Гэтая карцінка, за аўтарствам Артура Кузіна (), дастаткова дакладна сумуе змест блог паста. Як следства, далейшае апавяданне павінна ўспрымацца хутчэй як пятнічная гісторыя, чым як нешта вельмі карыснае і тэхнічнае. Акрамя таго, варта адзначыць, што тэкст насычаны англійскімі словамі. Нейкія з іх я не ведаю, як правільна перавесці, а нейкія перакладаць проста не хочацца.
Аб тым, як праходзіў пераход з асяроддзя акадэмічнай у сераду індустрыяльную раскрыта ў першых двух серыях. У гэтай жа, размова пойдзе аб тым, што было далей.
Ішоў студзень 2017 года. На той момант у мяне было крыху больш за год працоўнага стажу і працаваў я ў Сан-Францыска ў кампаніі як Sr. Data Scientist.
TrueAccord - гэта стартап, які займаецца зборам даўгоў. Па-простаму - калектарскае агенцтва. Звычайна калектары шмат тэлефануюць. Мы ж дасылалі шмат email'аў, а тэлефанавалі мала. Кожны email вёў на сайт кампаніі, дзе даўжніку прапаноўвалася зрабіць скідку на доўг, ды яшчэ і дазволіць плаціць у растэрміноўку. Такі падыход прыводзіў да лепшай збіральнасці, дазваляў маштабавацца і менш усустраваць на судовыя пазовы.
Кампанія была нармальная. Прадукт зразумелы. Кіраўніцтва разумнае. Месцазнаходжанне ўдалае.
У сярэднім, у даліне людзі працуюць на адным месцы каля паўтара года. Гэта значыць любая кампанія, у якой вы працуеце - гэта толькі невялікая прыступка. На гэтай прыступцы вы падымеце крыху грошай, набудзеце новыя веды, навыкі, сувязі і радкі ў рэзюмэ. Пасля гэтага ідзе пераход на наступную прыступку.
У самім TrueAccord я займаўся тым, што прыкручваў рэкамендацыйныя сістэмы да email рассыланням, а таксама да прыярытызацыі тэлефонных званкоў. Impact зразумелы і праз A/B тэсціраванне дастаткова добра вымяраўся ў доларах. Так як да майго прыходу машыннага навучання толкам не было, то і impact ад маёй працы быў нядрэнны. Ізноў жа, паляпшаць нічога значна прасцей, чым нешта, што ўжо моцна аптымізавана.
Мне нават base pay паднялі пасля паўгода працы над гэтымі сістэмамі з $150k да $163k. У супольнасці ёсць мем пра $163k. Нагамі ён расце менавіта адсюль.
Усё гэта было цудоўна, але нікуды не вяло ці вяло, але не туды.
Да TrueAccord, як да кампаніі, так і да рабят, з якімі я там працаваў, я стаўлюся з вялікай павагай. Я шмат чаму ў іх навучыўся, але доўга працаваць над рэкамендацыйнымі сістэмамі ў калектарскім агенцтве не хацелася. З гэтай прыступкі трэба было крочыць у нейкі бок. Калі не наперад і ўверх, то хаця б убок.
Што мне не падабалася?
- З пункту гледжання машыннага навучання задачы мяне не ўзбуджалі. Жадалася чагосьці моднага, моладзевага, гэта значыць Deep Learning, Computer Vision, чагосьці, хутчэй, блізкага да навукі ці хаця б да алхіміі.
- Стартап, ды яшчэ калектарскае агенцтва, мае праблемы з наймам высокакваліфікаванага персанала. Як стартап ён не можа шмат плаціць. А як калектарскае агенцтва ён прайграе па статутнасці. Грубіянска кажучы, калі дзяўчына на спатканні спытае, дзе ты працуеш? Твой адказ: "У гугле" гучыць на парадкі лепш чым у "калектарскім агенцтве". Мяне злёгку напружвала тое, што ў знаёмых, якія працуюць у Google, Facebook, у адрозненне ад мяне, імя іх кампаніі адчыняла дзверы тыпу: цябе могуць запрасіць на канферэнцыю ці мітап, як спікера, ці ж цікавейшыя людзі пішуць на LinkedIn з прапановай сустрэнецца пагутарыць за чаркай гарбаты. Я вельмі люблю размаўляць з незнаёмымі мне людзьмі ўжывую. Так што калі вы пражываеце ў Сан-Францыска, не саромейцеся пісаць - сходзім на каву, пагаворым.
- Акрамя мяне ў кампаніі працавала тры Data Scientist'a. Я займаўся машынным навучаннем, а яны займаліся іншымі Data Science задачамі, якіх у любым стартапе адсюль і да заўтра. Як вынік, у машынным навучанні яны толкам не разбіраліся. А мне, каб расці, трэба з кімсьці размаўляць, абмяркоўваць артыкулы і апошнія напрацоўкі, прасіць парады, у рэшце рэшт.
Што было ў наяўнасці?
- Адукацыя фізіка, а не computer science.
- Адзіная мова праграмавання, якую я ведаў – Python. Было пачуццё, што і з C++ трэба перайсці на ты, але рукі ўсё ніяк не даходзілі.
- Год з капейкамі працы ў індустрыі. Прычым на працы я не займаўся ні Deep Learning, ні Computer Vision.
- Ніводнага артыкула па Deep Learning / Computer Vision у рэзюмэ.
- Была ачыўка Kaggle Master.
Чаго хацелася?
- Пазіцыю, на якой трэба будзе трэніраваць шмат сетак, прычым бліжэй да камп'ютарнага зроку.
- Лепш, каб гэта была вялікая кампанія кшталту Google, Tesla, Facebook, Uber, LinkedIn, і г.д. Хаця ў крайнім выпадку падышоў бы і стартап.
- Трэба, каб у камандзе я не быў самым вялікім экспертам па машынным навучанні. Вельмі патрэбны былі старэйшыя таварышы, ментары і разнастайныя зносіны, якія павінны былі паскорыць працэс навучання.
- Абчытаўшыся блог пастоў аб тым, як выпускнікі без індустрыяльнага вопыту маюць total compensation $300-500k у год, хацелася сысці ў той жа дыяпазон. Не тое, каб мяне з гэтага моцна бамбіла, але раз кажуць што гэтая распаўсюджаная з'ява, а ў мяне пры гэтым менш, то гэта сігнал.
Задача выглядала суцэль развязальнай, праўда не ў тым сэнсе, што можна з нагі заходзіць у любую кампанію, а хутчэй, што калі браць зморам, тое ўсё атрымаецца. Гэта значыць дзясяткі-сотні спроб, і боль ад кожнай няўдачы і кожнага rejection, выкарыстоўваць на тое, каб абвастрыць фокус, палепшыць памяць і расцягнуць суткі да 36 гадзін.
Я падправіў рэзюмэ, пачаў рассылаць і хадзіць на інтэрв'ю. Міма большай часткі я пралятаў яшчэ на стадыі зносін з HR. Шматлікім патрабаваўся C++, а шляхта я яго не ведаў і было ўстойлівае пачуццё, што на пазіцыях, на якіх патрабуецца C++ мне будзе не вельмі цікава.
Варта адзначыць, што прыкладна ў той жа час адбыўся фазавы пераход у тыпе спаборніцтваў на Kaggle. Да 2017 года было шмат таблічных дадзеных і вельмі рэдка карцінкавыя, а вось пачынаючы з 2017 года пайшло шмат задач на кампутарны зрок.
Жыццё пацякла ў рэжыме:
- Днём праца.
- Калі tech screen/onsite бярэш time off.
- Па вечарах і выходных Kaggle + артыкулы / кніжкі / блог пасты
Канец 2016 года адзначыўся тым, што я далучыўся да супольнасці , што вельмі шмат усяго спрасціла. У супольнасці хапае рабят з багатым індустрыяльным досведам, што дазволіла задаваць шмат дурных пытанняў і атрымліваць шмат разумных адказаў. Таксама там хапае вельмі моцных адмыслоўцаў па машынным навучанні ўсіх масцей, што, нечакана, дазволіла мне праз ODS зачыніць пытанне з рэгулярнымі глыбокімі зносінамі пра Data Science. Да гэтага часу, у разрэзе ML, ODS мне дае ў разы больш, чым я атрымліваю на працы.
Ну і, як водзіцца, у ODS хапае адмыслоўцаў па спаборніцтвах на Kaggle і іншых пляцоўках. У калектыве вырашаць задачы весялей і прадуктыўней, так што з жартамі, мацюкамі, мемамі і іншымі батанічнымі забаўкамі мы пачалі секчы задачы адну за адной.
У сакавіку 2017 - у камандзе з Сяргеем Мушынскі - трэцяе месца за . Залаты медаль на Kaggle + $20k на дваіх. На гэтай задачы была прапампаваная праца са спадарожнікавымі здымкамі + бінарная сегментацыя праз UNet.
У тым жа сакавіку я схадзіў на інтэрв'ю ў NVidia у каманду Self Driving. Моцна плыў на пытаннях пра Object Detection. Ведаў не хапала.
На поспех, у гэты ж час пачалося спаборніцтва па Object Detection на aerial imagery ад тых жа DSTL. Сам бог загадаў вырашаць задачу і перапампоўвацца. Месяц па вечарах і выходных. Я нахапаўся ведаў і фінішаваў другім. У гэтым спаборніцтве быў цікавы нюанс у правілах, які прывёў да таго, што мяне паказвалі ў Расіі па федэральных і не вельмі каналах. Я трапіў на , і ў кучу друкаваных і інтэрнэт выданняў. Mail Ru Group атрымаў крыху станоўча PR за мой кошт і свае грошы, а фундаментальная навука Расіі ўзбагацілася на 12000 фунтаў. Як водзіцца, на гэтую тэму быў напісаны . За падрабязнасцямі туды.
У гэты ж час са мной звязаўся рекрутер "Теслы" і прапанаваў пагутарыць на тэму Computer Vision пазіцыі. Я пагадзіўся. Ліха прайшоў take home, два tech screen, onsite interview, вельмі прыемна паразмаўляў з Andrei Karpathy, якога як раз нанялі ў Теслу, як Director'а of AI. Наступная стадыя - background check. Пасля гэтага Elon Musk павінен быў асабіста ўхваліць маю заяўку. У Tesla цвёрдае Non Disclosure Agreement (NDA).
Backgound check я не мінуў. Рэкрутар сказаў, што я шмат траплюся online, парушаючы NDA. Адзінае месца, дзе я нешта казаў пра інтэрв'ю ў Tesla – гэта ODS, так што бягучая гіпотэза, што нехта зрабіў screenshot і напісаў HR у Tesla, і мяне знялі c забегу ад граху далей. Тады было крыўдна. Цяпер я радуюся, што не зраслося. Мая бягучая пазіцыя значна лепшая, хоць папрацаваць з Андрэем было б вельмі цікава.
Адразу пасля гэтага я акунуўся ў спаборніцтва па спадарожнікавых здымках на Kaggle ад . Задача была простая і вельмі сумная, нікому вырашаць яе не хацелася, але дармовую залаты медаль або прызавыя хацелася ўсім. Таму камандай Kaggle Master'аў з 7 чалавек мы сышліся на тым, што будзем закідваць жалезам. Натрэніравалі 480 сетак у рэжыме 'fit_predict' і зрабілі з іх трохпавярховы ансамбль. Фінішавалі сёмымі. . Дарэчы, Jeremy Howard, які шырока вядомы як стваральнік скончыў 23.
Пасля заканчэння спаборніцтва праз знаёмага, які працаваў у AdRoll, на іх пляцах я арганізаваў Meetup. Там выступілі прадстаўнікі Planet Labs аб тым, як выглядала арганізацыя спаборніцтва і разметка даных з іх боку. Wendy Kwan, якая працуе ў Kaggle і курыравала спаборніцтва, расказала пра тое, як бачыла гэта яна. Я апісаў нашае рашэнне, трукі, прыёмы і тэхнічныя дэталі. Дзве траціны аўдыторыі вырашала гэтую задачу, таму пытанні задаваліся па справе і ўвогуле ўсё было крута. Jeremy Howard тамака таксама быў. Высветлілася, што завяршыў ён на 23 месцы, таму што не ведаў як шклянкі мадэлі і што наогул не ведаў пра такі метад пабудовы ансамбляў.
Мітапы ў даліне па машынным навучанні моцна адрозніваюцца ад мітапаў у Маскве. Як правіла, мітапы ў даліне - гэта дно. Але вось наш атрымаўся добры. Нажаль таварыш, які павінен быў націснуць на кнопку і ўсё запісаць, на кнопку не націснуў 🙁
Пасля гэтага мяне запрасілі паразмаўляць на пазіцыю Deep Learning Engineer у гэты самы Planet Labs, прычым адразу на onsite. Яго я не прайшоў. Фармулёўка адмовы - недастаткова ведаў у Deep Learning.
Кожнае спаборніцтва я афармляў як project у . Па задачы DSTL мы напісалі і выклалі на arxiv. Не артыкул, але і тое хлеб. Усім астатнім таксама рэкамендую раздуць LinkedIn profile праз спаборніцтвы, артыкулы, скілы і іншае волала. Дадатная карэляцыя паміж тым, колькі ключавых слоў у вас у профілі ў LinkedIn, і тым, як часта вам пішуць ёсць.
Калі зімой-вясной я моцна плыў па тэхнічнай частцы, то да жніўня з'явіліся і веды, і ўпэўненасць у сабе.
У канцы ліпеня на LinkedIn са мной звязаўся хлопец, які працаваў як Data Science manager у Lyft і запрасіў выпіць кавы, пагутарыць за жыццё, за Lyft, за TrueAccord. Пагутарылі. Ён прапанаваў паінтэрв'юяваць да яго ў каманду на пазіцыю Data Scientist. Я сказаў, што варыянт працоўны, пры ўмове, што гэта Computer Vision / Deep Learning з раніцы і да вечара. Ён запэўніў, што з яго боку пярэчанняў няма.
Я даслаў рэзюмэ, ён закінуў ва ўнутраны партал Lyft. Пасля гэтага мне патэлефанаваў рекрутеры, каб раскрыць рэзюмэ і даведацца пра мяне пабольш. З першых жа слоў павеяла, што для яго гэта фармальнасць, бо яму і па рэзюмэ відавочна, што "I am not a material for Lyft". Мяркую, што пасля гэтага маё рэзюмэ пайшло ў смеццевы кошык.
Увесь гэты час, пакуль я інтэрв'юяваўся, я абмяркоўваў свае няўдачы і падзенні ў ODS і рабяты давалі мне feedback і ўсяляк дапамагалі парадамі, хоць, як водзіцца, сяброўскага тролінга тамака таксама хапала.
Адзін з чальцоў ODS прапанаваў звесці мяне з яго прыяцелем, які як раз Director Of Engineering у Lyft. Сказана - зроблена. Я прыходжу на абед у Lyft, а там акрамя гэтага прыяцеля яшчэ Head of Data Science і адзін Product manager, які вялікі фанат Deep Learning. На абедзе пагутарылі за DL. А бо я ўжо падлогу года трэніраваў сеткі 24/7, абчытваўся кубаметрамі літаратуры, ды ганяў задачы на Kaggle з больш-менш выразным вынікамі я мог казаць пра Deep Learning гадзінамі, прычым, як у разрэзе новых артыкулаў, так і ў разрэзе практычных прыёмаў .
Пасля абеду яны паглядзелі на мяне і кажуць - адразу відаць, што ты прыгажун, не хочаш да нас пагутарыць? Прычым дадалі, што па мне зразумела, што take home+tech screen можна прапусціць. І што мяне запросяць адразу на onsite. Я пагадзіўся.
Пасля гэтага мне патэлефанаваў той рекрутеры, каб прызначыць само onsite interview, прычым незадаволены. Мармытаў нешта там пра тое, што не трэба цераз галаву скакаць.
Прыйшоў. Onsite interview. Пяць гадзін зносін з рознымі людзьмі. Ніводнага пытання не тое што пра Deep Learning, пра машыннае навучанне ў прынцыпе нічога не было. Калі няма Deep Learning / Computer Vision, то мне гэта не цікава. Так што вынікі інтэрв'ю былі артаганальныя.
Тэлефануе гэты рекрутеры і кажа - віншую, ты прайшоў на другое onsite інтэрв'ю. Гэта ўсё выклікае здзіўленне. Які яшчэ другі onsite? Я пра такое і не чуў ні разу. Схадзіў. Там пару гадзін, на гэты раз усё пра традыцыйнае машыннае навучанне. Гэта ўжо лепей. Але ўсё роўна не цікава.
Тэлефануе рекрутеры з віншаваннем, што я прайшоў на трэцяе onsite interview і клятвенна абяцае, што вось гэта будзе апошняе. Схадзіў і на яго і вось тут быў і DL, і CV.
У мяне быў шматмесячны prior, які казаў мне, што афёра не будзе. Злечу не на тэхнічных скілах, дык на soft. Не на soft, дык на тым, што пазіцыю зачыняць ці што кампанія пакуль не наймае, а проста мацае рынак і ўзровень кандыдатаў.
Сярэдзіна жніўня. Я нармальна выпіў піва. Думкі змрочныя. Прайшло 8 месяцаў, а афёра ўсё няма. Пад півам добра крэатывіцца, асабліва калі крэатыў гэты дзіўны. Мне ў галаву прыходзіць ідэя. Я ёй дзялюся з Аляксеем Швецам, які на той момант быў postdoc'ам у MIT.
А што калі ўзяць бліжэйшую канферэнцыю па DL/CV, паглядзець спаборніцтвы, якія ў рамках яе праводзяцца, што-небудзь натрэніраваць і зрабіць саміт? Бо там усе эксперты, якія на гэтым будуюць свае кар'еры, і займаліся гэтым шмат месяцаў ці нават гадоў, то шанцаў у нас няма. Але гэта не страшна. Які робіцца па нейкім асэнсаваным сабміту, ляцім на ім на апошняе месца, а пасля гэтага пішам pre-print або артыкул аб тым, што мы не такія, як усё і распавядаем аб нашым рашэнні. А артыкул ужо ў LinkedIn і ў рэзюмэ.
Гэта значыць накшталт і па справе і больш правільных ключавых слоў у рэзюмэ, што павінна крыху павялічыць шанцы дабрацца да tech screen. Код і сабміты з мяне, тэксты з Аляксея. Дзічына, вядома, але чаму б і не?
Сказана-зроблена. Бліжэйшая канферэнцыя, якую мы загуглілі, была MICCAI і там і праўда былі спаборніцтвы. Мы ткнулі ў першае ж. Гэта было . У задачы 3 падзадачы. Да дэдлайна заставалася 8 дзён. З раніцы я працверазеў, але ідэю не адкінуў. Узяў свае пайплайны з Kaggle, перабіў са спадарожнікавых дадзеных на медыцынскія. 'fit_predict'. Аляксей падрыхтаваў двухстаронкавае апісанне рашэнняў па кожнай задачы, і мы адаслалі. Гатова. У тэорыі можна выдыхнуць. Але высветлілася, што на гэты ж workshop ёсць яшчэ адна задача () з трыма падзадачамі і што ў яе дэдлайн ссунулі на 4 дні, гэта значыць мы можам і туды зрабіць 'fit_predict' і адправіць. Так мы і зрабілі.
У адрозненне ад Kaggle у гэтых спаборніцтваў была свая акадэмічная спецыфіка:
- Ніякага Leaderboard. Сабміты адпраўляюцца па email.
- Цябе здымаюць, калі прадстаўнік каманды не прыехаў уявіць рашэнне на канферэнцыю на Workshop.
- Тваё месца на лідэрбордзе становіцца вядома толькі падчас канферэнцыі. Гэткі акадэмічны драматызм.
Канферэнцыя MICCAI 2017 праходзіла ў Quebec City. Скажу сапраўды, да верасня - я пачаў выгараць, так што ідэя ўзяць тыдзень адпачынку на працы і зматацца ў Канаду выглядала цікава.
Прыехаў на канферэнцыю. Прыйшоў на гэты Workshop, нікога не ведаю, сяджу ў куце. Усе адзін аднаго ведаюць, нешта там размаўляюць, сыпяць разумнымі медыцынскімі словамі. Агляд першага спаборніцтва. Выступаюць удзельнікі, расказваюць пра свае рашэнні. Там ліха накручана, з агеньчыкам. Мая чарга. А мне неяк нават сорамна. Яны-то задачу вырашалі, працавалі над ёй, навуку рухалі, а мы чыста - fit_predict з мінулых напрацовак, не для навукі, а каб рэзюмэ качнуць.
Выйшаў, сказаў, што я не эксперт і ў медыцыне па нулях, папрасіў прабачэння за тое, што марную іх час, паказаў адзін слайд з рашэннем. Спусціўся ў залу.
Аб'яўляюць першую падзадачу - мы першыя, прычым з адрывам.
Аб'яўляюць другую - трэція.
Аб'яўляюць трэцюю - зноў першыя і зноў з адрывам.
Агульнае - першае.
Некаторыя ў аўдыторыі ўсміхаюцца - глядзяць на мяне з павагай. У іншых жа, тых, хто, відаць, лічыўся экспертам у вобласці, выбіў грант на гэтую задачу і шмат гадоў гэтым займаўся, асобы крыху перакасіла.
Далей - другая задача, тая, у якой тры падзадачы і якую пасунулі на чатыры дні.
Тут я таксама папрасіў прабачэння, зноў паказаў наш адзін слайд.
Тая ж гісторыя. Два першыя, адно другое, агульнае першае.
Я думаю, што, напэўна, гэта першы ў гісторыі выпадак, калі калектарскае агенцтва выйграла спаборніцтвы па медыцынскіх выявах.
І вось стаю я на сцэне, мне ўручаюць нейкі чарговы дыплом і мяне бамбіць. Як жа, вашу маці, так? Гэтыя акадэмікі марнуюць грошы падаткаплацельшчыкаў, працуюць над тым, каб спрасціць і палепшыць якасць працы дактароў, гэта значыць, у тэорыі, і маю працягласць жыцця, а нейкае цела парвала ўвесь гэты акадэмічны калектыў на брытанскі сцяг за некалькі вечароў.
Бонусам да гэтага - у іншых камандах у аспірантаў якія гэтымі задачамі шмат месяцаў займаліся, будзе сімпотнае для HR'аў рэзюмэ, гэта значыць да tech screen яны дойдуць лёгка. А ў мяне перад вачыма стаіць свежа атрыманы email:
A Googler recently referred you for the Research Scientist, Google Brain (United States) role. We carefully reviewed your background and experience and decided not to proceed with your application at this time.Увогуле, прама са сцэны, я і пытаю аўдыторыю: "А вось хто-небудзь ведае, дзе я працую?" Адзін з арганізатараў спаборніцтва ведаў - ён загугліў, што такое TrueAccord. Астатнія - не. Працягваю: «Працую я ў калектарскім агенцтве, і на працы я не займаюся ні Computer Vision, ні Deep Learning. А шмат у чым, гэта адбываецца, таму што HR аддзелы Google Brain і Deepmind фільтруюць маё рэзюмэ, не даючы шанцаў паказаць тэхнічную падрыхтоўку. «
Уручылі грамату, перапынак. Мяне адклікае ў бок група акадэмікаў. Высветлілася, што гэта Health гурт з Deepmind. Яны так прасякнуліся, што адразу захацелі са мной пагутарыць на тэму вакансіі Research Engineer у іх камандзе. (Мы, ткі, пагутарылі. Гэтыя зносіны зацягнуліся на 6 месяцаў, я мінуў take home, quiz, але зразаўся на tech screen. 6 месяцаў ад пачатку зносін да tech screen — гэта доўга. Доўгае чаканне надае прысмак непатрэбнасці. Research Engineer у Deepmind у (Лондане, на фоне TrueAccord быў моцны step up, але на фоне маёй бягучай пазіцыі гэта step down. З дыстанцыі ў два гады, якія з тых часоў прайшлі, добра, што не прайшоў.)
Заключэнне
Прыкладна ў той жа час мне, ткі, прыйшоў offer ад Lyft, які я прыняў.
Па выніках гэтых двух спаборніцтваў з MICCAI былі апублікаваны:
Гэта значыць, нягледзячы на ўсю дзікасць ідэі, дадаць інкрыментальных артыкулаў і прэпрынтаў праз спаборніцтвы працуе добра. А ў наступныя гады мы яшчэ і пагоршылі.
Апошнія пару гадоў я працую ў Lyft, займаючыся Computer Vision / Deep Learning для Self Driving машын. То бок, што хацеў, тое і атрымаў. І задачы, і статутную кампанію, і моцных калег, і ўсе астатнія плюшкі.
За гэтыя месяцы ў мяне былі зносіны, як з вялікімі кампаніямі Google, Facebook, Uber, LinkedIn, так і з морам стартапаў рознай велічыні.
Усе гэтыя месяцы было балюча. Сусвет кожны дзень кажа табе, што нешта не вельмі прыемнае. Рэгулярны rejection, рэгулярна робіш памылкі і ўсё гэта закрашана устойлівым пачуццём безвыходнасці. Гарантый, што ў цябе ўсё атрымаецца няма, а вось пачуццё, што ты дурань - ёсць. Вельмі нагадвае тое, як я спрабаваў працаўладкавацца адразу пасля ўнівера.
Я думаю, што шмат хто шукаў працу ў даліне і ў іх усё праходзіла моцна прасцей. Фокус, на мой погляд вось у чым. Калі шукаць працу ў вобласці, у якой ты разбіраешся, маеш багаты вопыт і тваё рэзюмэ кажа пра гэта ж - праблем няма. Узяў, ды знайшоў. Вакансій мора.
А вось калі шукаць працу ў новай для сябе вобласці, гэта значыць калі ведаў няма, сувязяў няма і рэзюмэ кажа не пра тое - у гэты момант усё становіцца вельмі цікава.
Вось прама цяпер мне рэгулярна пішуць рекрутеры і прапануюць заняцца тым жа, чым я займаюся зараз, але ў іншай кампаніі. Працу і праўда пара мяняць. Але ісці займацца тым, што я і так добра ўмею няма сэнсу. Навошта?
А вось пад тое, чаго мне жадаецца ў мяне зноў няма ні ведаў, ні радкоў у рэзюмэ. Паглядзім, чым гэта ўсё скончыцца. Калі ўсё зрасцецца напішу наступную частку. 🙂
Крыніца: habr.com