О компании
Производственная группа с собственным R&D-центром (700+ сотрудников).
Головной офис — Екатеринбург, филиалы: Пермь и Казань.
Формат работы: гибрид (2 дня офис, 3 дня удалённо).
Проблема
Клиенту требовался Python Developer (Middle+) в AI-департамент, занимающийся внедрением решений видеоаналитики на производстве.
Стек: Python, FastAPI, OpenCV, PyTorch, Docker, PostgreSQL.
Ключевые требования:
- опыт внедрения CV-решений в прод;
- умение развернуть inference-сервис без DevOps;
- способность объяснить результаты модели нематематикам.
Сложности:
- редкий стек (Python + CV + MLOps без поддержки),
- ограниченный бюджет — 220–240 тыс. ₽ при рынке 280+,
- вакансия под NDA, без публичного размещения,
- срок закрытия: до конца месяца.
- Первичный фокус — Урал, позже расширили географию до всей России с релокацией в Екатеринбург или Казань.
Наш подход
Гибридный сорсинг
Использовали прямой outreach в CV-сообществах и Slack-каналах:
ML Engineers, Open Data Science, ML Telegram Russia.
Проводили поиск по GitHub и рассылки по собственной базе Nova Team.
Работа с возражениями
Продвигали вакансию не через “код ради кода”, а как возможность влиять на реальный продукт.
Отрабатывали возражения «завод — это скучно» через демонстрацию реальных видео-демо и истории команды R&D.
Процесс отбора
- Технический скрининг: проводил Senior ML Engineer клиента (через GitHub code review).
- HR-интервью: Nova Team, с фокусом на темпе, коммуникации и умении презентовать решения.
- Тестовое задание: мини-проект по обработке видеопотока (до 4 часов).
Перед стартом мы провели экспресс-исследование:
- Средняя вилка по России — 250–320 тыс. ₽
- В активном поиске около 90 релевантных профилей
- Основные конкуренты по офферам: Sber AI, VisionLabs, Yadro AI
Взаимодействие с клиентом
- 2 синка в неделю (HR + Head of AI)
- На стороне клиента: CTO и Senior ML Engineer
- На стороне Nova Team: IT-рекрутер и сорсер
- Передали гайд по онбордингу для нового сотрудника
Результат
- 127 контактов
- 41 ответ
- 15 интервью
- 6 дошли до финала
- 2 оффера / 1 принят
- Срок закрытия: 23 дня
Проект по внедрению CV-аналитики запущен в срок.
Сохранили бюджет в рамках лимита и сократили нагрузку на внутренний HR-департамент примерно на 45 часов.