데브 리시 하레를 만나라 직업으로 엔지니어, 성격으로 키워드 일치에 회의적인.

창업자는 고용 테이블의 양쪽에 앉아 있었다

Curriculo ATS 이전에는 Dev는 사람들이 보는 것을 결정하는 시스템 안에서 몇 년을 보냈습니다. 추천 엔진 랭킹 파이프라인을 5~10개의 중요한 입력으로 입력된 입력들을 분류하는 기계입니다. 이런 작업은 조용한 진실을 알려줍니다. 순위는 당신이 공급하는 신호만큼만 정직합니다. 신호를 잘못 전달하면 모든 것이 변조를 일으킨다.

그 수업은 데브가 고용을 하게 된 후였죠. 팀들이 자기소개서를 실행하는 것을 지켜보는 핵심 단어 필터를 통해 자기소개서를 실제 작업에 맞추는 것을 보였습니다. 그리고 짧은 목록이 희미해졌을 때 불평합니다. 고용 도구가 측정하고 실제로 고용이 필요로 하는 것과 사이의 이 격차는 무시할 수 없게 되었습니다. Curriculo는 답으로 시작되었습니다. 지원자를 작성한 것에 따라 점수를 주는 시스템입니다. 그들이 입력하는 것에 따라는 점수를 주는 시스템입니다.

여기서의 경로는 입니다.입니다.

Dev의 배경은 기계 학습과 생산용 소프트웨어의 교차점에 위치하고 있습니다. 시노프시스에서 작업은 규모가 정확해야 하는 시스템들을 중심으로 돌아왔습니다. 즉, 실리콘으로 측정되는 기술과, 티켓이 아닌 실리콘으로 측정되는 기술과 같은 것입니다. 아마존에서는 검색과 추천이었습니다. 사람이 다음으로 원하는 것에 대한 작은 판단의 연속적인 흐름이었습니다.

그 조합, 엄격함과 관련성은 Curriculo가 고용에 대해 생각하는 척추입니다. 충격 점수는 가 마법이 아닙니다. 그것은 고용 관리자가 자신의 결정을 크게 설명해야 할 경우 실제로 인용하는 신호에 기반한 순위 기능입니다.

경력 노트

각 역할, 일관된 질문,

여기까지 가는 모든 역할은 Curriculo의 순위를 어떻게 형성했는지: 무엇이 증거로 간주되는지, 무엇이 소음으로 간주되는지, 그리고 누가 차이를 알 수 없을 때 돈을 지불하는지

1. 시노프시 · 기계 학습 공학

   규모의 정밀성을 위한 공학

   소프트웨어와 ML는 용납률이 엄격하고 잘못된 답변이 비싸기 때문에 작동합니다. 여기서 측정 가능한 신호 (수, 진동이 아닌) 를 향한 편향이 설정되었습니다.

2. 아마존 · 검색 및 추천

   순위 시스템 실패를 배우는 방법

   다른 종류의 후보자를 순위화하는 시스템: 제품, 결과, 내용 모든 실패 방식의 랭킹 (피드백 루프, 콜드 시작, 나쁜 프록시) 은 이제 고용 소프트웨어에서도 나타납니다. 주목할만한 것 같아요

3. 2024 · Curriculo 설립, 브루클린, NY

   Curriculo는 AI 자기소개서 제작자 을 출시하여 지원자가 자기소개서를 작성하는 데 도움이 됩니다. 고용 관리자가 자기소개서를 읽는 방식: 후보자들이 자신의 일을 어떻게 묘사했는지 보고는 훌륭한 서브라이어의 형태를 데이터로 바꾸었고, 의견으로 바꾸지 않았습니다.

4. 오늘 · Curriculo ATS

   ATS

   같은 신호 프레임워크는 역으로 실행됩니다. Curriculo가 지원자에게 글을 쓰는 방법을 재개하는 지원자 추적 시스템이 읽습니다. 스타트업과 소규모 팀들은 이를 사용하여 키워드 필터를 0에서 100까지의 임팩트 스코어로 대체합니다.

Dev가

3가지의 거래가 불가능한 와 ATS의 거래가에 대한 신뢰가 필요합니다

작업이 에 착륙한 자

• 200+ATS 베타
의 창립팀
• 75%검사 시간을 줄이는
• 15분등록 후 첫 점수를 받은 재개정