хорошо, как идут дела все
так что вы все роботы идут, вы знаете,
роботы идут, но они
для нас, людей, людей и HR
будут ли они вытеснять людей за
само название людских ресурсов я думаю
на самом деле они будут приходить, но это
не будет так плохо, как мы думаем
и это будут некоторые преимущества, но сначала
давайте сделаем шаг назад здесь сто
лет истории HR за 30 секунд
поэтому мы начали с парнем по имени Фредерик
Тейлор, который имел эту концепцию
принципы научного управления
что в основном идея, что вы
может принять Адри индивидуальное движение, которое
кто-то делает в его случае сталеваров
и оптимизировать их еще лучше после некоторого
время это перешло к понятию
персонал и это был вид из
темные века HR, где люди
в основном файлы будут перемещены большой
группы масс, которые будут размещены здесь и
там, но в конце концов мы разобрались
есть люди и человеческие ресурсы, которые мы
ребрендинг мы начали делать
такие вещи, как обучение и развитие
руководство организационным планированием и
за это время все стало лучше
статистика стала лучше, и мы начали
делать такие вещи, как факторный анализ и
моделирование структурных уравнений и
в конечном итоге такие вещи, как машинное обучение
в больших данных, и это подводит нас к
2000-х и для меня около 2004 года, когда я
началось с небольшого запуска в Интернете
называется Google, который был отличным местом для
будь, если бы ты был чем- то вроде ботаника данных
Я был и хотел принести вид
аналитическая строгость к процессу HR так
Google в то время был заполнен
руководители много данных и много
вопросы, которые они хотели отчасти
Ответы на основе данных тоже это было здорово
место, чтобы начать то, что началось
там что-то вроде этой концепции
аналитика людей, и вы можете найти много
разных определений людей
Analects там, и вы можете сделать свое
собственное исследование, но по сути для меня обратно
в 2004 году, что это означало принимать данные
добавляя идеи и становясь лучше
люди решения из этого, поэтому я
так как перешел от Google и ушел в
в других местах, а также был на другом
сторона этого, как люди
интерпретировать эти данные, но аналитика людей
вылетел , как это поле это
график всех условий поиска для людей
аналитика в гугле за последние 14
годы и
видеть, что это вправо это
Понятие это мы видим много
так что вы можете сделать в этом
вид поля вы можете оказывается, вы можете
делать всякие интересные вещи для
пример, если у вас есть 300 разных вещей
Вы можете знать о ком- то, кто
как мы называем переменную предиктора, так где
ты ходил в школу, но, возможно, где ты
работал, но и как работа Hoppe вы были
какие вещи вы были в детстве, что
хобби у вас есть сколько из них
вещи на самом деле предсказывают производительность
как только вы на самом деле туда
переменные производительности, как ваш первый
оценка производительности на работе или даже
альтруистическое поведение, сколько вы помогаете
другие люди на работе, поэтому, когда вы бросаете
все это в интересные вам анализы
выяснить, что большинство из них на самом деле
не настолько предсказуемы, но вы найдете
некоторые драгоценные камни там так, например, как я
в состоянии найти такие вещи , как возраст , в
которые вы попали в компьютеры по сравнению с
ваши сверстники были действительно хорошим предсказателем
о том , хороший ли ты софт
инженер позже в жизни, а также нашел
такие вещи, как люди, которые высоко
невротик делает лучше менеджеров по продукту
сделать свои собственные выводы по этому вопросу
Вы также можете сделать что-то вроде
сказочно названный Кокс пропорциональный
Модель опасности для времени выживания, так в
этот анализ картина двух человек синего
линия человек зеленая линия человек, где вы
можно измерить их с течением времени
ось х, и вы хотите измерить их
счастье, которое находится на оси у, так что я
есть теория, что вы счастливы сказать
работа ваш первый день на
работа, потому что просто рад быть там ты
не знаю лучше, а потом ваш
счастье со временем затихает
и я знаю, что это звучит удручающе, но это
Оказывается, вид данных поддерживает, что
немного, но что происходит, это ваш
счастье не тянется ровно
государственный курс идет в каплях большие капли
и в нашей области мы называем эти капли
организационные шоки и эти шоки
может быть, это некоторые из снимков, которые
Я нашел в исследовании, если вы идете от
топ-менеджер ужасного менеджера
это огромный шок и ваше счастье
выпадет, как только вы узнаете
что это тот случай, если ваш реорг для
в третий раз ты будешь меньше
счастлив в этот третий раз, так что у вас есть
эти вещи, которые происходят с вами и как
HR профессионалы, если мы можем получить сами
и вставим перед
этот шок случается, мы можем предотвратить некоторые
снижения счастья, и это
Оказывается, если вы получите эти вещи, это
гораздо более прогнозирующим, является ли кто-то
оставит тогда, если вы спросите людей
вы рассматриваете уход людей не
на самом деле это хорошо, чтобы сказать вам, что
даже через год , так что вы можете делать все ,
эти классные вещи вы можете получить все это
классные данные, и вы хотите иметь эти
счастливые сотрудники, как все эти счастливые
прыгают люди, которые есть проблема
у вас есть босс в середине
лицо, принимающее решения, исполнительный и некоторые из
верность или сила этого
анализ ухудшается по мере прохождения
Запад грязный иногда
благонамеренный иногда немного невежественный
человек посередине, так что вы знаете, почему
что дело, так что я нашел, что есть
пара причин, где я думаю, что это
случается первое , что ваша интуиция
Вы чувствуете, что это намного важнее
чем данные, которые вы показываете, так что если вы спросите
кто-то, кого я хочу, чтобы ты взял интервью
кто-нибудь, но я дам тебе кучу
вопросы , и вы должны остаться
этот структурированный скрипт и ответьте на это
все как Нах не делают , что податливость
мне пять минут с этим
Человек, я скажу вам, если нам нужно
нанять их, и это немного похоже
говорят, что это здорово, что вы подписались
для match.com вам не нужно идти на встречу
человек в баре просто пойти к
Часовня алгоритм настолько хорош, что будет
скажу, ты покажешь это
человек должен жениться, люди не любят
что они хотят, чтобы их интуиция там
и говоря об интуиции , это один
пример всех этих предубеждений и
эвристика, что у всех нас есть, что мы
принести к столу, которые действительно трудно
игнорировать
так что от привет до рога похоже на меня предвзятость
уклон подтверждения мы приходим со всем этим
вещи и даже если мы знаем, что это
там действительно трудно не быть
там и третье мы хотим легкий
ответ, что мы хотим топ свободный список прямо мы
просто дайте это мне и тройку лидеров
вещи проблема в том, что роботы все еще
приход AI еще здесь машина Усвоение
вот так нам нужно найти способ подготовить
для этого, так что я думаю, что нам нужно сделать
как профессионалы в области HR, мы должны действовать как
Розеттский камень должен иметь эти данные
что здесь мы должны иметь людей,
может интерпретировать это и заставить его петь
для наших руководителей, потому что они заняты
и они в основном из лучших побуждений, и они
просто имейте 5000 других вещей, в которых они нуждаются
делать, и вы должны помочь нарисовать это
от них просто пара других вещей, которые я
думаю, что поможет на этом пути
во-первых, мы должны очистить наших людей
данные и это легкое исследование в прошлом году
Было установлено, что 69% организаций
подготовка своих данных для лучших людей
аналитика, которая является отличным началом, но если
Вы говорите с любым из социологов
в вашей организации они скажут
нам предстоит долгий путь, есть много
больше вещей, которые мы можем получить, нам нужно лучше
Данные об истощении лучше данные производительности
гораздо больше вещей, во- вторых, нам нужно
превзойти себя как профессионалы HR мы
необходимо привлечь социологов на
люди с обучением и вместо того, кто может
сделать это снова эти данные петь интерпретировать
это для меня , как это работает и тому
в-третьих , мы должны передать некоторые из них
повторяющиеся задачи, которые мы на самом деле не делаем
очень хочу сделать в окне чата на
к машинному обучению на ИИ, так что вы знаете,
каковы некоторые из этих вещей, так что
сейчас 500 миллионов человек на LinkedIn
полмиллиарда человек и ты не хочешь
просто передать этот набор данных человеку
рекрутеры, которые собираются пройти
это очень медленно, по одному даже
они могут написать базовый код, который вы
должен быть в состоянии обучить алгоритмы
найти подмножества людей в LinkedIn, чтобы сделать
что лучше
второе — планирование и телефон
экраны и даже проводя некоторые из
эти экраны телефонов, так что это ломает мой
сердце немного времени каждый раз, когда я вижу
координаторы по набору торговых электронных писем 20
раз назад и вперед, чтобы настроить один
экран телефона для затем в рекрутер
затем задайте те же 10 вопросов или задайте
из всех этих других людей мы можем тренироваться
на самом деле виртуальные люди, чтобы сделать это для
нас, чтобы мы не тратили, что это
время и третий отвечает на часто задаваемые вопросы, так
это такие вещи, большинство HR
люди не хотят делать, когда открыт
Регистрация Как я могу подписаться на мой 401K
где справочник сотрудника, как разговор
к чат-боту этот человек поймет
что так, хорошие новости это роботы
не может делать все, машинное обучение
не могу все исправить, и есть много
вещи, которые вы никогда не отправите
робот, например, скажем, вы
попросили выяснить , почему это
опыт работы в вашей технологической компании
разные для женщин или людей цвета
чем для белых технических профессионалов вы
не посылая робота, чтобы понять, что
один это супер нюанс право или
скажем, вы волновались, что есть
там сотрудник, который ворует
несколько копеек от тысяч клиентов
счета за много лет и пресса
собирается узнать об этом, что это
жесткий для алгоритма или вы
дали сто литров и надо
выяснить , кто лучший 10% , что вам
нужно дать дополнительную компенсацию и
у вас есть пять дней, чтобы сделать это
так что это на самом деле три проблемы
Меня попросили сделать это, я не могу
представьте, что даю робота, чтобы я просто
хочу хотеть закончить тем, как мы можем
смешать все это вместе, как мы можем быть
AI — управляемая данными функция HR с поддержкой HR
и что это может выглядеть для
Конечный пользователь так себе как
сотрудник в Колумбусе, штат Огайо, это
вероятно живое изображение Колумба здесь
на снегу и ты довольно
счастлив в вашей организации, но вы
знаю, что вы будете открыты для других
возможности, чтобы вы щелкнули свой маленький
вещь в LinkedIn, которая говорит, что ты открыт
к новым возможностям и оповещениям
то , что это было ползать по
LinkedIn, который следит за
ваш профиль, который сейчас идет, я думаю, что это
человек будет готов, и что отправляет их
сообщение , чтобы увидеть , если они хотели бы
обменяться несколькими сообщениями
взад и вперед, чтобы увидеть, будут ли они
заинтересованы в вашей компании, которая является
игровая компания в Калифорнии, где это
72 и солнечно, и, чтобы увидеть, если
они хотели бы сделать это и алгоритм
выясняет, что они собираются отправить это
обратите внимание, когда разность температур
самый высокий между тем, где вы находитесь и
куда вы идете прямо это все
вещи, которые вы можете закодировать в этом, и мы
знать такие вещи, как на самом деле люди
больше реагировать на LinkedIn в Миллс I
думаю, что это утро вторника, чтобы вы
мог бы даже выбрать время для оптимизации
шансов, что этого кандидата будет больше
интересно, так что вы торгуете электронные письма назад и
вперед и в конце этого у вас есть
Разговор с виртуальным человеком, который
задает вам основные вопросы о себе
сколько вы смотрите, каковы ваши
ожидания зарплаты, что вы хотите
знаете ли вы , когда вырастете, и это может
записать все эти вещи и забить это и
если вы набрали достаточно высоко он оповещается об
человеческий рекрутер, который связывается с
вы и в конце концов вылетите вы летите
Вы знаете, и вы получите работу, и вы
начать в работе, но оказывается, ваш
Менеджеры не так хорошо, и вы идете поговорить
к вашему человеческому человеку HR и сказать, что я не
как в моем моем менеджере так много, что
человек имеет хороший разговор с вами
кодирует это в базу данных, которая
идентифицирует тенденцию с этим конкретным
менеджер, что они не хороши
несколько человек, которые человек может затем получить
послал толчок электронное письмо для обучения это
дается реальными людьми, так что это
вид мира, о котором я думаю
мы движемся туда, где это
Сочетание реальных живых людей больших данных
и AI , работающих вместе для повышения
опыт, поэтому я закончу цитатой из
Фредерик Тейлор, которого мы вроде как начали
это с тем, кто сказал в прошлом человек
был самым важным в будущем
система должна быть наиболее важной, поэтому в
в этом случае я думаю, что система является
люди большие данные и ИИ, чтобы сделать все
работы лучше для всех нас, людей
благодарю вас
вы
так что вы все роботы идут, вы знаете,
роботы идут, но они
для нас, людей, людей и HR
будут ли они вытеснять людей за
само название людских ресурсов я думаю
на самом деле они будут приходить, но это
не будет так плохо, как мы думаем
и это будут некоторые преимущества, но сначала
давайте сделаем шаг назад здесь сто
лет истории HR за 30 секунд
поэтому мы начали с парнем по имени Фредерик
Тейлор, который имел эту концепцию
принципы научного управления
что в основном идея, что вы
может принять Адри индивидуальное движение, которое
кто-то делает в его случае сталеваров
и оптимизировать их еще лучше после некоторого
время это перешло к понятию
персонал и это был вид из
темные века HR, где люди
в основном файлы будут перемещены большой
группы масс, которые будут размещены здесь и
там, но в конце концов мы разобрались
есть люди и человеческие ресурсы, которые мы
ребрендинг мы начали делать
такие вещи, как обучение и развитие
руководство организационным планированием и
за это время все стало лучше
статистика стала лучше, и мы начали
делать такие вещи, как факторный анализ и
моделирование структурных уравнений и
в конечном итоге такие вещи, как машинное обучение
в больших данных, и это подводит нас к
2000-х и для меня около 2004 года, когда я
началось с небольшого запуска в Интернете
называется Google, который был отличным местом для
будь, если бы ты был чем- то вроде ботаника данных
Я был и хотел принести вид
аналитическая строгость к процессу HR так
Google в то время был заполнен
руководители много данных и много
вопросы, которые они хотели отчасти
Ответы на основе данных тоже это было здорово
место, чтобы начать то, что началось
там что-то вроде этой концепции
аналитика людей, и вы можете найти много
разных определений людей
Analects там, и вы можете сделать свое
собственное исследование, но по сути для меня обратно
в 2004 году, что это означало принимать данные
добавляя идеи и становясь лучше
люди решения из этого, поэтому я
так как перешел от Google и ушел в
в других местах, а также был на другом
сторона этого, как люди
интерпретировать эти данные, но аналитика людей
вылетел , как это поле это
график всех условий поиска для людей
аналитика в гугле за последние 14
годы и
видеть, что это вправо это
Понятие это мы видим много
так что вы можете сделать в этом
вид поля вы можете оказывается, вы можете
делать всякие интересные вещи для
пример, если у вас есть 300 разных вещей
Вы можете знать о ком- то, кто
как мы называем переменную предиктора, так где
ты ходил в школу, но, возможно, где ты
работал, но и как работа Hoppe вы были
какие вещи вы были в детстве, что
хобби у вас есть сколько из них
вещи на самом деле предсказывают производительность
как только вы на самом деле туда
переменные производительности, как ваш первый
оценка производительности на работе или даже
альтруистическое поведение, сколько вы помогаете
другие люди на работе, поэтому, когда вы бросаете
все это в интересные вам анализы
выяснить, что большинство из них на самом деле
не настолько предсказуемы, но вы найдете
некоторые драгоценные камни там так, например, как я
в состоянии найти такие вещи , как возраст , в
которые вы попали в компьютеры по сравнению с
ваши сверстники были действительно хорошим предсказателем
о том , хороший ли ты софт
инженер позже в жизни, а также нашел
такие вещи, как люди, которые высоко
невротик делает лучше менеджеров по продукту
сделать свои собственные выводы по этому вопросу
Вы также можете сделать что-то вроде
сказочно названный Кокс пропорциональный
Модель опасности для времени выживания, так в
этот анализ картина двух человек синего
линия человек зеленая линия человек, где вы
можно измерить их с течением времени
ось х, и вы хотите измерить их
счастье, которое находится на оси у, так что я
есть теория, что вы счастливы сказать
работа ваш первый день на
работа, потому что просто рад быть там ты
не знаю лучше, а потом ваш
счастье со временем затихает
и я знаю, что это звучит удручающе, но это
Оказывается, вид данных поддерживает, что
немного, но что происходит, это ваш
счастье не тянется ровно
государственный курс идет в каплях большие капли
и в нашей области мы называем эти капли
организационные шоки и эти шоки
может быть, это некоторые из снимков, которые
Я нашел в исследовании, если вы идете от
топ-менеджер ужасного менеджера
это огромный шок и ваше счастье
выпадет, как только вы узнаете
что это тот случай, если ваш реорг для
в третий раз ты будешь меньше
счастлив в этот третий раз, так что у вас есть
эти вещи, которые происходят с вами и как
HR профессионалы, если мы можем получить сами
и вставим перед
этот шок случается, мы можем предотвратить некоторые
снижения счастья, и это
Оказывается, если вы получите эти вещи, это
гораздо более прогнозирующим, является ли кто-то
оставит тогда, если вы спросите людей
вы рассматриваете уход людей не
на самом деле это хорошо, чтобы сказать вам, что
даже через год , так что вы можете делать все ,
эти классные вещи вы можете получить все это
классные данные, и вы хотите иметь эти
счастливые сотрудники, как все эти счастливые
прыгают люди, которые есть проблема
у вас есть босс в середине
лицо, принимающее решения, исполнительный и некоторые из
верность или сила этого
анализ ухудшается по мере прохождения
Запад грязный иногда
благонамеренный иногда немного невежественный
человек посередине, так что вы знаете, почему
что дело, так что я нашел, что есть
пара причин, где я думаю, что это
случается первое , что ваша интуиция
Вы чувствуете, что это намного важнее
чем данные, которые вы показываете, так что если вы спросите
кто-то, кого я хочу, чтобы ты взял интервью
кто-нибудь, но я дам тебе кучу
вопросы , и вы должны остаться
этот структурированный скрипт и ответьте на это
все как Нах не делают , что податливость
мне пять минут с этим
Человек, я скажу вам, если нам нужно
нанять их, и это немного похоже
говорят, что это здорово, что вы подписались
для match.com вам не нужно идти на встречу
человек в баре просто пойти к
Часовня алгоритм настолько хорош, что будет
скажу, ты покажешь это
человек должен жениться, люди не любят
что они хотят, чтобы их интуиция там
и говоря об интуиции , это один
пример всех этих предубеждений и
эвристика, что у всех нас есть, что мы
принести к столу, которые действительно трудно
игнорировать
так что от привет до рога похоже на меня предвзятость
уклон подтверждения мы приходим со всем этим
вещи и даже если мы знаем, что это
там действительно трудно не быть
там и третье мы хотим легкий
ответ, что мы хотим топ свободный список прямо мы
просто дайте это мне и тройку лидеров
вещи проблема в том, что роботы все еще
приход AI еще здесь машина Усвоение
вот так нам нужно найти способ подготовить
для этого, так что я думаю, что нам нужно сделать
как профессионалы в области HR, мы должны действовать как
Розеттский камень должен иметь эти данные
что здесь мы должны иметь людей,
может интерпретировать это и заставить его петь
для наших руководителей, потому что они заняты
и они в основном из лучших побуждений, и они
просто имейте 5000 других вещей, в которых они нуждаются
делать, и вы должны помочь нарисовать это
от них просто пара других вещей, которые я
думаю, что поможет на этом пути
во-первых, мы должны очистить наших людей
данные и это легкое исследование в прошлом году
Было установлено, что 69% организаций
подготовка своих данных для лучших людей
аналитика, которая является отличным началом, но если
Вы говорите с любым из социологов
в вашей организации они скажут
нам предстоит долгий путь, есть много
больше вещей, которые мы можем получить, нам нужно лучше
Данные об истощении лучше данные производительности
гораздо больше вещей, во- вторых, нам нужно
превзойти себя как профессионалы HR мы
необходимо привлечь социологов на
люди с обучением и вместо того, кто может
сделать это снова эти данные петь интерпретировать
это для меня , как это работает и тому
в-третьих , мы должны передать некоторые из них
повторяющиеся задачи, которые мы на самом деле не делаем
очень хочу сделать в окне чата на
к машинному обучению на ИИ, так что вы знаете,
каковы некоторые из этих вещей, так что
сейчас 500 миллионов человек на LinkedIn
полмиллиарда человек и ты не хочешь
просто передать этот набор данных человеку
рекрутеры, которые собираются пройти
это очень медленно, по одному даже
они могут написать базовый код, который вы
должен быть в состоянии обучить алгоритмы
найти подмножества людей в LinkedIn, чтобы сделать
что лучше
второе — планирование и телефон
экраны и даже проводя некоторые из
эти экраны телефонов, так что это ломает мой
сердце немного времени каждый раз, когда я вижу
координаторы по набору торговых электронных писем 20
раз назад и вперед, чтобы настроить один
экран телефона для затем в рекрутер
затем задайте те же 10 вопросов или задайте
из всех этих других людей мы можем тренироваться
на самом деле виртуальные люди, чтобы сделать это для
нас, чтобы мы не тратили, что это
время и третий отвечает на часто задаваемые вопросы, так
это такие вещи, большинство HR
люди не хотят делать, когда открыт
Регистрация Как я могу подписаться на мой 401K
где справочник сотрудника, как разговор
к чат-боту этот человек поймет
что так, хорошие новости это роботы
не может делать все, машинное обучение
не могу все исправить, и есть много
вещи, которые вы никогда не отправите
робот, например, скажем, вы
попросили выяснить , почему это
опыт работы в вашей технологической компании
разные для женщин или людей цвета
чем для белых технических профессионалов вы
не посылая робота, чтобы понять, что
один это супер нюанс право или
скажем, вы волновались, что есть
там сотрудник, который ворует
несколько копеек от тысяч клиентов
счета за много лет и пресса
собирается узнать об этом, что это
жесткий для алгоритма или вы
дали сто литров и надо
выяснить , кто лучший 10% , что вам
нужно дать дополнительную компенсацию и
у вас есть пять дней, чтобы сделать это
так что это на самом деле три проблемы
Меня попросили сделать это, я не могу
представьте, что даю робота, чтобы я просто
хочу хотеть закончить тем, как мы можем
смешать все это вместе, как мы можем быть
AI — управляемая данными функция HR с поддержкой HR
и что это может выглядеть для
Конечный пользователь так себе как
сотрудник в Колумбусе, штат Огайо, это
вероятно живое изображение Колумба здесь
на снегу и ты довольно
счастлив в вашей организации, но вы
знаю, что вы будете открыты для других
возможности, чтобы вы щелкнули свой маленький
вещь в LinkedIn, которая говорит, что ты открыт
к новым возможностям и оповещениям
то , что это было ползать по
LinkedIn, который следит за
ваш профиль, который сейчас идет, я думаю, что это
человек будет готов, и что отправляет их
сообщение , чтобы увидеть , если они хотели бы
обменяться несколькими сообщениями
взад и вперед, чтобы увидеть, будут ли они
заинтересованы в вашей компании, которая является
игровая компания в Калифорнии, где это
72 и солнечно, и, чтобы увидеть, если
они хотели бы сделать это и алгоритм
выясняет, что они собираются отправить это
обратите внимание, когда разность температур
самый высокий между тем, где вы находитесь и
куда вы идете прямо это все
вещи, которые вы можете закодировать в этом, и мы
знать такие вещи, как на самом деле люди
больше реагировать на LinkedIn в Миллс I
думаю, что это утро вторника, чтобы вы
мог бы даже выбрать время для оптимизации
шансов, что этого кандидата будет больше
интересно, так что вы торгуете электронные письма назад и
вперед и в конце этого у вас есть
Разговор с виртуальным человеком, который
задает вам основные вопросы о себе
сколько вы смотрите, каковы ваши
ожидания зарплаты, что вы хотите
знаете ли вы , когда вырастете, и это может
записать все эти вещи и забить это и
если вы набрали достаточно высоко он оповещается об
человеческий рекрутер, который связывается с
вы и в конце концов вылетите вы летите
Вы знаете, и вы получите работу, и вы
начать в работе, но оказывается, ваш
Менеджеры не так хорошо, и вы идете поговорить
к вашему человеческому человеку HR и сказать, что я не
как в моем моем менеджере так много, что
человек имеет хороший разговор с вами
кодирует это в базу данных, которая
идентифицирует тенденцию с этим конкретным
менеджер, что они не хороши
несколько человек, которые человек может затем получить
послал толчок электронное письмо для обучения это
дается реальными людьми, так что это
вид мира, о котором я думаю
мы движемся туда, где это
Сочетание реальных живых людей больших данных
и AI , работающих вместе для повышения
опыт, поэтому я закончу цитатой из
Фредерик Тейлор, которого мы вроде как начали
это с тем, кто сказал в прошлом человек
был самым важным в будущем
система должна быть наиболее важной, поэтому в
в этом случае я думаю, что система является
люди большие данные и ИИ, чтобы сделать все
работы лучше для всех нас, людей
благодарю вас
вы
Please follow and like us:
Be First to Comment