【波士顿】技术招聘平台Filtered获得了1000万美元的融资
Filtered是一家总部位于马萨诸塞州波士顿的自动化技术面试平台，通过减少偏见来加快招聘速度，该平台获得了1000万美元的融资。
本轮融资由AI Fund、Silicon Valley Data Capital 和TDF Ventures领投。该公司打算利用这些资金继续扩大运营和业务范围。
在新任命的首席执行官Dan Finnigan的领导下，Filtered提供了一个自动化技术面试平台，使大公司能够从复杂、虚拟和全球的人才库中招聘技术人才。在几分钟内，该系统通过基于能力的招聘，评估候选人是否适合工作、团队和公司。Filtered将申请、筛选电话和编码面试自动化，使公司能够在人工智能、数据科学、计算机科学、全栈开发、区块链和DevOps方面更快地雇用顶级人才。
财富500强企业，如Cigna、Enterprise Holdings和The Federal Reserve Bank，都已经在使用它。
东北大学体验式人工智能研究所的执行主任兼Open Insights主席Usama Fayyad将加入Filtered的董事会，作为雅虎的全球首位首席数据官和Barclays银行的全球首席数据官，他将带来他的人工智能和数据专业知识。
如何利用技术弥合数据科学人才差距
文/ Sushman Biswas
数据科学家继续成为跨行业组织的难以招聘的雇员。以下是自动化机器学习如何帮助组织克服数据技能短缺并推动业务增长。
随着数字技术不断产生越来越多的数据，组织面临着释放数据价值的挑战。考虑一下:我们当前每天的数据输出大约是2.5千万亿字节或2.5艾字节/天，这可以与人类所说的所有单词的一半进行比较!
难怪数据科学家的需求处于历史最高水平。根据LinkedIn最近的一份报告，仅在美国，组织就面临着数据科学家的大量短缺，超过151,000个数据科学家的工作空缺。急剧的技能差距和更长的填充时间会给企业造成巨大的损失，并阻碍数据分析的部署。
在人工智能（AI）和机器学习等技术对业务成功至关重要的时代，数据分析的价值从未如此强大。
“这场比赛现在正在提升人才。很长一段时间，我们谈到了成为数据驱动以获取竞争优势的必要性。现在，组织在算法经济中竞争。市场领先的组织已经开始利用当前的AI知识差距作为改变游戏规则的能力。今天我们在市场上看到了简单的AI工具，但在理解AI用例，正确准备机器学习数据以及负责任地使用这项技术方面仍然存在巨大的知识差距。技术障碍减少了，但教育障碍却没有。为了向企业提供可持续的、合乎道德的、值得信赖的人工智能，组织确实需要一个人工智能战略来解决优先使用案例，技术架构考虑因素以及道德标准和审核，“高级总监Jen Underwood说道。
公司如何克服数据科学家的短缺？
为了克服这个问题，组织正在转向自动化机器学习（AutoML），以使非数据科学家能够构建更准确的预测模型，并释放稀缺的数据科学人才，专注于更多关键业务计划。
AutoML将传统方法转变为机器学习和数据科学。它使非数据科学家能够理解数据并实现业务目标。AutoML通过对原始数据运行系统处理并选择从数据中提取最相关信息的模型，在现实世界中构建和使用机器学习模型。它还结合了机器学习最佳实践，使整个组织的数据科学更易于访问。
“自动化机器学习并不能取代数据科学家，”Jen说。“它可以将AI的交付范围扩展到组织中更多数据精通的人才。数据科学家时间是一种珍贵，昂贵的商品。一位全球顶级零售商的高管表示最好：“公司不需要他们的数据科学团队擅长数据科学理论; 他们需要他们“无情地实践价值”。
“通过自动执行耗时且重复的任务，数据科学家可以花费更多时间来解决问题，并为业务提供更多价值。“自动化优先”理念提高了工作满意度，保留了顶尖人才，同时使公民数据科学家能够轻松开始使用数据科学项目。“
自动化机器学习使各行各业的组织能够释放机器学习和人工智能的力量，以前只限于拥有大量资源的组织。
部署自动机器学习的数据要求
提出最重要的问题 - 在组织内部署自动化机器学习平台的数据要求是什么？
“与商业智能中使用的第三范式交易或维度模式不同，机器学习需要将数据输入作为行和列的'展平'表，视图或逗号分隔（.csv）平面文件。您的视图需要包含结果指标，目标变量以及输入预测变量。机器学习算法假设每条记录都是独立的，与其他记录无关，“Jen说。“应该在分析粒度级别收集准备好的数据，以便您做出决策。如果将结果合并到现有业务流程或应用程序中，请选择可操作，可理解且有用的粒度。例如，如果您想要进行每日销售预测，则需要输入日期级别的数据，而不是周，月或年。“
大多数组织已经捕获并存储了这些数据。使用像DataRobot这样的平台，企业可以积极利用数据科学自动化来增强和利用他们最需要的人才。
这对人力资源意味着什么？
显然，对数据科学家的需求不会很快降低，但是，通过部署AutoML平台，人力资源可以节省宝贵的时间，以填补入门级数据科学职位，更好地利用组织内现有的数据科学人才。除此之外，随着AI成为人力资源的一个组成部分，AutoML可以使HR功能变得更加独立和数据驱动。
以上为AI翻译，内容仅供参考
原文链接：How to Bridge the Data Science Talent Gap with Technology
技术人才
2019年04月17日
技术人才
英国小众专才招聘网站Adzuna收购了Work In Startups
文/Steve O'Hear
凭借新资本（最近的800万英镑C轮融资）以及现在每月100万英镑的收入，工作元搜索引擎Adzuna已经收购了英国科技创业公司的工作委员会Work In Startups。
交易条款尚未披露。然而，Adzuna将接管Work In Startups网站的运营，但继续将其作为独立品牌和社区运营。值得注意的是，该网站将保持免费发布职位。
Work in Startups于2011年由Diana Ilinca和Alex Borbely创立，旨在为创业公司创造一种更轻松地找到技术和创意人才的方式，而无需通过招聘人员或使用更通用的工作网站。据说它已经成为过去几年英国创业公司招聘的重要工具，据我所知，Adzuna本身已经使用过它。
“随着我们不断发展并越来越多地了解市场，我们意识到'通才'搜索并不总是所有求职者/雇主的最佳解决方案，有时一个专注的小众网站可以提供更加个性化的体验和建立一个更强大的社区”，Adzuna联合创始人Andrew Hunter告诉我。
“技术创业公司的工作和公司是最先进的，早期采用者，并且有非常特殊的需求......而这确实是一个非常强大但不发达的市场领先的社区资产，拥有像Adzuna这样的免费增值模式。因此，这是一种很好的方式，让我们更好地学习如何利用我们擅长的技术、流量获取、数据等，并将其应用于为像这样的（创业）网站及其用户创造更多价值。”
与此相关的是，Adzuna的数据显示，英国目前有110万个开放式工作岗位，其中90,000个（超过8％）属于技术领域。
“就个人而言，我希望让英国创业公司更容易雇用优秀的人才，”亨特继续说道。“我一直在经历'斗争'，当你的公司刚刚开始时，很难吸引最优秀的人才（更不用说与大银行和成熟的科技公司竞争人才了！）。我们希望通过接受这个社区并将其提升到新的高度来改变这种状况。”
话虽如此，Adzuna联合创始人表示短期内不会进行其它收购，“我们将来会做其他类似的收购吗？就目前来说，这只是一次但可能是正确的资产。”
以上为AI翻译，内容仅供参考。
原文链接： Adzuna acquires job board Work In Startups
技术人才
2018年10月25日
技术人才
德勤：42％的高管认为人工智能将在2年内变得“至关重要”
文/KYLE WIGGERS
企业正在加大对人工智能(AI)技术的投资。这是德勤在《企业报告》(Enterprise report)中对1100多家美国公司的IT和高管进行的调查中得出的最大结论。
德勤技术、媒体和电信中心的执行董事杰夫·劳克斯博士说:“企业对人工智能提高业绩和竞争力的潜力感到兴奋，这是有充分理由的。”但要实现这一潜力，企业必须承担风险，解决人才短缺问题，并做好执行工作。尽管人工智能的优势是显著的，但仓促行事可能会让公司陷入无路可逃的境地——应用人员无法扩大规模，或者项目没有商业利益。
采用增长
该报告将人工智能的采用分为四类:机器学习，即统计模型开发能力和随着时间的推移自主提高性能的能力;深度学习是一种涉及神经网络的机器学习方式;自然语言处理，从文本中解析意义的能力;计算机视觉，从视觉元素中提取意图的技术。
调查显示，自然语言处理在增长方面超过了所有其他类别，62%的公司称已经采用了自然语言处理(高于一年前的53%)。机器学习以58%(同比增长5%)位居第二，计算机视觉和深度学习紧随其后，分别以57%和50%的使用率紧随其后(较2017年增长16%)。
德勤认为，投资的增加与增长有关。约37%的高管表示，他们的公司已经拨出500万美元或更多用于“认知”技术，比如深度学习和机器学习，包括带有人工智能的企业软件。55%的人说他们已经发射了6个或更多的试飞员(去年这个比例是35%)，58%的人说他们已经完成了6个或更多的试飞员(上升了32%)。
这种热情——加上高管们“追赶竞争对手”的强烈愿望——正推动ai即服务解决方案的全球年增长率达到48.2%。(德勤(Deloitte)将全球认知技术市场的规模定为191亿美元。)它有一些紧迫性;42%的受访高管认为，在未来两年内，采用人工智能将具有“至关重要的战略意义”，有些人已经开始看到成效。
超过80%的人说他们的人工智能投资带来了经济回报，特别是在技术、专业服务、媒体和娱乐/电信行业。德勤(Deloitte)以Netflix为例:这家流媒体巨头发现，如果客户搜索一部电影90秒，他们就会放弃。但通过使用人工智能来改善搜索结果，谷歌能够节省约10亿美元的潜在损失。
其他成本节省可能来自裁员。大多数受访者(63%)预计人工智能将使目前由人类工作人员监管的任务自动化。也就是说，78%的人认为认知技术能让人们做出更好的决定，72%的人和78%的人认为认知技术能提高工作满意度，并“为新的工作方式提供动力”。
这些发现与以前的报告一致。
世界经济论坛(World Economic Forum)、普华永道(PricewaterhouseCoopers)和高德纳(Gartner)预测，到2025年，人工智能可能会裁员多达7500万人。
此外，麦肯锡全球研究所(McKinsey Global Institute)今年预测，需要“低数字技能”的工作比例可能从目前的40%降至2030年的30%，因为需要更高技能的工作比例可能从40%升至50%。
麦肯锡分析师称，这些和其他劳动力市场的变化将导致未来10年国内生产总值(GDP)增长1.2%，并有助于在未来12年获得额外的20- 25%的净经济效益(相当于全球13万亿美元)。
人工智能的担忧
尽管人工智能的应用速度在加快，投资回报也令人印象深刻，但在回应调查时，高管们对人工智能表达了保留意见。
超过20%的人将“网络安全漏洞”列为一个关键问题，43%的人将“基于人工智能/认知建议做出错误的战略决策”列为前三名。与此同时，约39%的人将人工智能在关键任务或生死关头的失败列为他们的担忧之一。
人工智能的法律、监管和道德问题仍然是企业界的绊脚石。十分之一的受访者表示，他们对与人工智能系统相关的法律和监管风险感到高度焦虑，三分之一的高管提到了道德风险——尤其是人工智能制造或传播虚假信息的能力。
德勤表示，这些担忧在一定程度上是由于某些系统固有的不透明性。
“人工智能采用者面临的一个挑战是，机器学习的复杂性越来越高，深度学习神经网络也越来越受欢迎，这种神经网络的行为就像黑匣子一样，常常产生高度精确的结果，却没有解释这些结果是如何计算出来的，”报告作者写道。
认知技术人才——或者说是缺乏——也是一个问题。约30%的高管表示，在他们各自的组织中，人工智能是一个主要问题，超过20%的高管集体表示，他们发现人工智能软件开发人员、数据科学家、用户体验设计师、变更管理专家、项目经理、商业领袖和主题专家都存在不足。
最需要的人才是人工智能研究人员发明新的算法和系统。
该报告的作者写道:“雇佣和培训高能力人工智能专家的需求持续存在。”“拥有这种对人工智能/认知技术的承诺的公司，很可能在很长一段时间内都将面临技能缺口。”
尽管人们对人工智能有着明显的热情，但高管们对所涉及的挑战却持现实态度。约56%的受访者表示，认知技术将在三年内改变他们的公司，低于去年76%的比例。
尽管如此，高管们对人工智能工具的总体反应“相当乐观”。
报告作者写道:“我们相信，高管们已经认识到，使用认知技术来推动业务领域的变革是很复杂的，同时他们也不希望实现这一目标。”“尽管它们面临挑战，但我们调查的许多公司在将人工智能整合到运营和客户关系中并取得早期成功，并获得了经济效益。”他们对自己迄今取得的成功充满热情，对这些技术在不久的将来改造公司的潜力充满热情。
原文链接：Deloitte: 42% of executives believe AI will be of ‘critical importance’ within 2 years
技术人才
技术人才
技术人才
技术人才
技术人才
技术人才
技术人才
技术人才
技术人才
扫一扫 加微信
hrtechchina
