Die 3 größten Fehler, die es bei der Einstellung von KI- und ML-Ingenieuren zu vermeiden gilt

Die 3 größten Fehler, die es bei der Einstellung von KI- und ML-Ingenieuren zu vermeiden gilt

Die Nachfrage nach Experten für künstliche Intelligenz, maschinelles Lernen und Deep Learning ist groß und wird in den kommenden Jahren noch weiter steigen. Hier erfahren Sie, wie Sie sicherstellen, dass Sie die Besten der Besten bekommen.

Wenn Sie ein Startup-Unternehmen im Bereich der künstlichen Intelligenz sind, müssen Sie ein Team von technischen Experten einstellen, um Ihr Produkt zu entwickeln. Für viele gehört dazu die Suche nach erstklassigen Ingenieuren für künstliche Intelligenz, maschinelles Lernen und Deep Learning. Insgesamt wird prognostiziert, dass die Zahl der Arbeitsplätze in der Computer- und Informationstechnologie in den nächsten zehn Jahren um 22 Prozent steigen wird, was deutlich über dem Landesdurchschnitt liegt.

Trotz dieses exponentiellen Wachstums in diesem Bereich ist die Einstellung von Talenten im Bereich der Technologie nicht einfach. Wir haben gesehen, dass Startups immer wieder zahlreiche Fehler bei der Einstellung machen, die zu stockenden Projekten, langsamen Wachstum und sinkenden Gewinnen führen. Dies sind die drei größten Fehler, die Startups bei der Einstellung von KI-, ML- und Deep-Learning-Ingenieuren machen - und wie man sie vermeiden kann.

DIE 3 GRÖSSTEN FEHLER, DIE STARTUPS BEI DER EINSTELLUNG VON INGENIEUREN FÜR KI, MASCHINELLES LERNEN UND DEEP LEARNING MACHEN

  • Keine globale Suche nach Talenten.
  • Sie stellen nur aufgrund von Qualifikationen ein.
  • Keine Prüfung der Programmierkenntnisse.

1. Kein globales Sourcing von Talenten

Trotz der hohen Nachfrage besteht derzeit ein Talentmangel an Ingenieuren mit Erfahrung im maschinellen Lernen.

Um wettbewerbsfähig zu sein, müssen Start-ups ihre Perspektive ändern: Wie wäre es, wenn wir bei der Personalbeschaffung global und nicht lokal denken würden?

Die heutige Arbeitsumgebung macht es möglich, Talente aus aller Welt zu rekrutieren. Covid-19 hat viele Mitarbeiter von Technologieunternehmen dazu gebracht, dauerhaft von zu Hause aus zu arbeiten. Fernarbeit ist nicht nur produktiver, sondern eröffnet Ihrem Unternehmen auch den Zugang zu globalen Spitzenkräften, auf die Sie sonst vielleicht keinen Zugriff hätten.

Darüber hinaus haben Deep-Learning-Ingenieure an einigen Standorten weltweit trotz ihrer fortgeschrittenen technischen Fähigkeiten möglicherweise nicht die gleichen Beschäftigungsmöglichkeiten wie in den Vereinigten Staaten. Diese potenziellen Mitarbeiter könnten bei einem Startup arbeiten, das einen interessanten Ansatz oder ein interessantes Problem zu lösen hat, und so einen erheblichen Mehrwert für Ihr Team schaffen.

2. Einstellung allein aufgrund von Qualifikationen

Viele Unternehmen filtern heute automatisch Bewerber aus, bevor die Personalverantwortlichen überhaupt einen Blick auf den Lebenslauf werfen. Bewerber werden aufgrund der Anforderungen an die Hochschulbildung, des Namens der Universität, der Anzahl der Jahre an Berufserfahrung und vielem mehr abgelehnt. Daher ist es kein Wunder, dass 50 Prozent der Bewerber in ihren Lebensläufen lügen.

Und in den Bereichen KI und ML ist ein Doktortitel nicht immer der beste Prädiktor für zukünftige Leistungen. Tatsächlich ist er das oft nicht.

Warum nicht? Doktoranden sind darauf trainiert, ein Problem zu erforschen, ihre Ergebnisse zu veröffentlichen und zu wiederholen. Es gibt nur sehr wenige technische Anwendungen für Probleme der realen Welt. In der Welt der Start-ups brauchen Sie Ihre Mitarbeiter eigentlich nicht, um den Großteil der Forschung selbst durchzuführen. Stattdessen brauchen Sie jemanden, der akademische Abhandlungen lesen, die Konzepte verstehen, daraus relevante Erkenntnisse ableiten und diese auf das Projekt anwenden kann, an dem er arbeitet. Wenn Sie einen Bewerber ohne angewandte technische Fähigkeiten einstellen, könnten Sie Ihre Entscheidung schnell bereuen.

Berücksichtigen Sie auch:

Bevorzugung von Teamarbeit gegenüber Einzelarbeit. Die Entwicklung eines Produkts ist ein sehr viel kooperativerer Prozess, als die meisten denken. Vergewissern Sie sich, dass Ihre potenziellen Kandidaten gut mit einem Teamansatz arbeiten können.

Bereitschaft zum ständigen Lernen. Sie brauchen jemanden, der über die neuesten Trends und Forschungsergebnisse auf dem Laufenden bleibt, die sich ständig weiterentwickeln. Einen Bewerber, der auf seine Gewohnheiten oder seine Bequemlichkeit fixiert ist und nicht bereit ist, neue Ansätze zu übernehmen, werden Sie nicht in Ihrem Team haben wollen.

3. Keine Prüfung von Programmierkenntnissen

Sie haben Ihre Personalbeschaffung auf die ganze Welt ausgedehnt und prüfen die Bewerber auf ihre Erfahrung mit angewandten Fähigkeiten. Was kommt als Nächstes? Das Testen dieser Fähigkeiten.

Die meisten KI-, ML- und Deep-Learning-Ingenieure verfügen zwar über das erforderliche theoretische Wissen, aber nicht alle sind auch gute Programmierer. Wenn Sie ein wettbewerbsfähiges Produkt auf den Markt bringen wollen, und zwar schnell, brauchen Sie Ingenieure, die auch gut programmieren können.

Sie würden ja auch keinen neuen Werbetexter einstellen, ohne seine Schreibfähigkeiten zu testen, oder? Diese Denkweise sollte auch bei Bewerbern für ML-Ingenieure Standard sein. Oft konzentrieren sich Startups, die ML-, Deep-Learning- oder KI-Talente einstellen, im Gespräch auf theoretische Konzepte und testen nie die tatsächlichen Programmierfähigkeiten der Kandidaten.

Die Tests müssen nicht zwangsläufig komplex sein. Sie können einem Kandidaten beispielsweise eine einfache Forschungsarbeit zuweisen und ihn bitten, das skizzierte neuronale Netzwerk mit einer Open-Source-Plattform für maschinelles Lernen wie PyTorch oder TensorFlow zu erstellen. Dies ist eine gute Möglichkeit, um (A) zu sehen, wie schnell sie arbeiten können und (B) zu sehen, wie sie Forschungskonzepte in einem realen Szenario anwenden können.

Bessere Einstellungen, bessere Produkte

Das Fazit ist, dass Sie ein marktfähigeres, wettbewerbsfähigeres Produkt erhalten, wenn Sie in den Rekrutierungsprozess gute Überlegungen und Zeit investieren. Auf diese Weise stellen Sie sicher, dass Sie ein starkes technisches Team aufbauen, das sowohl Spitzenforschung versteht als auch neue Konzepte anwenden kann, was Ihnen hilft, eine Grundlage für langfristigen Erfolg auf dem wettbewerbsintensiven Markt für Start-ups zu schaffen.

Das könnte dich auch interessieren