데브 리시 카레 공학자로, 성격에 따라 키워드 일치에 회의적인

고용 테이블의 양쪽에 앉아있는 창업자.

Curriculo ATS 전에 Dev는 사람들이 보는 것을 결정하는 시스템의 내부에서 수년 동안 보냈습니다. 추천 엔진. 파이프라인을 순위 지정합니다. 5~10개의 중요한 요소로 입력된 모든 것을 분류하는 기계입니다. 이런 종류의 작업은 당신에게 조용한 진실을 가르쳐줍니다. 순위는 당신이 제공하는 신호만큼 정직합니다. 신호가 잘못되면 모든 게 변덕이 됩니다.

그 교훈은 데브가 고용을 시작하게 했습니다. 팀들이 자기소개서를 키워드 필터를 통해 실행하는 것을 보고 실제 작업보다 자기소개서를 조정하는 것을 보상하고, 짧은 목록이 희박해졌을 때 불평합니다. 고용 도구가 측정하는 것과 실제로 고용이 필요로 하는 것 사이의 격차는 무시할 수 없게 되었습니다. Curriculo는 답으로 시작되었습니다. 그들이 무엇을 만들었는지에 따라 후보자를 평가하는 시스템입니다. 그들이 입력하는 법을 아는 것이 아니라요.

여기 있는 경로, 간략히.

Dev의 배경은 기계 학습과 생산용 소프트웨어의 교차점에 있습니다. 시노프시스에서 작업은 스케일에서 정확하게 작동해야 하는 시스템들을 중심으로 이루어졌습니다. 아마존에서는 검색과 추천을 했습니다. 사람들이 다음에 원하는 것에 대한 작은 판단의 연속적인 흐름이죠.

그 조합, 엄격함 더해 관련성, Curriculo가 고용에 대해 생각하는 방식의 척추입니다. 영향점수는 마법이 아닙니다. 그것은 고용 관리자가 자신의 결정을 크게 설명해야 할 때 실제로 인용 할 신호에 기반한 순위 기능입니다.

경력 기록

모든 역할, 하나의 일관성있는 질문.

여기까지의 모든 역할은 Curriculo의 순위를 형성했습니다. 무엇이 증거로 간주되는지, 무엇이 소음으로 간주되는지, 그리고 누가 돈을 지불하는지를 구분할 수 없을 때 말이죠.

1. Synopsys · 기계 학습 공학

   스케일의 정밀성을 위한 엔지니어링

   소프트웨어와 ML는 허용 범위가 좁고 잘못된 답은 비싸게 작동합니다. 여기서 측정 가능한 신호 (비브가 아닌 숫자) 를 향한 편견이 설정됩니다.

2. 아마존 · 검색 및 추천

   순위 체계가 어떻게 실패하는지 배우게 됩니다.

   다양한 종류의 후보를 순위화하는 시스템에서 수년 동안: 제품, 결과, 콘텐츠. 스케일의 모든 실패 방식 (반응 루프, 콜드 스타트, 나쁜 프록시) 는 이제 고용 소프트웨어에서도 나타나고 있습니다. 주목할 가치가 있습니다.

3. 2024 · Curriculo 설립, 브루클린, NY

   먼저 자기소개서 쪽부터 시작하죠.

   Curriculo는 AI 자기소개서 제작자 를 출시하여 지원자들이 채용 관리자가 읽는 방식으로 자기소개서를 작성하도록 지원합니다. 지원자들이 자신의 일을 어떻게 묘사하는지 관찰하는 것은 훌륭한 자기소개서의 형태를 의견이 아닌 데이터로 바꾸었습니다.

4. 오늘 · Curriculo ATS

   자기소개서에서 실제로 말하는 것을 점수하는 ATS입니다.

   같은 신호 프레임워크는 역으로 실행됩니다. Curriculo가 지원자들에게 글을 쓰는 법을 가르쳐 준 방법을 다시 읽는 지원자 추적 시스템입니다. 스타트업과 소규모 팀들은 0에서 100까지의 영향 점수로 키워드 필터를 대체하는데 사용합니다.

데브가 무엇을 목표로 하고 있는지

와 ATS에 대한 3가지 비상대화 상품.

숫자에 따라

지금까지 의 작업은.

• 200+ATS 베타 버전의 창립 팀
• 75%검사 시간 단축
• 15분등록부터 첫 번째 점수를 기록한 자기소개서까지