ТРИВИУМ

В настоящее время на рынке есть дефицит высококвалифицированных IT-профессионалов (Dev, Data Science, Analytics, Product и другие), а также несколько проблем, связанных с подбором персонала из сферы IT и их адаптации: - отсутствие четких критериев оценки компетенции IT-специалистов; - отсутствие у HR-специалиста реального представления о предлагаемой работе в сфере IT на данном предприятии, конфигурации информационных сетей и используемых технологий; - адаптация и удержание сотрудника. Наш проект направлен на помощь компаниям с данными проблемами. За счёт автоматизированного поиска профилей IT-специалистов на профильных ресурсах мы помогаем рекрутерам расширить базу кандидатов, и с помощью автоматизированного анализа сделать скоринг его навыков и сократить время рекрутера и тимлида на этапе собеседований. После перехода сотрудника в компанию платформа продолжает автоматически анализировать его навыки и регулярно выявлять пробелы в знаниях, точечно рекомендуя необходимые материалы — это ускоряет время на онбординг и снижает вероятность увольнения сотрудника. Для реализации данных задач платформа опирается на NLP-system на основе алгоритмов обучения с подкреплением. Цели развития проекта: Работать над усилением и развитием системы (Встройка в HR-системы) Лицензирование технологий Выход на зарубежные рынки

Product Star - персонализированная платформа для обучения IT-специалистов, позволяющая автоматизировать и ускорить найм, адаптацию, а также закрыть точечные пробелы в их знаниях, использующая Machine Learning алгоритмы и Data Science Компания ООО  «Тривиум» конкурирует с Indorse, AmazingHiring, Yva.ai в точности модели определения навыков сотрудников и кандидатов (80% точности по сравнению с 60% в среднем у конкурентов) за счёт автоматизированного анализа кода при расширении базы кандидатов, ML-системы выдачи и проверки знаний. Также преимущества выражаются в сокращении скорости найма и адаптации, денежной экономии в данных процессах (ускорение на 40% и 300 тысяч рублей, по сравнению с 25% и 150 тысячами рублей в среднем по рынку), достигаемых за счёт анализа репозитория на ошибки в коде, алгоритмического точечного обучения для ускорения онбординга и анализа Jira / code comments для предотвращения оттока кадров.