Да найдут другой путь. Я например изначально делал софтину для откликов на hh через Selenium (можно почитать в этой статье), потом перешел на API, сейчас просто возвращаю все обратно, но через Playwright. У этого подхода есть проблема, которая заключается в том, что hh периодически меняет сайт, и логика поиска элементов в программе перестает работать, поэтому приходится менять и саму программу. Но сейчас это контрится нейронкой, которой скидываешь текст ошибки и код обновленного элемента страницы hh, и она за минуту все исправляет. Более того, этот подход позволяет также обрабатывать вакансии, в которых требуется отвечать на вопросы, в API hh это реализовано не было. В общем это может привести к прямо противоположной ситуации - обновленные сервисы автооткликов не только не перестанут работать, но еще и научатся откликаться на вакансии с вопросами xD
Как выше писали, потом был стрим, на котором был отдельный цирк с конями. Туда позвали барышню-маркетолога, которая прямо говорила на стриме, что все, кто попал на эту подписку, это мамонты (лохи то есть) и что главный пострадавший это их контора, ведь это у них теперь будут убытки из-за репутационных потерь. Потом пришел директор, который до этого достал личные данные одного из блогеров и угрожал ему в личке отправкой на СВО. На стриме он заявил, что угрозы отправкой на СВО это шутка такая, а на вопрос, как он личные данные достал, ответил что-то в духе "Ребят, ну вы же все понимаете, вы же знаете, как подобные данные достаются".
Так что нет там никакой логики, они в каком-то в своем мире живут, в котором 90-е еще не закончились, а Мавроди стал президентом.
Да, посмотрел из-под своего аккаунта, LinkedIn обновил UI. Поначалу только для премов, теперь видимо для всех. Надо будет обновлять логику работы программы, это займет некоторое время.
Похоже, что у вас премиум аккаунт. Похожая проблема у другого владельца премиум аккаунта была. Видимо LinkedIn другой UI для премов предоставляет. Советую зарегать не прем и попробовать с него.
Мне кажется, вы описываете разные use cases. В описываемом вами случаем пользователь точно знает, какая работа ему нужна. В таком случае AI driven поиск подойдет лучше, это да. Но если пользователь просто ищет работу, которая подходит под его резюме, AI driven поиск тут не поможет, потому что просто не умеет искать работу, основываясь на деталях пользовательского профиля, LinkedIn прямо об этом пишет. А мой бот с этим справится, и даже если старая версия Job Search выдаст совсем не релевантную работу, LLM на следующей ступени поиска ее просто отфильтрует как неподходящую.
Поправил версию библиотеки Levenstein, теперь должно работать с python 3.13. Также поправил баг с логином.
Насчет вашего 15-летнего акка, я бы на вашем месте не рисковал, а завел бы второй акк. С него бы искал подходящие вакансии, а откликался бы уже руками с основного.
Если еще возникнут вопросы, пишите в Telegram чат, ссылка на него есть в README.
Я на python 3.13 не тестировал, вполне возможно, что Levenstein не совместим с ней, проверял только на python 3.12.
Насчет логина, бот только один раз должен входить в аккаунт, после первого входа он сохраняет сессию в cookies и при дальнейших запусках логин уже не требуется.
Насчет того, что кнопку не нашел, посмотрю сегодня, видимо LinkedIn опять сайт поменял.
Не сказать, чтобы LinkedIn это одобрял, но за два месяца активной разработки и несколько сотен откликов с использованием бота не было ни одного предупреждения, я уже не говорю о банах.
Спасибо за вопрос, добавил предупреждение об этом в статью.
Вакансия должна соответствовать интересам пользователя, или у пользователя должен быть релевантный опыт, только тогда будет отклик. А более подробно причину интереса к вакансии приложение распишет в сопроводительном письме, можно просто оттуда взять формулировку) По поводу hr, боящихся всего нестандартного, можно в промпт доработать, чтобы писало максимально стандартно или вообще использовать один стандартный шаблон сопроводительного письма для всех вакансий.
Они конечно же были, им очень много лет. Просто по-настоящему эффективно показывать себя нейросети начали где-то после 2012 года с появлением глубоких нейросетевых архитектур.
В правилах не было запрета на использование предыдущих значений признаков и таргета, тем более часть признаков в исходном датасете точно были получены таким образом, и мы их использовали. Но почему-то, когда мы сами создавали и использовали признаки из предыдущих таймфреймов, это приводило к ошибке на этапе сабмита. Причину мы так и не поняли, то ли у нас руки кривые, то ли у организаторов.
А вот что было запрещено, так это напрямую вытаскивать предыдущие значения таргета из коррелирующих с ним признаков и модифицировать ими уже сделанные предсказания задним числом. Это было возможно из-за кривого API и за это банили.
Да найдут другой путь. Я например изначально делал софтину для откликов на hh через Selenium (можно почитать в этой статье), потом перешел на API, сейчас просто возвращаю все обратно, но через Playwright. У этого подхода есть проблема, которая заключается в том, что hh периодически меняет сайт, и логика поиска элементов в программе перестает работать, поэтому приходится менять и саму программу. Но сейчас это контрится нейронкой, которой скидываешь текст ошибки и код обновленного элемента страницы hh, и она за минуту все исправляет. Более того, этот подход позволяет также обрабатывать вакансии, в которых требуется отвечать на вопросы, в API hh это реализовано не было. В общем это может привести к прямо противоположной ситуации - обновленные сервисы автооткликов не только не перестанут работать, но еще и научатся откликаться на вакансии с вопросами xD
Что-то тут не то, в Австралии всего живет 27 миллионов. Либо цифра завышена, либо у Австралии все ооочень хорошо с демографией)
Termfy и DocDecoder что-то подобное делают, можно их для этой задачи использовать.
Как выше писали, потом был стрим, на котором был отдельный цирк с конями. Туда позвали барышню-маркетолога, которая прямо говорила на стриме, что все, кто попал на эту подписку, это мамонты (лохи то есть) и что главный пострадавший это их контора, ведь это у них теперь будут убытки из-за репутационных потерь. Потом пришел директор, который до этого достал личные данные одного из блогеров и угрожал ему в личке отправкой на СВО. На стриме он заявил, что угрозы отправкой на СВО это шутка такая, а на вопрос, как он личные данные достал, ответил что-то в духе "Ребят, ну вы же все понимаете, вы же знаете, как подобные данные достаются".
Так что нет там никакой логики, они в каком-то в своем мире живут, в котором 90-е еще не закончились, а Мавроди стал президентом.
Все индивидуально очень, зависит от опыта, резюме и от того, на какие вакансии откликаешься. Но по моему опыту на НН конверсия больше раза в 3-4.
Поправил, должно работать.
Да, посмотрел из-под своего аккаунта, LinkedIn обновил UI. Поначалу только для премов, теперь видимо для всех. Надо будет обновлять логику работы программы, это займет некоторое время.
Похоже, что у вас премиум аккаунт. Похожая проблема у другого владельца премиум аккаунта была. Видимо LinkedIn другой UI для премов предоставляет. Советую зарегать не прем и попробовать с него.
Мне кажется, вы описываете разные use cases. В описываемом вами случаем пользователь точно знает, какая работа ему нужна. В таком случае AI driven поиск подойдет лучше, это да. Но если пользователь просто ищет работу, которая подходит под его резюме, AI driven поиск тут не поможет, потому что просто не умеет искать работу, основываясь на деталях пользовательского профиля, LinkedIn прямо об этом пишет. А мой бот с этим справится, и даже если старая версия Job Search выдаст совсем не релевантную работу, LLM на следующей ступени поиска ее просто отфильтрует как неподходящую.
Поправил версию библиотеки Levenstein, теперь должно работать с python 3.13. Также поправил баг с логином.
Насчет вашего 15-летнего акка, я бы на вашем месте не рисковал, а завел бы второй акк. С него бы искал подходящие вакансии, а откликался бы уже руками с основного.
Если еще возникнут вопросы, пишите в Telegram чат, ссылка на него есть в README.
Я на python 3.13 не тестировал, вполне возможно, что Levenstein не совместим с ней, проверял только на python 3.12.
Насчет логина, бот только один раз должен входить в аккаунт, после первого входа он сохраняет сессию в cookies и при дальнейших запусках логин уже не требуется.
Насчет того, что кнопку не нашел, посмотрю сегодня, видимо LinkedIn опять сайт поменял.
Не, пока в процессе)
Не сказать, чтобы LinkedIn это одобрял, но за два месяца активной разработки и несколько сотен откликов с использованием бота не было ни одного предупреждения, я уже не говорю о банах.
Спасибо за вопрос, добавил предупреждение об этом в статью.
Спасибо!
Вакансия должна соответствовать интересам пользователя, или у пользователя должен быть релевантный опыт, только тогда будет отклик. А более подробно причину интереса к вакансии приложение распишет в сопроводительном письме, можно просто оттуда взять формулировку)
По поводу hr, боящихся всего нестандартного, можно в промпт доработать, чтобы писало максимально стандартно или вообще использовать один стандартный шаблон сопроводительного письма для всех вакансий.
Они конечно же были, им очень много лет. Просто по-настоящему эффективно показывать себя нейросети начали где-то после 2012 года с появлением глубоких нейросетевых архитектур.
В правилах не было запрета на использование предыдущих значений признаков и таргета, тем более часть признаков в исходном датасете точно были получены таким образом, и мы их использовали. Но почему-то, когда мы сами создавали и использовали признаки из предыдущих таймфреймов, это приводило к ошибке на этапе сабмита. Причину мы так и не поняли, то ли у нас руки кривые, то ли у организаторов.
А вот что было запрещено, так это напрямую вытаскивать предыдущие значения таргета из коррелирующих с ним признаков и модифицировать ими уже сделанные предсказания задним числом. Это было возможно из-за кривого API и за это банили.