embedded systems – DevStyleR

Качествен AI се създава с правилен подход и подбор на алгоритми

momchil — Wed, 09 Jun 2021 07:30:19 +0000

Момчил Станчев е Head of Department в Бош Инженеринг Център София. Занимава се с програмиране от ученическа възраст, вземайки участие и в национални олимпиади по информатика. Бакалавърското си образование по Компютърни Системи получава в Технически Университет София, като е един от 3-мата отличници на випуска си. По-късно поради влечението си към мениджмънт, завършва и магистратура по Бизнес Администрация. Инженерната си кариера започва през 2008 г. в автомобилната индустрия, като по-късно навлиза в дебрите на управлението на проекти и на хора, изследва различни аспекти в Consumer Electronics компания. Насочва се отново към автомобилната индустрия през 2015 г., като заема позиция на ръководител на отдел през есента на 2016 г. и от началото на 2019 г. продължава своята кариера в Бош.

Фотограф – Лилия Йотова

Бихте ли ни разказали за старта на Вашия кариерен път и за това как се запалихте по технологиите?

Връщайки се назад във времето, във вече далечната 1994 година, баща ми донесе вкъщи компютър за пръв път. Разбира се, тогава нищо не разбирах, но той се занимаваше както на работа, така и в къщи с разработката на различни програми, най-често за обществена администрация. Спомням си, че бях изключително впечатлен как чрез някакви редове текст, може да се улесни и автоматизира работата на хората. Години по-късно, записах извънкласни занимания по програмиране – тогава Pascal, а на следващ етап С и С++. Школата, която посещавах, изпращаше редовно ученици по олимпиади по програмиране – локални и национални, което спомогна за развитието на моя състезателен дух. С годините придобивах все повече и повече знания в тази област – в училище, а и след това в Технически Университет – София. Привлече ме това, че се разглеждат и инженерни дисциплини, и теми, а не чисто софтуерни, тъй като точните науки като математика, физика и химия винаги са били сред любимите ми. Навлизайки все повече в дебрите на познанието за чипове, логически елементи, операционни системи, fpga и прочие, разбрах, че моята страст е „оживяването“ на устройства които решават проблеми или помагат на хората в тяхното ежедневие. Не след дълго, преминавайки през допълнително специализирано обучение започнах и първата си работа като програмист на вградени системи в една компания за автомобилни устройства.

Като Head of Department, бихте ли споделили какви са предизвикателствата пред тази позиция и по-конкретно като част от структурата на Bosch?

По-интересните предизвикателства, пред които съм изправен на тази позиция са свързани с намирането на интригуващи проекти, разработвани с модерни технологии; намиране и развитие на кадри, които да бъдат вътрешно мотивирани да се справят с проектите и последващите ги трудности; осигуряване на всички необходими инструменти, лицензи и други условия, при които инженерите да се фокусират върху техническите проблеми, а не върху такива на средата. Bosch със своята дългогодишна история, изградена и изпитана структура, както и чрез връзките и отношенията си с партньори и клиенти, градени над столетие, предоставя една изключително удобна среда за моята работа чрез благоприятните условия за справяне с всяко едно от предизвикателствата.

В Bosch се разработват всевъзможни проекти за продукти и услуги, което ни дава огромен списък от възможности, от които да си избираме върху какво да работим. Освен това, всички необходими инструменти, условия и т.н., са налични и установени, и могат директно да се използват. Не на последно място, компанията, известна и със своята социална отговорност, предоставя и изключителни условия в личностно отношение за служителите.

По какви проекти работите, с какви технологии и кои са чисто технологичните предизвикателства пред тях?

Моят отдел работи по два типа проекти – продуктови и платформени.

Продуктовите проекти или по-скоро продуктовите програми (съвкупност от няколко сходни проекта), целят разработването на даден продукт за различни клиенти. Пример мога да дам с Interior Monitoring & Sensing – системи за автономно шофиране, свързани с разпознаване на това какво се случва вътре в автомобила. Сигналите, които се изпращат, в резултат на разпознатите сцени, движения и пр., се предават на други системи – централизирани, които могат да вземат решение какво следва да направи автомобилът. Тук технологичните предизвикателства са свързани с разработката, оптимизацията, интеграцията и обучението на алгоритми, както и оценката на тяхната работа. За да можем да внедрим една такава система в крайния автомобил е нужно тя да не допуска никакви грешки, защото това може да доведе до загуба на човешки живот!

Платформените проекти са такива, които поставят софтуерната основа за няколко продуктови линии на Bosch – смарт дисплеи, конвергентни продукти, както и вече споменатите системи за Interior Monitoring & Sensing. Основните предизвикателства са свързани с осигуряването на всички необходими функции за реализиране на бизнес функцията на даденият продукт, високата производителност, безпогрешна комуникация, липса на забавяния и други от подобен тип.

Всички проекти представляват така наречените вградени системи (embedded systems), т.е. миниатюрни компютърчета, 200-300 пъти по-малки от вашия лаптоп. За да се вдъхне живот в тях, нашите инженери пишат код на С++, Python и С, който посредством спомагателни устройства (debuggers), се програмира в embedded системата. Други технологии, свързани с AI, които използваме, са TensorFlow, OpenCV, ROS, Cuda, Keras, PyTorch и т.н.

Разработването на AI изисква прецизност откъм данни, сигурност, необходима е и сериозна изчислителна мощ за тежките алгоритми. За какви други аспекти е необходимо да внимаваме и да сме прецизни при разработката?

За мен изключително важна е и теоретичната подготовка. Разработването на AI не е никак просто нещо, макар че са налични много примери в Интернет, които човек за минути може да подкара на своя компютър. Истинското AI инженерство изисква познаването на много технологични аспекти, като как да си подберем данните за обучение, верификация и тестване на даден алгоритъм. Ако искаме да разработваме AI, свързан с разпознаване на изображения, трябва много добре да познаваме и теорията на IQ (image quality), тъй като малка промяна в параметрите на изображението – например гама или контраст, може да предизвика съвсем различни резултати от нашият алгоритъм. Необходимо е да се познават в детайли и методите, по които AI взема решение чрез невронни мрежи, дървета и/или друго.

За да твърдим, че разработваме истински AI, трябва да знаем толкова теория, колкото например се учи в университет за 1 година по всички предмети.

Бихте ли разказал по подробно за присъствието и употребата на невронни мрежи в изкуствения интелект?

Невронните мрежи представляват статистически модели, чрез които целим да обучим изкуствен интелект да извършва дадена задача. Тяхната поява е вдъхновена от нашия естествен интелект, като идеята им е да се наподоби човешкият мозък и неговата дейност. Определени изследвания оценяват броя на невроните в човешкият мозък на над 100 милиарда, като те са свързани помежду си и комуникират. Говорейки на едно новородено дете, например, то успява след известно време да научи звуците и думите, които произнасяме, изграждайки определени връзки между невроните в мозъка си. Така и даден алгоритъм (AI), след прилагане на правилен подход за обучение, може да изгради подобни връзки и да разпознава подобни звуци и думи.

За да създадем една невронна мрежа, която има много голяма точност на разпознаванията, подобно на човешкият мозък, са ни нужни огромно количество неврони. Това от своя страна изисква наличието на сериозна изчислителна мощ, за да работи една такава система в реално време. Именно поради бурното развитие на съвременните чипове и хардуер, имаме възможност да срещаме AI във все повече устройства от нашето ежедневие.

Говорейки за AI, то често след него се нарежда и ML – каква е враимовръзката между тях и може ли едното да съществува без другото?

Machine Learning (ML) е област в компютърната наука, която има за цел да научи даден алгоритъм да се самообучава, без да бъде изрично програмиран да го прави. По конкретно ML представлява подход за анализ на информация, който включва създаване и адаптиране на модели, които дават възможност на дадената програма/алгоритъм да се „самообучава“ чрез опит/и, подобно на хората.

За да разграничим най-просто ML и AI, може да кажем, че ML е това, което прави възможно създаването на програми и машини с изкуствен интелект (AI).

Фотограф – Лилия Йотова

Кои според Вас са най-добрите и полезни AI open source инструменти, които бихте препоръчал?

Всеки един свободно достъпен инструмент може да бъде полезен за определена задача. Многообразието от възможни AI реализации е именно предпоставката за наличието на многообразие и при инструментите. Даден инструмент може да е най-добър за конкретна работа, но за друга да изостава значително от друг такъв, затова не мога да кажа, че този или онзи е генерално най-добрият. Точно обратното, подбирането на най-правилния инструмент за свършване на определена задача е от изключителна важност за качеството.
Впоследствие, съвкупността от всички подбрани, формира едно множество на най-подходящите инструменти за решаване на даден AI проблем. Решаването на Computer Vision проблем, например, изисква доста различно множество, спрямо такъв, свързан с лингвистично разпознаване.

Разбира се съществуват и много популярни инструменти като OpenCV, TensorFlow, Keras, PyTorch, OpeNN и други, с които един инженер може винаги да започне, но в последствие е от изключителна важност, да се отсее правилният набор за конкретните нужди.

Кои са секторите, при които най-често се имплементират AI решения?

AI решения могат да се измислят и внедрят във всяка една сфера на човешката дейност. Няма абсолютно никакви ограничения. Най-популярните, отново свързани с Bosch, са автономните автомобили – пътнически, транспортни и т.н. Друга популярна сфера е навлизането на AI в смартфоните и устройства от бита на хората – хладилници, перални. От много години се използва AI за анализ и откриване на „patterns“ в данни, например при търговия на фондовите борси.

Малко известно е обаче, че AI се използва широко и отдавна в различни инженерни дейности – например в машини за разпознаване на дефекти по платки. Друга малко популярна област, но с голямо икономическо значение, силно застъпена в Bosch, е внедряването на AI в производствените линии, с цел намаляване на грешки, ранно откриване на проблеми и други.

AI е вграден в изключително много услуги, които хората използват в ежедневен план. Какви обаче са тънкостите за разработване на качествен AI? Какви насоки бихте дал?

Няколко са основните насоки, що се отнася до разработването на качествен AI. Най-основополагащата от тях е детайлното дефиниране на проблема, който искаме да решим – изясняването на „позитивния“ път (т.е. най-честите ситуации, в които нашият AI изпада), но също така и всички „негативни“, или т.нар. гранични случаи, които можем да си представим. В повечето случаи трябва да се вземат под внимание и законодателните уредби за конкретната дейност.

За качествен AI няма как да не отбележим, че е нужно не само огромно количество данни за съответните training, validation и test множества, но и тяхното многообразие. По този начин бихме се погрижили, че нашият AI ще е наясно с голяма част от сценариите, с които би се срещнал. Много важно е и различните множества от данни да са независими, защото в противен случай може да получим подвеждащи резултати. Например ако обучим нашия AI да се справя с N на брой ситуации, след което го тестваме със същите данни дали се справя с тях, ще получим доста задоволителни резултати – висока точност, малък брой false-positives и false-negatives. В действителност, когато той се изправи пред непозната ситуация, най-вероятно ще даде грешен резултат, поради ограниченото количество данни, с което е бил трениран. Много лесно можем да си представим този проблем ако се върнем около 120 години назад в човешката история. До началото на 20 век, когато е бил изобретен автомобилът, хората са се придвижвали на коне, с колелета, карети и всичко е било ясно и уредено. В един момент обаче, по улиците плъзват автомобилите, движещи се с по-висока скорост, с различни габарити, липса на правила за тях. В резултат на това се случват множество инциденти докато хората успеят да се „обучат“ как да се справят с новите ситуации.

Друга основна насока за достигането на качествен AI е правилният подход и подбор на алгоритми. Налични са огромно количество свободно достъпни такива. Постоянно се разработват и нови. Има нови научни изследвания и разработки за други. AI алгоритмите са като вселената – с всеки изминал момент се разширяват и размножават все повече и повече, и инженерите, които се занимават с AI, имайки предвид това, трябва да си поставят много ясни и точни критерии, какво искат да постигнат, за да не прекарат години само в изследвания.

И последно, но не на последно място – тестване, тестване, тестване и пак тестване! Изключително важен аспект, особено в нашата работа в Bosch, където от създаваните технологии зависи човешкият живот. Много компании се борят да са първите на пазара относно даден AI, но при нас, преди всичко е отговорното отношение, поради което бихме пуснали продукт на пазара само ако сме 110% сигурни, че сме тествали всички възможни комбинации, вариации и пермутации на сценариите на нашата система.

Фотограф – Лилия Йотова

Кои са основните принципи, които трябва да се знаят и изпълняват при внедряването на AI в продукти? Можем ли да говорим и за наличието на “слаб” AI? Как изглежда той и как да го разпознаем?

Слабият (weak) или още известен като тесен (narrow) AI се характеризира с това, че решава конкретни задачи и има лимитирана способност да се самообучава за все по широка област на действие. По-голямата част от съвременните AI решения са всъщност слаб AI – Siri на Apple, Newsfeed-a на Facebook, Google Assistant и други. Голяма част от системите за автономно шофиране също са weak AI.

Слабият AI може да се разпознае по това, че при грешка или неизправност, може да нанесе вреда; ако радарният круиз контрол на нашият автомобил, например, не изчисли правилно скоростта на движещия се пред нас автомобил, може да предизвика катастрофа. Също така, слабият AI може да се използва с недобронамерени намерения, които AI самостоятелно не може да отчете – напр. терористични атаки с безпилотни автомобили или самолети.

Какви са новите технологични тенденции по света в сферата на изкуствения интелект?

Все по-широкото приложение на AI решения в различни области изисква и промяна в инфраструктурата, на която се изпълнява, както и взаимодействието с нея. В този ред на мисли една от глобалните тенденции е все по тясната връзка между AI и Cloud решенията.

Друга област, която получава допълнително инерция, включително и от дистанционния метод на работа, е Voice & Language изкуственият интелект. Конкретно в множество customer support центрове се интегрират решения за автоматизирано разпознаване на говор на различни езици.

От друга страна, експоненциално нарастващият обем данни, които се получават от личните устройства, които хората използват – телефони, смарт часовници, фитнес гривни, камери и т.н., засилва тренда в употребата на изкуствен интелект за структуриране на данни и откриването на свързани характеристики (patterns).

Не на последно място е и тенденцията за все по тясна взаимовръзка между AI и IoT продуктите. Именно този тренд е избран за основен за Bosch в идните години.

На годишната конференция на Bosch бе споменато, че компанията има за цел да се превърне във водеща AIoT организация. Какво би представлявало това и какви са разликите между IoT и AIoT? Ще се говорили все по-често за второто?

IoT продуктите навлизат много силно в последните години. Това са различни устройства, които следят и събират дадена информация от реалния свят. Посредством връзка с интернет, данните се предават към услуги, които предоставят някакво “added value” за човека. Например фитнес гривната следи фазите на вашия сън, след което ги изпраща към сървър, където те се сравняват с данните от много други хора и се поставя оценка за качеството на вашия сън. Друг обществено значим пример би било уличното осветление. В някои градове има IoT системи, които според определени параметри регулират осветеността с цел ефективност и пестене на енергия. Също така, тук може да споменем и IoT системата за засичане на бръмбари по посевите.

С други думи, инфраструктурата от различни IoT системи и устройства, събиращи информация, е налице. Както вече говорихме, когато имаме много информация и искаме да направим нещо полезно с нея, намесваме AI. От тук идва и AIoT – симбиозата между AI и IoT за автоматизирано решаване на казуси от ежедневния живот на хората и света.

Bosch, спазвайки мотото си „Invented for Life“, намира своето прозвище именно в тази нова тенденция – AIoT.

В Bosch дори вече са разработени и внедрени подобни AIoT системи – за засичане, разпознаване и автоматизирано справяне с възникнали неизправности в заводите в Ройтлинген и Хомбург.

Съществуват ли технологии, които ще набират сила?

Разбира се, технологиите никога не „спят“. Следете редовно дейността на Bosch Engineering Center Sofia и скоро ще научите за някои от тях.

За финал, бихте ли споделили кои са Вашите любими AI разработки? Такива, които са интересни, а същевременно могат и да послужат като ролеви модел за технологията.

Най-важното за мен с всички нови технологии, не само AI, е те да служат и да помагат на хората и на света. Всякакви решения в насока справяне с глобални проблеми – замърсяване, глад и т.н., за мен са ролеви модели, които трябва да се следват и развиват.

Изхождайки от своята идеология, Bosch разработва именно такива системи и поради това смятам, че те могат да бъдат ролеви модели.

AIoT системата за предпазване на насажденията от вредни насекоми на Bosch се бори с проблема с глада по света. Само миналата година нашествията на скакалци в Африка и Близкия изток унищожиха огромни площи с посеви в Египет, Пакистан, Йемен и други – част на света, която и без друго е силно засегната от липсата на достатъчно хранителни продукти. Други подобни нашествия от насекоми в последните години имаше и в САЩ и Австралия.

Друг пример, който бих дал, разработван от Bosch, е AIoT система за управление дейностите в големи фабрики. Система, която не само оптимизира времето и процесите на производство, но е и доказано намаляваща разходите за енергия с до 20% и вредните емисии от производствената дейност с до 35%.

Workshops #HackTUESGG – в помощ на младежите от ТУЕС за предстоящия хакатон

momchil — Mon, 08 Mar 2021 18:19:54 +0000

Организационният екип на Hack TUES GG успя да организира и проведе серия от онлайн уъркшопи за да помогне в подготовката на учениците от Технологично училище “Електронни системи” към ТУ-София за предстоящото издание. Уъркшопите се проведоха между 16-ти февруари и 4-ти март.

Темите на обученията стартираха с embedded systems, преминаха през света на програмирането с разработка на игри с Godot и изкуствен интелект и завършиха с подготовка и презентиране на проекти и презентационни умения.

Росен Витанов, лектор на първия уъркшоп с тема “Embedded systems” е завършил ТУЕС през 2008 и е преподавател в училището повече от 5 години. Той запозна участниците с понятието вградена микропроцесорна система и какво може да се направи с нея. Те разбраха как да направят проект Hack TUES style, както и много полезни съвети за сплотяването и разпределянето на работата между съотборниците. Събитието завърши с интересен поглед върху нашумелите проблеми от ежедневието, а именно проекти свързани с околната среда.

Лектор на втория уъркшоп – “Разработка на игри с Godot” – беше Виктор Кетипов (ТУЕС’2010), преподавател в ТУЕС по предмета “Операционни системи” и е CEO в Kipi Interactive. Той въведе учениците в света на игрите, като ги запозна с game индустрията и различните позиции, които са необходими за разработката на една игра. Следващата стъпка беше “скелетът”, от който да се ръководят при създаването на проект, и запознаването с game engine-а Godot и разгледаха кода на играта. Практическата част на събитието показа на участниците как работи играта “Pong” и как сами да правят промени по нея.

Дванадесетокласникът Виктор Велев се включи от САЩ по темата “Изкуствен интелект”. Доскоро ученик в ТУЕС, Виктор има зад гърба си вече редица награди за проекти, базирани на изкуствен интелект, които разработва заедно със свои съученици от ТУЕС. Той сподели опита си по темата. Разгледа дълбочината на материята и как е изграден един алгоритъм, сподели на какви езици е писан кодът през годините. Интересна част за всички, които не са се занимавали с изкуствен интелект, беше представянето на невронните мрежи, които са градивната му единица. До тук лекцията беше в своята теоретична част. По време на практическите упражнения Виктор показа как да се използват алгоритми работещи с текст и разпознаване на изображения от снимки и видеа.

Най-младите лектори – единадесетокласниците Виолета Кабаджова и Кристиян Стоименов споделиха опита си по отношение на Git&GitHub. Този уъркшоп има изключителна важност за учениците, тъй като освен на хакатона, те ще се сблъскат с тази платформа в училище. Туесарите създадоха свой проект в GitHub и разбраха разликата между локално и отдалечено хранилище, както и базови команди за работа с Git и как да “да се разхождат” в дървесната структура на един проект.

Серията #HackTUESGGWorkshops завърши с лекция “Презентационни умения”, която се превърна в дискусия, между водещите – Кирилка Ангелова, обучител по меки умения с дългогодишен опит, и Виктория Димитрова, координатор на екипа на Hack TUES GG и ученичка от 11-ти клас. Най-голямо внимание се обърна на процеса по подготвяне на самата презентация и важността на подготовката. Разгледаха се и препоръчителни правила при презентиране и лошите практики. В последната си част презентацията се състоеше в запознаване с начина, по който ще протекат полуфиналите в последния ден на хакатона.

Откриването на предстоящото издание на Hack TUES GG е на 11-ти март, четвъртък, от 18:00ч. и ще бъде излъчвано в YouTube канала ТУЕС към ТУ – София.

Димитър Томов: У нас липсват родни ИТ продукти и високи цели

plamen — Mon, 07 Oct 2019 12:28:15 +0000

Фокусът на Димитър Томов е създаване на нови продукти като например безжичен програматор на слухови апаратчета. Започва проекта на бяла дъска и приключва, когато е в производство. Програмира близко до хардуера, най-често на С. Основната му инженерна работа е дизайн на системата – от хардуера до софтуера, т.нар. “Research and Development”. Има над 14 години опит в сферата на „Embedded systems”, част от тях в Германия, Австрия и Швеция.

Какъв е вашият поглед върху софтуерния бранш и възможностите за развитие в него?

Моят поглед е критичен, защото българският ИТ сектор предоставя невероятни условия и заплати надминаващи дори финансовия сектор у нас, а липсват собствени ИТ продукти и високи цели. Критиката ми е както към колегите софтуерни и хардуерни инженери, така и към мениджърите у нас. Да, има недостиг на висококвалифицирани кадри, обаче това не е оправдание за липсата на собствени продукти в родният ИТ сектор. Когато имаш недостиг на ресурс не продължаваш да го инвестираш за задачи с ниска добавена стойност, а инвестираш времето си в задачата с най-висока стойност. Който вярва, че има екип на световно ниво трябва да търси и поставя наистина високи цели за екипа си: нов продукт, най-добър в своят клас. Това по естествен път решава и проблемите с мотивацията и задържането на кадри.

Като изключим София, кои градове бихте определили като ИТ центрове на България?

Пловдив, Габрово, Русе – това е моят ТОП 3 по потенциал. Особено за ИТ специалисти в София търсещи промяна, Пловдив е логичната стъпка за нови предизвикателства. А и все повече компании, имащи офиси в столицата, отварят офиси и в Пловдив. Защото далеч от startup еуфорията в София, „Industry 4.0” се развива в област Пловдив. В града са софтуерните компании, а в Тракия Икономическа Зона е най-ново поколение автоматизация. Пловдив е бъдещата цифрова столица на България. Полезна конкуренция за нас в София!

Кое е ключово за Вас, когато взимате решение дали да започнете работа при определен ИТ работодател?

Между 25 и 35 години човек трябва да трупа опит. Това се опитвам да правя и аз, търся предизвикателствата. Ексклузивно приемам офертите на компании, които създават краен продукт. Там мога да имам думата по дизайна веднага щом концепцията за продукта е одобрена и се даде за изпълнение на техническия екип. Първият ден от нов проект започва с няколко страници product requirements и бяла дъска. Ще дам примери от мой проект: „Нашият програматор ще е с най-бързата и успешна детекция на слухови апаратчета“. „Нашият програматор ще издържа на батерия 10 пълни пациентски сесии, защото нашият най-близък конкурент прави 4.“ Подобни цели ме мотивират на максимум!

Кои са най-нетрадиционните подходи за наемане на служители, на които сте ставали свидетел?

Случвало ми се е да помагам на колега инженер в български форум и да получа предложение за работа. Интересно бе и интервюто ми за работа в България през 2010 година, което няма да забравя – дадоха ми 3-часов тест за програмиране. От учтивост погледнах първите две страници и открих грешки в самите въпроси. Обясних им ги и си тръгнах. Забавна случка.

Според Вас, каква трябва да бъде средната заплата на Junior/Mid-Level/Senior Developer?

Средната заплата е местен феномен, според града и броя на специалистите. Ако дори един човек в Габрово е готов да работи за 1000 лв. като Junior, то аз не мога да поискам 2000 лв. нали? А ако някой поиска 1100 лв., той ще трябва да предложа нещо повече за тези 100 лева отгоре. За Senior, ако разработва краен продукт, то този човек трябва да бъде възнаграден със заплата сходна на тази в Западна Европа, за да не бъде изпуснат като талант точно в Западна Европа. Ако човек не участва в краен продукт, то това е “outsourcing” и там заплатите не зависят пряко от крайния продукт. От там идва и разликата в целите и заплащането.

Редно ли е да бъде поставен таван на заплатите на софтуерните специалисти? До какво би довело това?

Амбициозните веднага ще отидат да работят в Германия и САЩ, а в България остава само тавана на заплатите да ни напомня, че сме имали ИТ сектор. Мога да отговоря и още по- кратко: Какъв е таванът за заплата на Илън Мъск? Чувам, че е станал добър rocket engineer.

В каква посока трябва да търсим положителната промяна в софтуерния бранш?

Мога да дам личен пример и да препоръчам добри практики. Личният ми пример съветва да се търсят наистина високите цели. При мен това винаги води до нови умения, висока мотивация и добро заплащане. Добрите практики, които искам да препоръчам са две:

Първо, HR професионалистите в България е крайно време да се запитат: „Кои са важните разговори, които не водим с нашите колеги?“ Веднага мога да посоча две теми – Разговор за гъвкаво работно време с мениджърите в тяхната компания. И разговор за осигуряване на личностното развитие на служителите, от курсове за финансова грамотност до чуждоезикови обучения.

Чудим се защо Junior програмистите не са доволни от високите стартови заплати? Може би защото не знаят, че за да получат 1000 лева по банковата си сметка, те трябва да изработят 1532 с всички данъци (да, това са 53% от сумата нето).

Чисто информативно, защо мисля, че това е интересно сравнение и полезна информация.

Junior програмистите взимат между 1000 и 2000 лева.

Средна заплата в страната е 1200
Средната заплата в София е 1700
Junior програмистите имат заплата колкото и средно статистическият българин

Тогава HR ще срещнат разбиране в младите колеги, че първо трябват резултати, a после увеличения на заплати. Така все повече ИТ специалисти ще започнат да ценят придобивките като карта за градски транспорт, ваучери за такси, спортни абонаменти и т.н. За едно нещо обаче съм сигурен – ИТ секторът в България растеше бурно, защото държавните институции стояха в страни. Ако държавата ще се намесва, то трябва да е със стимули, а не с правила и ограничения. Държави като Швейцария водят по брой патенти в Европа и това не е случайност, и не е защото са „богата държава“. А предлагат данъчни облекчения за разходи за нови разработки и инвестиции в собствени продукти (“R&D tax relief”). Така остават повече пари за развитие на компанията и хората в нея. ИТ общността ни трябва да постави по-високи цели пред себе си, защото можем повече!

Интервюто проведе Вяра Стефчева

Четете още по темата “Пазарът на ИТ кадри от А до Я”

Любопитно

Гладът за кадри & Решението: “Във всеки дом – програмист”

21 октомври, 2019

Няма коментари