Вся серия по HR-вакансиям в одном месте:

🟢Часть 1. Разворачиваем базу данных - создаем свою PostgreSQL БД, в которую будем собирать вакансии.

🟢Часть 2. Знакомство с HeadHunter API - разбираемся с API hh.ru, заводим приложение для того чтобы получить OAuth токен.

🟢Часть 3. Парсим HR вакансии - пишем скрипт (R/Python), который будет собирать данные по API hh.ru.

🟢Часть 4. Автоматизация процесса - заставляем наш скрипт работать автоматически по расписанию.

🟢Часть 5. Дашборд в DataLens - видеоурок, в котором учимся строить дашборд в Yandex DataLens.

Поделитесь в комментариях, как вы оцениваете материалы это серии?

📊 Ссылка на дашборд
💻 Cсылка на GitHub

Главное открытие этого года для меня - это Ричард МакЭлрит - американский профессор и директор института эволюционной антропологии Макса Планка.

В своем путешествии в мир байесовской статистики, которое я начал примерно год назад, читая разные книги, посты и авторов я наткнулся на книгу МакЭлрита Statistical Rethinking ("Статистическое переосмысление"). Это название наилучшим образом отражает содержание. Ричард беспощадно низвергает все наши привычки и предрассудки, как он их называет, и дело касается не только часто критикуемого p-уровня статистической значимости. Дело касается всего: от 95% процентного уровня доверительных интервалов, до слепого применения алгоритмов, в том числе, механического использования байесовской статистики. Ричард рассматривает байесовскую статистику как более подходящий инструмент для определения причинно-следственных связей, но вовсе не как самоцель.

Язык МакЭлрита полон метафор и сравнений, к примеру, все модели и инструменты он называет пражским големом - машиной, которая при неверных параметрах и неумелом использовании может принести больше бед, чем пользы. А процесс создания моделей - рисованием совы, посмотрите его лекции, где он наглядно это показывает и рассказывает.

Всем, кто хочет получить глоток свежего воздуха, обновить (скорее заменить) знания по статистике и посмотреть, как могут проводиться современные исследования, я настоятельно рекомендую прочесть эту книгу. Сам прочитал дважды - первое и второе издания. Когда мы доберемся с вами до регрессий, я планирую, что мои посты будут во многом основаны именно на подходах МакЭлрита. Именно работа МакЭлрита закончила мои метания по поводу основного инструмента для канала - это точно будет R, так как книжка Ричарда и его пакеты созданы именно под эту среду.

Вы спросите, а что же тут hr-аналитического? Я отвечу, что для нас это крутейший гайд по методологии статистических исследований и инструментарию, которым это можно и нужно делать на глубоком уровне.

📹 А ещё на YouTube есть лекции Ричарда в дополнение к книге

Вы возглавляете HR-аналитику. Что теперь?

Переводы всей серии статей от Коула Нэппера. Коул, как и многие в HR-аналитике, в том числе и я, выходец из психологии. Сейчас он вице-президент компании Orgnostic и владелец/ведущий подкаста Directionally Correct. Если Кейт МакНалти для меня гуру по хард аспекту HR-аналитики, то Коул, без сомнения, по софт части.
По моему мнению эти потрясающие тексты, по собранному в них опыту - лучшее руководство для тех, кто стоит в начале пути по созданию новой функции HR-аналитики и/или для новых руководителей этих функций.
Я очень давно хотел перевести эту серию для своего канала и рад, что смог это наконец-то сделать!

🟠Создание полезного HR-дашборда
🟠Стратегия и реализация HR-аналитики
🟠Реализация эффективного проекта по HR-аналитике
🟠Построение команды и развитие командных способностей
🟠Переоцененное vs недооценённое
🟠Первые принципы таланта
🟠Три ключевые проблемы, которые необходимо решить

#reminder