HR-бренд
Пожалуй, это то, о чем ты задумываешься в последнюю очередь, будучи ML-инженером. Сейчас же меня эта тема начинает привлекать все больше, кажется, что активность вокруг выстраивания HR-бренда сильно сплачивает команду, а более того может развить те аспекты сотрудников, которые слабо задействованы в рутинном потоке рабочих задач.
Понятнее - поговорим сегодня об идеях активностей в ML отделе, которые помогают улучшить имидж компании на рынке труда, среди клиентов, в целом звучать в инфополе.
1. Написание научных статей. К сожалению, тяжело заниматься написанием статей между делом. Продуктовая разработка сильно отличается от трушного ресерча, про отличие такого рода команд поговорим когда-нибудь в будущем. В бизнесе ресерч ради ресерча сложно "продать", поэтому тут есть два варианта. Первое - это выделение отдельной команды, KPI которой заточен на выпуск статей, в случае, если есть понимание для чего это нужно, второе - статья может родиться в случае решения сложной продуктовой задачи, но в таком сценарии регулярность публикаций не определена.
2. Ведение блога, технические статьи "а как у нас". Стандартный пример площадки это habr, тг-канал. Здесь необходимые усилия кратно меньше, чем в первом варианте. Идеальный вариант - рассказывать о предпоследней разработке. Если ваши идеи переиспользуют - то вы уже сделали еще один шаг, при этом эти идеи будут звучать актуально и будут высоко оценены читателями.
3. Записи meet-up. В случае, если в компании организованы какие-то встречи с обсуждениями новых технологий, доклады о best practices и тд - все это можно записывать и выкладывать на любую из возможных площадок. Если к этому добавить еще и немного монтажа с маркетингом, то можно превратить команду из млщиков в полноценных блогеров.
4. Git. Тут я бы выделил два направления. Публикация весов моделей с простеньким кодом инфренса/обучения - этот вариант мне кажется более проигрышным, в особенности небольшая компания никогда не узнает как переиспользовали их модель, и "продуктовая" модель, вероятнее всего, никому не нужна на рынке, потому что решает узкую задачу. Второй же вариант это разработка библиотек. Создание полезных для комьюнити инструментов. Open-source прекрасен тем, что он не имеет региональных границ и может повысить ваше признание за рубежом.
5. API. Более интересной идеей по шерингу моделей кажется предоставление API доступа к ней. Так можно анализировать кто и под какие задачи ее использует. Второе большое направление в контексте API - это создание бенчмарков, тестовых систем. Особенно актуально, если вы занимаетесь узкой предметной областью, то идея сделать свой ImageNet или COCO и стать законодателем моды в этой области - звучит перспективно.
6. Данные. Продолжением предыдущего поста является в целом шеринг данных. Можно не создавать тестовую систему, можно просто подготовить хорошо размеченный датасет и обозначить его тестовым набором данных. Также можно выкладывать и датасеты для обучения, внутренние или переразмеченные открытые. Но этот момент очень тонкий. Хорошо размеченные данные куда ценнее любой разработанной технологии, а потому и делиться ими нужно с умом.
7. Конференции. Выступление на конференциях. Лучше иметь несколько заранее готовых докладов и периодически обновлять свою базу.
8. Обучающие курсы. Об этом тоже, однажды, поговорим подробнее. ML отдел может поучаствовать в написании обучающего курса для университета ли, для какой-то интеренет платформы, а еще круче реализовать свой курс и выложить его на свои площадки.
9. Прочее. Организация хакатонов, конференций, активное присутствие в специализированных каналах и многое другое.

В этом посте предложил идеи, как ML отдел может работать над HR-брендом компании. Явно что-то забыл, поделитесь своими идеями в комментариях!

Нас уже 73 человека! Спасибо всем вам, бежим к первой сотке! Зовите друзей, конечно же ставьте огоньки и пишите свои замечания и предложения под постами!

@lechim_ai