创始人 · CurriculoATS
目前在出货 · 布鲁克林，纽约前亚马逊机器学习工程师。花了大约十年时间构建大规模的排名和推荐系统，然后将相同的工具应用于每个人职业生涯的组成部分：找到工作。
创始人前亚马逊布鲁克林，纽约排名与机器学习一位在招聘桌子两边都有经验的创始人。
在 CurriculoATS 之前，Dev 在决定人们看到什么的系统内部呆了多年。推荐引擎。排名管道。将数十亿输入内容分类为五个或十个重要内容的机器。这样的工作教给你一个隐秘的真理：排名的真实性仅取决于你输入的信号。如果信号错误，整个过程就会大规模清洗偏见。
这个教训伴随 Dev 进入招聘。当他看到团队通过关键字过滤器筛选简历，这些过滤器奖励的是简历优化，而不是实际工作，然后抱怨当短名单显得单薄时，这种差距变得无法忽视。招聘工具所测量的与招聘实际需要之间的差距成为了不容忽视的事实。Curriculo 开始作为答案：一个根据候选人所构建的内容得分的系统，而不是他们知道如何输入的内容。
“关键字匹配奖励的是那些已经知道游戏规则的人。结果奖励的是那些实际工作的人。”
Dev · 创始人寻求的路径，简要。
Dev 的背景位于机器学习和生产软件交汇处。在 Synopsys，工作围绕必须在大规模上精确的系统：那种工程，其中一个失误的失败是以硅片为单位计算的，而不是以票据为单位。在亚马逊，则是排名和推荐：每天数十亿个决策，每一个都是关于一个人下一个可能想要什么的微小判断。
这种组合，严谨加相关性，是 Curriculo 对招聘的思考脊柱。影响评分不是魔法。它是建立在招聘经理实际会引用的信号上的排序功能，如果他们必须大声解释他们的决定。
职业笔记
十二年的积累，一个始终如一的问题。
每一个角色都塑造了 Curriculo 的排名方式：什么算作证据，什么算作噪声，不能分辨时谁来买单。
早期职业 · Synopsys为精确性而工程。软件和机器学习工作，容差紧密，错误的答案代价高昂。这里确立了对可测信号（数字，而不是感觉）的偏向。亚马逊 · 排名与推荐学习排名系统的失败。多年在系统中对不同类型的候选人进行排名：产品、结果、内容。每一种在大规模排名中失败模式（反馈循环、冷启动、不良代理）现在在招聘软件中也体现出来。值得注意。2024 · Curriculo 在布鲁克林成立首先从简历方面开始。Curriculo.me 启动，帮助候选人以招聘经理阅读简历的方式撰写简历：围绕结果构建，而不是流行词。十千名候选人之后，出色简历的形式是数据，而非意见。今天 · CurriculoATS评分简历实际内容的申请跟踪系统。相同的信号框架反向运行：一个申请跟踪系统，能够按照 Curriculo 教候选人写简历的方式解读简历。早期团队招聘 5-200 人，使用它来用一个 0-100 的影响评分取代关键字过滤器，该评分经得起审查。Dev 的构建目标
值得信赖的 ATS 的三个不可妥协条件。
01结果优先于形容词。
评分所产生的收益、团队规模、系统出货。从不堆积形容词。
02统一定价，无每位员工的玩法。
每个计划中无限制的团队成员。招聘本身已经充满压力；账单不应该再增加另一层。
03默认可审计。
每个评分都有其下方的推理段落。人类可以在房间里辩护的决定。
根据数字