная группа сотрудников столь же продуктивна, как и их коллеги, работающие только в офисе (согласно оценкам производительности).

🟠Число работников, получивших повышение в каждой группе, существенно не отличалось в течение двух лет после исследования.

🟠Гибридная группа сообщила о большей удовлетворенности работой, балансе между работой и личной жизнью и более высокой удовлетворенности жизнью (особенно женщины и те, кому приходится долго добираться до работы).

🟠Гибридная группа увольнялась значительно реже (на 33 %), чем группа, полностью работающая в офисе.

Отмечу, что есть спорные моменты в исследовании, к которым мне так и хочется придраться. К примеру, отсутствие корректировки на множественную проверку гипотез, притом что главный эффект общей текучести p=0.043 (на грани и выглядит подозрительно). Наибольшей критике я бы подверг утверждение про снижение текучести на 33%, потому как звучит это громко, но при расчёте размера эффекта я получил d=0.051! Cчитайте, что эффекта нет.
Для самых любознательных авторы выложили исходные данные и код на R.

#разбор_статьи

Активная статистика

Не так давно Эндрю Гельман и Аки Вехтари выпустили новую книгу Active Statistics. Возможно, вы уже видели мой пост c примером из этой книги, посвящённом восприятию случайности .

Эта книга предназначена для преподавателей, ведущих курсы по статистике для студентов на один-два семестра. По сути, она является дидактическим дополнением к их предыдущей книге «Регрессии и другие истории».

Главная идея книги — это обучение статистике в формате перевёрнутого класса, при котором основное изучение материала происходит самостоятельно, а на занятиях в аудитории студенты выполняют практические упражнения и получают консультации.

Каждый такой урок, согласно авторам, состоит из следующих этапов:
🟠История (10 минут).
🟠Активность (15 минут).
🟠Компьютерная демонстрация (15 минут).
🟠Упражнение (10 минут).
🟠Обсуждение проблемы (10 минут).

Для тех, кто хочет услышать автора, рекомендую подкаст Learning Bayesian Statistic, где Эндрю подробно рассказывает о книге.

#книги

Три наиболее распространённых статистических теста, которые вам следует глубоко понять

Очередная практическая статья от Кита МакНалти на фундаментальную аналитическую тему - статистическая проверка гипотез.

"Статистическая проверка гипотез необходима, потому что в большинстве случаев мы не можем наблюдать всю генеральную совокупность, а вынуждены делать выводы на основе выборок. Поскольку мы всегда имеем дело только с выборкой, невозможно быть на 100% уверенными в правильности наших выводов. Мы можем быть уверены на 90%, 95%, 99%, 99,999%, но никогда на 100%.

Проверка гипотез помогает оценить степень уверенности в наших выводах, основанных на выборке. В общем, этот процесс включает следующие шаги:

1. Предположить, что гипотеза о генеральной совокупности неверна — это называется нулевой гипотезой.
2. Рассчитать статистику для гипотезы, используя данные выборки.
3. Определить ожидаемое распределение ошибок выборки вокруг этой статистики.
4. Использовать это распределение, чтобы вычислить максимальную вероятность того, что статистика выборки будет соответствовать нулевой гипотезе.
5. Применить выбранное пороговое значение вероятности, известное как альфа, для принятия бинарного решения: следует ли принять нулевую гипотезу или отвергнуть её."

Кит приводит три примера: t-критерий Уэлча, проверка значимости корреляции и критерий хи-квадрат. Статья носит практический характер и содержит примеры кода на R и Python.

#статистика #практика #R #python #разбор_статьи

Аудитория на канале уже подготовленная! Правильный ответ — A.

Этот кейс я взял из новой книги "Active Statistics" авторов Эндрю Гельмана и Аки Вехтари.

В данном кейсе демонстрируется распространенная когнитивная ошибка — предположение, что случайные события не могут часто повторяться, и что переключений между 0 и 1 должно быть больше, чем в реальной симуляции подбрасывания монеты.

Ещё рекомендую на эту тему ролик Александра Панчина, посвященной восприятию теории вероятности.

Читаю сейчас одну книжку и наткнулся на интересный кейс о том, как люди "чувствуют" случайные процессы. Это очень важно при анализе данных. У меня возникла идея не просто поделиться сутью кейса, но и провести небольшой опрос.

Итак, давайте проверим, насколько хорошо мы можем отличить настоящую случайность от того, как мы её представляем.

Представим, что мы попросили одну группу людей подбросить монетку 100 раз, записывая 1, если выпал орёл, и 0, если выпала решка. Вторую группу мы попросили представить, как, по их мнению, могли бы выпадать орлы и решки, и записать это, не подбрасывая монетку.

Применение математических принципов в HR-аналитике. Часть 2

На прошлой неделе вышла вторая часть подкаста с Китом МакНалти

Основные моменты этой беседы:

🟡Научные статьи задают направление движения, но, по мнению Кита, самый ценный вид статей — это мета-анализ, который обобщает исследуемый феномен по разным организациям, отраслям, периодам и т.д., и может быть использован практиками.

🟡Особенность HR-аналитики состоит в ограниченности данных. Например, в нашей отрасли нет таких объёмов данных, как в генетике. Поэтому такие классические методы, как регрессия, дают гораздо больше пользы, чем продвинутые ML-техники, требующие большего объёма данных.

🟡Кроме того, продвинутые ML-модели обеспечивают высокую точность прогнозирования, однако они не позволяют объяснить факторы, влияющие на этот прогноз. Кит рекомендует начинать с более простых и понятных для менеджеров подходов, которые дают прозрачную интерпретацию, что очень важно при работе с людьми. Он вновь подчеркивает, что, в целом, ML-модели работают в HR неэффективно.

🟡Одна из ловушек применения научного подхода в организациях — это медленная скорость и нетерпеливость заказчиков. Менеджеры скорее примут ненаучное и неправильное решение, чем будут дожидаться результатов длительного исследования. Именно поэтому важны коммуникация и предоставление промежуточных результатов стейкхолдерам.

🟡Важно правильно понимать, о чём на самом деле вас спрашивают и что вы на это отвечаете. Кит приводит будничный для многих аналитиков пример, когда их просят найти разницу между какими-либо двумя группами персонала. В этом случае аналитики применяют статистические тесты и доказывают наличие или отсутствие отличий. Однако менеджеры могут ошибочно предположить, что различия вызваны определёнными факторами или действиями, хотя это не было сказано. Следовательно, правильная коммуникация и проверка понимания результатов исследования очень важны в работе практика.

#подкаст #математика

Применение математических принципов в HR-аналитике. Часть 1

Вышла первая часть подкаста с моим самым любимым HR-аналитиком - Китом МакНалти

Основные моменты этой беседы:

🟡 Полагаясь на математику и научный подход, мы решаем задачи или находим ответы на вопросы наиболее эффективным и оптимальным способом.

🟡 Недостаточно просто знать набор математических правил, нужно понимать сами идеи. Так, Кит критикует статистические курсы для психологов, которые основаны не на изучении принципов, а на запоминании набора правил, когда и какой тест применять. Чистая правда!

🟡 Однако одной математики в HR-аналитике недостаточно: для поиска правильных ответов обязательно требуется привлечение стейкхолдеров, владельцев и знатоков процессов. Мне очень понравился термин "аналитический перевод", когда команда аналитиков и стейкхолдеры вместе обсуждают полученные результаты и выравнивают общую картину. Отсюда вытекает, что большая часть времени должна уходить на подробное объяснение результатов: что в них присутствует и может быть взято на вооружение, а что нет.

🟡Ещё мне понравилась критика подхода, основанного исключительно на поиске и проверке гипотез. Кит верно замечает, что при таком подходе люди отбрасывают всё, что противоречит их гипотезам, и основываются только на том, что вписывается.

🟡 Был хороший вопрос, который актуален и для меня: построение качественного аналитического продукта требует времени, порой большого, когда существенная часть может уйти на инфраструктуру данных или что-то подобное. Кит рассказывает, что в первую очередь команды должны заработать репутацию в организации, что позволяет вести переговоры о сроках решения проблем, и приводит пример того, как стоит давать статусы по движению и рассказывать, как и почему каждый шаг приближает к решению задачи.

С нетерпением жду вторую часть, которая посвящена практическим вопросам и должна выйти на этой неделе!

#подкаст #математика

🙋🏻‍♂️ Предикторы добровольной текучести

В недавнем посте Luděk Stehlík поделился интересным фактом: люди могут сигнализировать о своем намерении покинуть компанию не только своими действиями, но и бездействием. Например, низкий уровень участия сотрудников в опросах может быть сильным предиктором текучести. Этот показатель зачастую связан с намерением сотрудника уйти, так же как и такие формы бездействия, как опоздания и прогулы.

Эти данные подтверждают идею о том, что важно не только то, что сотрудники делают, но и то, чего они не делают. Также он упоминает мета-анализ (Rubenstein et al., 2017), показывающий точность различных предикторов добровольной текучести. Чтобы узнать больше, вы можете ознакомиться с приложением на Shiny, где представлены основные предикторы добровольной текучести сотрудников на интерактивном графике.

#текучесть #предикторы #R #shiny #опросы_сотрудников

Кроме того, в распоряжении читателей доступен Excel файл, в котором сохранены все расчёты и формулы для вашего удобства.

Как получить общий балл по тестам

Недавняя рабочая задача вернула меня в мир оценки персонала и вдохновила на написание этой практической статьи. Сегодня мы обсудим, как получить общий показатель на основе результатов прохождения набора оценочных методик.
Методы, которые мы рассмотрим в статье, применимы не только для оценки персонала, но и в любой ситуации, где необходимо объединить несколько переменных в одну.

Стоит отметить, что интернет изобилует описанием методов, про которые мы будем говорить и примерами их расчёта в Python или R. В этой статье я хочу, с одной стороны, рассмотреть их в контексте HR, а с другой — предложить простой вариант решения в Excel, который не требует знания языков программирования.

#оценка_персонала #практика #excel

🤖 Как начать пользоваться LLM в 2024 году

Мне прислали вопрос в личку о том, как я использую различные LLM. Решил рассказать о нескольких способах, которыми я пользуюсь, и как вы уже сейчас можете начать общаться с нейросетями, если до сих пор этого не сделали.

1. Официальный ChatGPT (бесплатно). Зарегистрируйтесь (или войдите через Google-аккаунт) на официальном сайте, предварительно включив VPN. Бесплатно доступна модель chatGPT-4o mini. Можно переключиться на chatGPT-4o, но там есть лимит запросов в день, при достижении которого будет даунгрейд до 4o mini. На Android: откройте официальный сайт в браузере смартфона, затем в браузере выберите опцию добавления ярлыка на рабочий стол, и у вас появится ярлык для запуска на полный экран (почти как отдельное приложение). По детальным инструкциям из интернета можно установить официальное приложение, но это для тех, кто обладает терпением и решимостью. Google в помощь.

Примечание: Если хотите оплатить месячную подписку на ChatGPT, это можно сделать с помощью российской рублевой карты через покупку ваучера от МТС, что обойдется примерно в 2400 рублей. Google в помощь.

2. Чат-бот Le Chat от французского стартапа Mistral AI (бесплатно). Работает без VPN. Зарегистрируйтесь и используйте одну из трех моделей: Mistral Large 2 (сопоставима с chatGPT-4), Codestral (подходит для написания кода) и Mistral NeMo (шустрая модель для общих вопросов).

3. Использование открытых LLM через API в R/Python (бесплатно/условно бесплатно). Это то, что я делаю для некоторых своих проектов. Например, LLM DiagrmmeR и для генерации изображений канала АЙ-котики | AIcatsDaily.

4. Попробуйте моё приложение LLM DiagrammeR (бесплатно). Приложение доступно после небольшой регистрации. Следите за обновлениями, скоро появится 3 режима работы: вопрос -> схема, вопрос -> текст -> схема, текст -> схема.

5. Использование LLM локально (через терминал или через R). Да, вы можете использовать открытые LLM на своем компьютере. Я использую две LLM: Llama 3.1 8B и Gemma 2 2B. Этот способ подходит, если у вас достаточно современный ПК/ноутбук с большим объемом ОЗУ (минимум 12 ГБ). Gemma 2 2B весит 1.6 ГБ, поэтому можно запустить на машине с 8 ГБ ОЗУ. Если хотите, чтобы я на канале опубликовал инструкцию (без кода или программирования) о том, как использовать LLM локально, напишите в комментариях +.

6. Использование телеграм-бота (бесплатно). Самый быстрый и доступный способ. Я перепробовал десятки ботов и могу с уверенностью рекомендовать телеграм-бот UniversusGPT Neurobot, который удобен в использовании и многофункционален, хотя часть функционала платная. Общение с chatGPT4o mini бесплатно.

@people_analytics

#LLM #ИИ #AI #AIinHR

Цепочка поставки данных о людях, One Model и сила слова "Нет"

Две недели назад подкаст Directionally Correct провел, на мой взгляд, одну из самых содержательных и интересных профессиональных бесед, на которую должен обратить внимание каждый, кто связан с HR-аналитикой.

Ведущие и участники разговора:
🟣Коул Нэппер – руководитель HR-аналитики FedEx, хорошо известный читателям моего канала по серии статей «Вы возглавляете HR-аналитику. Что теперь?»
🟣Скотт Хайнс – PhD, старший научный сотрудник Amazon.
🟣Ричард Розенау – вице-президент по стратегии HR-аналитики в One Model.

Ключевые моменты беседы:
🟣Ни разу не упомянули ни одной метрики.
🟣Корректная цепочка поставки данных начинается не с данных, а с HR-стратегии. Эту цепочку можно описать следующим образом: стратегия -> процессы и операции -> техника и инструменты -> данные.
🟣Архитектура моделей данных играет ключевую роль в HR-аналитике. Проблема в том, что в профессиональной HR-аналитике нет сильных специалистов в этой области, и они не хотят идти в HR. Интересной показалась идея переноса этой экспертизы в отдельную команду, не только от HR-аналитики, но и от HR-теха.
🟣Из предыдущего пункта также вытекает, что это работа, которую нужно сделать для выполнения рутинной работы HR-аналитика, но которая, в отличие от дашбордов, не видна окружающим. Я, как человек, проработавший четыре года в большой энергетике, очень хорошо понимаю этот момент. Никто из нас не замечает работу энергетиков, пока у нас есть электричество в сети, но, согласитесь, вы сразу её заметите, когда электричества нет. Кто-то думает о том, насколько важна работа энергетиков? Нет, мы просто принимаем её как данность.
🟣Восприятие и обсуждение данных, результатов исследований во многом определяется антропологией. Мне очень понравилась эта часть: о том, что во многом показ цифр, графиков и дискуссия вокруг них – это просто ритуал. HR-аналитика довольно сильно ушла в техническую сторону, но мы не должны упускать психологические, социологические и антропологические аспекты профессии, особенно на фоне того, что большая часть технической рутины будет переходить в руки ИИ.
🟣Совершенно не означает, что практики, к которым мы привыкли в HR, работают эффективно. Обсуждается большой мета-анализ по изменению поведения и эффективности человека (мы обязательно обратимся к нему позднее), в котором были показаны незначительные эффекты для мотивации, навыков и знаний, в то время как важнее привычки и доступность ресурсов.

Для тех, кто не хочет тратить время и силы на час американского английского, мы с двумя разными ИИ инструментами сделали машинную расшифровку и перевод беседы на русский.

#перевод #разбор_видео

🧊 Приложение LLM DiagrammeR

Итак, мой пост набрал 20+ лайков, поэтому открываю доступ к приложению. Для доступа необходимо пройти регистрацию (не более 5-7 минут).

Лимит запросов: 100. Если потребуется больше, напишите мне. На выбор предлагается три LLM. На мой взгляд, mistral-7b отвечает лучше, чем llama-3-8b. Хуже всех отвечает gemma-7b. Конечно, всё зависит от области знаний, в которой задаётся вопрос. Gemma-7b чаще используется для простых задач и создания упрощенных чат-ботов.

В примере на скринах ответ на вопрос: "What skills are required for an HR Analyst?". Вы можете задавать вопросы на любом языке. Хочу обратить внимание, что данное приложение не является Minimum Viable Product, это всего лишь "idea prototype" и носит концептуальный, демонстрационный характер.

#AI #ИИ #будущееЗдесь #диаграммы #LLM #R #shiny

Правило 72

Слышали ли вы про правило 72? Я вот нет, а это прикольный эмпирический способ оценить примерный срок удвоения какой-либо величины при постоянном росте. Идея состоит в том, что вы делите 72 на известный вам процент роста и получаете период, через который величина будет удвоена. Вот так просто!

Представим в качестве HR примера, что численность нашей быстро растущей компании увеличивается на 24% ежегодно, тогда поделив 72 на 24 мы получим 3, то есть через три года численность нашей компании удвоится.

Амит Мохиндра - автор поста, в котором изложена эта эмпирика, также дает математическое обоснование почему это работает.
Кстати, хороший пример зачем нужны логарифмы. :)

#математика

🤖Персональный ИИ-помощник

Сделал за 20 минут себе персонального ИИ-помощника с помощью одного из лучших бесплатных сервисов для создания т.н. ИИ-агентов.

#AI #ИИ #чатбот #chatGPT

История HR-аналитики

Давно собирался и вот написал исторический обзор профессии, включая короткую историю становления в России.

#история

Математика и анализ данных

В школьные годы, да и по сей день - я хорошо делаю и преуспеваю в том, что мне интересно. Если мне что-то неинтересно, то никакие силовые методы на меня не работают. К большому сожалению, в школе математика не входила в круг моих интересов.😄
Интересна она мне стала позднее, когда я с истфака пришел на психфак, так как там были курсы по статистике и мат. методам в психологии. Как много людей знает, что дипломная работа по психологии должна содержать строгое математическое доказательство? На моем факультете к этому относились довольно серьезно. Правда база моя к тому моменту была считай на нуле и приходилось все наверстывать с самого начала.
В моем случае математика стала мне интересна тогда, когда она была приложена к предмету. HR-аналитика, это такое же практическое приложение математики.
Мне потребовалось не мало времени, чтобы наверстать всё, что я упустил, сейчас же есть много разнообразных удобных способов и материалов для этого. Хочу поделиться некоторыми из известных мне, добавляйте в комментариях свои варианты:

1️⃣ Онлайн курс Математики для взрослых с нуля за 3 месяца - название говорит само за себя, вас проведут от того как делить в столбик, до азов линейной алгебры.

2️⃣ Высшая математика для заочников и не только - бесплатный курс по высшей математике, оформленный как серия статей, написанных очень доступным и понятным языком.

3️⃣ "Математика и фокусы" - ютуб-канал математика, популяризатора науки Петра Земскова.

4️⃣ "Маткульт-привет!" - ютуб-канал математика, доктора наук Алексея Савватеева.

5️⃣Математика на языке R - комбо-книжка, тут и математика, и программирование на R!

И, конечно же практика! Как утверждает один из лучших HR-аналитиков современности Кейт МакНалти: каждый день должен начинаться с математики.

#математика