Как мы до такого докатились?

Как и перед всеми компаниями, а мы оказывается не исключение, стоит задача привлечение и удержание высококвалифицированных специалистов. Наши HR-ы молодцы (подтверждаю лично), но в условиях рынка + особенности компании в виде узкой специализации = мы уперлись в определенный предел найма традиционными методами.

Но а у нас грандиозные аппетиты относительно Data Science команд... а результаты никуда не годятся! Значит нужно придумывать что-то кардинально иное - чтобы результаты подбора кадров превзошел... все наши ожидания!

Идея!

Возьмем студентов профильного ВУЗа - СПбГУТ, которые хорошо осведомлены в предметной области нашего профиля — а именно в компьютерных сетях, оборудование, протоколах. И устроить хакатон для них. Заинтересованных и таланливых обучим всему и внедрим в команду.

Да, есть солидные затраты на хакатон и обучение студентов, но возможно это быстрее приведет к формированию команды и подбор кадров будет произведен таким способом.

В процессе проведения хакатона и построения новой команды сотрудники проявят себя, сплотятся, прокачаются сами, да еще и лучше поймем реалии рынка кандидатов. Предпочли такой вариант, чем ждать откликов с НН…

Цель

Закрыть цель компании в создании необходимых продуктов профессионалами, которых отберем и обучим сами. Благо у нас есть менторы (санитары), готовые взрастить таких.

А ещё получить опыт подобных мероприятий, наработки, выводы, новые связи - то есть остаться ещё и в плюсе.

В общем - супер-пупер сильная команда и решения, покорившие мир (хотя для начала хватит и РФ). Только тссс!

Как шла подготовка?

Подготовка мероприятия шла на 2 уровнях:

1. Руководством и HR-BP

2. Командой ML

Поиск площадки, договоренность с ВУЗом, питание, фотограф, проживание, призы... Список очень велик, и я не все знаю с точки зрения организации (может оно и к лучшему, разделение обязанностей все-таки).

Но зато я из команды DS и прекрасно помню, как кипела вся работа у нас и на общих "совещаниях".

Ну так и как же?

Наш главный Data Scientist и архитектор Сергей, готовил задания, данные и критерии оценки, а сотоварищи по ML-ному делу ему помогали.

На сам хакатон поехала вся ML-команда — это были и data scientist’ы (дата-сатанисты), и дата-инженеры, аналитики, программисты и, конечно, никуда без заводного и энергичного product owner’а! Каждый эксперт в своей области, и, если кому нужна поддержка более компетентного в смежной области, каждый готов помочь и поддержать коллегу, и тем более участника хакатона.

Порой подготовка была напряженной, так как объем и сложность задач превысили ожидания, а основные рабочие процессы в это время никто не отменял.

Никто точно не понимал, сколько в итоге придет участников на соревнование, какого уровня подготовки будут, насколько удастся наладить контакт и получится ли у ребят справиться с задачами.

Вся команда ехала воодушевленная, с предвкушением нового опыта и интересного приключения — в белых ночах Питера! Ясно было только одно — что есть помещение, есть компы, поставлены задачи и дружная команда, готовая отдаться этому делу.

И вот все собрались в Питере, готовимся — сутки до хакатона

Ну вот и наступают сутки перед хакатоном… Вся команда с разных концов РФ съезжается в Питер. Закинув рюкзаки в отель, все стекаются в универ.

В аудиториях, холле до глубокой ночи идет интенсивная подготовка — распределение ролей, задач, репетиция выступлений, планирование, тайминг, организационные и прочие моменты решаются прямо здесь, уже на ходу. Жужжат в каждом углу, наперебой. Пожалуй, это было самое напряженное время, так как это наш первый хакатон — не знали, как всё пойдет и как мы сумеем с этим справиться. Но скоро станет легче, так как начинается… САМ ХАКАТОН!

Сам ХАХАтон

Собираемся рано. Еле проснувшиеся, облачаемся в фирменные футболки, джинсовки и хорошее расположение духа. Беремся за свои задачи, обсуждаем предстоящие процессы. Волнуемся.

Ещё вчера мы потратили не меньше часа на мозговой штурм, как же назвать наших «кураторов» каждой команды. Но, облачившись в белые джинсовки, сначала похихикивали между собой, а потом всеобщий ляп превратил нас в «санитаров», что стало поводом для всеобщего веселья.

Вот начали приходить студенты, стартуем

Презентация компании, знакомство, объявление задач, распределение по командам, старт решений.

Была налажена интерактивная коммуникация всех участников и процессов на доске Miro. Что на самом деле я и внедрила в своей команде, которую курировала. Это позволяло всем синхронизироваться, визуализировать свои вопросы, идеи и наработки другим, быть в курсе планов и целей. А мне помогло не стоять над душой, но понимать, как движется дело, и только лишь точечно обращаться к ребятам, зачастую только с наводящими вопросами.

Какие были участники, сложности и открытия

У ребят был разный уровень подготовки. И это влияло на то, что они смогли прокачали за это время. Понимание уровня на старте поможет правильно сформировать цели и ожидания от мероприятия и оценить, насколько они достигнуты.

Какие же были участники и команды?

1. Команда первокурсников, совершенно без опыта. Посидев над заданием часок-два, попросили о помощи своего куратора, сообщив, что они никогда не использовали ML и пытаются реализовать простейший код, которые пока не удалось запустить. Этот запрос перенаправили мне, ML-разработчику. Глянув на то, что они взяли за основу, подсказала, какие предварительные идеи упущены, какие статьи загуглить и что реализовать.

Да, ребята в этот раз не станут лидерами соревнования. Возможно, чувствуют себя некомфортно, что недостаточно знаний имеют. Но! Если сравнить их навыки до и после мероприятия — их достижения и личный прогресс — колоссальные! Взяв реальные задачи, помощь специалистов, видя решения и идеи других, максимально быстро погрузились в тему ML и взяли для себя на будущее примеры и идеи дальнейшего развития в данной сфере, если такой выбор будет сделан.

2. Были ребята без опыта, но в команде с бывалыми. Тут значительно проще стартовать в прокачке навыков, так как другие ребята держат руку на пульсе, ведут целостное решение и новичку подкидывают простенькие и выполнимые задачи. Зная, что какое-либо решение от команды точно будет, проще с психологической точки зрения, так как желание прокачаться и внести свой вклад станут поводом изучить новое и реализовать это на практике, а также получить обратную связь от команды и кураторов.

3. Имевшие опыт в одном направлении ML, не знавшие других типов задач. Первым делом закрыли те задачи, которые знакомы. И например, не имея опыта в кластеризации обратились ко мне за тем, чтобы вместе продумать реализацию решения.

У меня не было задачи дать готового решения. Первом делом спрашиваю — какие этапы они видят и какие способы решения или дальнейшего исследования. В результате диалога формируем план из небольших пунктов, которые один за другим воплощают в жизнь, оценивая свой результат и прогресс.

И тоже приятная глазу картина — когда ребята, не зная заданную сферу, реализовали запланированное одним из лучших методов.

4. Когда в команде есть несколько ребят, имевших опыт в ML и разработке хотя бы в малых группах, или обретавшие его на ходу.

На примере моей команды. В самом начале был поставлен вопрос — как организовать межкомандное взаимодействие и единое пространство для этого?

Ребятами был быстро организован чат для текстового (и не только) обмена информацией. А также реализована общекомандная доска Миро, на которую вынесли все условия задач, цели, сроки, критерии. А также в режиме реального времени добавлялись гипотезы, результаты проверки, аналитика, замеры прогресса, разбитие на задачи и шаги решения и основные идеи решения. Так каждому проще штурмить, да и мне наблюдать, когда все наработанные идеи зафиксированы в виде схем. Виден план и ход решения. Что мне позволило предоставить самостоятельность и самоорганизацию. И вмешивать только очень точечно, в ключевых моментах. И не досаждая без надобности.

А вечером/ночью ребята были на связи в Дискорде, решая задачи и сохраняя связь с командой.

И что каждый из них получил?

Разный уровень участника определяет то, чему он в первую очередь обучится на хакатоне. Знание этого в дальнейшей поможет сформулировать цели и ожидания от хакатона каждому индивидуально и потом оценить, насколько цель достигнута персонально для каждого, в сравнении с собой до мероприятия. И не всегда стоит сравнивать себя с уровнем других ребят.

Начинающие ребята получили опыт первого ML решения, понимания основных шагов, навык формулировать вопросы и реализовываться в сферах совершенно для себя новых, работе в команде и поддержки.

Более опытные усилили навыки работы в команде, а порой и руководства. Обменялись опытом, углубили экспертизу как в ML, так и в компьютерных сетях. Набрались идеи нестандартных подходов к задачам.

*Все кураторы у нас разных профилей, но всех из команды DS

Работа нашей команды

То собираемся вместе, то хаотично кучкуемся ситуативно - обсуждаем как отличается реальность от ожиданий, и что мы меняем в свои представлениях и подходах.

А также на ходу проверяем решения, публикуем результаты.

Периодически проводим синки - либо лидеров команд, либо всех сразу. Что бы ответить на вопросы, прояснить ситуацию и сделать "срез" наработок.

Устройство ночи

На ночь была особенно продумана молодежная подготовка, чтобы ребята себя чувствовали, как у себя дома (в общаге). С обеда отложили еды сытной, а также накупили колы и чипсов, кому очень ценен такой вайб. Было много кресел-мешков, на который было комфортно вдремнуть. Никому ни днем, ни ночью не пришлось куда-либо удаляться, чтобы раздобыть себе еды, все было тут и в большом изобилии, и качестве. Точно не помню, но кажется там была возможность отлично провести время и во что-то там еще погамать на больших экранах.

Подведение итогов, второй день

На второй день ребята досдавали свои решения и готовили защиту проекта и защищали свои результаты.

Оценивалась каждая задача на правильность решения/точность, а так же бонусы получали первые сдавшие. Этой оценкой занимались мы - специалисты DS.

А в оценке защиты проекта участвовало и руководство компании, а так же product owner. Оценивались не только технических навыков, но и целостность подхода, совокупность подачи, насколько ребята чувствуют потребности бизнеса и т.д.

До финала дошли 8 из 10 команд. Вроде неплохо ))

Всем вручили подарки, а победителям еще и дополнительные. Так же участников первых 3 лидирующих команд пригласили на оплачиваемую стажировку в компанию, которую мы сейчас и проводим. А это не менее интересное мероприятие, достойное ещё одной статьи на Хабре!

Ждём продолжения?