Dieses Bild ist von Arthur Kuzin (), fasst den Inhalt des Blogbeitrags recht treffend zusammen. Daher sollte die folgende Erzählung eher als Freitagsgeschichte denn als etwas äußerst Nützliches und Technisches wahrgenommen werden. Darüber hinaus ist es erwähnenswert, dass der Text reich an englischen Wörtern ist. Ich weiß nicht, wie ich einige davon richtig übersetzen soll, und einige möchte ich einfach nicht übersetzen.
Wie der Übergang von einem akademischen Umfeld in ein industrielles Umfeld vollzogen wurde, wird in den ersten beiden Episoden offenbart. In diesem Gespräch wird es darum gehen, was als nächstes geschah.
Es war Januar 2017. Zu diesem Zeitpunkt hatte ich etwas mehr als ein Jahr Berufserfahrung und arbeitete in San Francisco im Unternehmen wie Sr. Datenwissenschaftler.
TrueAccord ist ein Inkasso-Startup. Vereinfacht gesagt: ein Inkassobüro. Sammler rufen normalerweise viel an. Wir haben viele E-Mails verschickt, aber nur wenige Anrufe getätigt. Jede E-Mail führte zur Website des Unternehmens, wo dem Schuldner ein Rabatt auf die Schulden angeboten und ihm sogar die Möglichkeit gegeben wurde, in Raten zu zahlen. Dieser Ansatz führte zu einer besseren Erhebung, ermöglichte eine Skalierung und verringerte die Gefahr von Klagen.
Das Unternehmen war normal. Das Produkt ist klar. Das Management ist vernünftig. Die Lage ist gut.
Durchschnittlich arbeiten die Menschen im Tal etwa anderthalb Jahre an einem Ort. Das heißt, jedes Unternehmen, für das Sie arbeiten, ist nur ein kleiner Schritt. In diesem Schritt sammeln Sie etwas Geld und erwerben neue Kenntnisse, Fähigkeiten, Verbindungen und Zeilen in Ihrem Lebenslauf. Danach erfolgt der Übergang zur nächsten Stufe.
Bei TrueAccord selbst war ich an der Anbindung von Empfehlungssystemen an E-Mail-Newsletter sowie an der Priorisierung von Telefonanrufen beteiligt. Die Wirkung ist verständlich und wurde durch A/B-Tests recht gut in Dollar gemessen. Da es vor meiner Ankunft kein maschinelles Lernen gab, waren die Auswirkungen meiner Arbeit nicht schlecht. Auch hier ist es viel einfacher, etwas zu verbessern als etwas, das bereits stark optimiert ist.
Nachdem ich sechs Monate lang an diesen Systemen gearbeitet hatte, erhöhten sie sogar mein Grundgehalt von 150 $ auf 163 $. In der Gemeinschaft Es gibt ein Meme über 163 US-Dollar. Von hier aus wächst es mit seinen Beinen.
Das alles war wunderbar, aber es führte nirgendwo hin, oder es führte, aber nicht dorthin.
Ich habe großen Respekt vor TrueAccord, sowohl vor dem Unternehmen als auch vor den Leuten, mit denen ich dort zusammengearbeitet habe. Ich habe viel von ihnen gelernt, aber ich wollte nicht lange an Empfehlungssystemen in einem Inkassobüro arbeiten. Von diesem Schritt aus musste man in eine bestimmte Richtung gehen. Wenn nicht nach vorne und nach oben, dann zumindest seitwärts.
Was hat mir nicht gefallen?
- Aus Sicht des maschinellen Lernens haben mich die Probleme nicht begeistert. Ich wollte etwas Modisches, Jugendliches, das heißt Deep Learning, Computer Vision, etwas, das der Wissenschaft oder zumindest der Alchemie ziemlich nahe kommt.
- Ein Startup und sogar ein Inkassobüro haben Probleme, hochqualifiziertes Personal einzustellen. Als Startup kann es nicht viel bezahlen. Aber als Inkassobüro verliert es an Status. Grob gesagt, wenn ein Mädchen bei einem Date fragt, wo du arbeitest? Ihre Antwort: „Bei Google“ klingt um Größenordnungen besser als „Inkassobüro“. Etwas gestört hat mich die Tatsache, dass für meine Freunde, die im Gegensatz zu mir bei Google und Facebook arbeiten, der Name ihres Unternehmens Türen öffnete wie: Man kann als Redner zu einer Konferenz oder einem Meetup eingeladen werden oder interessantere Leute schreiben auf LinkedIn mit dem Angebot, sich zu einem Plausch bei einem Glas Tee zu treffen. Ich liebe es wirklich, mit Leuten zu kommunizieren, die ich nicht persönlich kenne. Wenn Sie also in San Francisco leben, zögern Sie nicht zu schreiben – lass uns einen Kaffee trinken und reden.
- Neben mir arbeiteten drei Data Scientists im Unternehmen. Ich habe an maschinellem Lernen gearbeitet, und sie haben an anderen Data-Science-Aufgaben gearbeitet, die in jedem Startup von hier bis morgen üblich sind. Infolgedessen verstanden sie maschinelles Lernen nicht wirklich. Aber um zu wachsen, muss ich mit jemandem kommunizieren, Artikel und die neuesten Entwicklungen diskutieren und am Ende um Rat fragen.
Was war verfügbar?
- Ausbildung: Physik, nicht Informatik.
- Die einzige Programmiersprache, die ich kannte, war Python. Ich hatte das Gefühl, dass ich auf C++ umsteigen müsste, aber ich kam immer noch nicht dazu.
- Eineinhalb Jahre Arbeit in der Branche. Außerdem habe ich bei der Arbeit weder Deep Learning noch Computer Vision studiert.
- Kein einziger Artikel zum Thema Deep Learning/Computer Vision im Lebenslauf.
- Es gab einen Kaggle-Meister-Erfolg.
Was wolltest du?
- Eine Position, in der es notwendig sein wird, viele Netzwerke zu trainieren und näher an Computer Vision heranzukommen.
- Es ist besser, wenn es sich um ein großes Unternehmen wie Google, Tesla, Facebook, Uber, LinkedIn usw. handelt. Zur Not würde aber auch ein Startup genügen.
- Ich muss nicht der größte Experte für maschinelles Lernen im Team sein. Es bestand ein großer Bedarf an hochrangigen Kameraden, Mentoren und jeglicher Art von Kommunikation, die den Lernprozess beschleunigen sollte.
- Nachdem ich Blogbeiträge darüber gelesen hatte, dass Absolventen ohne Industrieerfahrung eine Gesamtvergütung von 300 bis 500 US-Dollar pro Jahr erhalten, wollte ich in die gleiche Größenordnung vordringen. Es ist nicht so, dass mich das so sehr stört, aber da man sagt, dass dies ein häufiges Phänomen ist, ich aber weniger habe, dann ist das ein Signal.
Die Aufgabe schien völlig lösbar, allerdings nicht in dem Sinne, dass man in jedes Unternehmen einsteigen kann, sondern dass, wenn man verhungert, alles gut wird. Das heißt, Dutzende oder Hunderte von Versuchen und der Schmerz jedes Misserfolgs und jeder Ablehnung sollten genutzt werden, um den Fokus zu schärfen, das Gedächtnis zu verbessern und den Tag auf 36 Stunden zu verlängern.
Ich optimierte meinen Lebenslauf, fing an, ihn zu versenden und zu Vorstellungsgesprächen zu gehen. An den meisten von ihnen bin ich in der Phase der Kommunikation mit der Personalabteilung vorbeigeflogen. Viele Leute benötigten C++, aber ich wusste es nicht und hatte das starke Gefühl, dass ich mich nicht besonders für Positionen interessieren würde, die C++ erfordern.
Es ist erwähnenswert, dass es etwa zur gleichen Zeit einen Phasenübergang in der Art der Wettbewerbe auf Kaggle gab. Vor 2017 gab es viele Tabellendaten und sehr selten Bilddaten, aber ab 2017 gab es viele Computer-Vision-Aufgaben.
Das Leben verlief wie folgt:
- Tagsüber arbeiten.
- Beim Tech-Screen / vor Ort gönnen Sie sich eine Auszeit.
- Abends und am Wochenende Kaggle + Artikel / Bücher / Blogbeiträge
Das Ende des Jahres 2016 war geprägt von der Tatsache, dass ich der Community beigetreten bin , was viele Dinge vereinfacht hat. In der Community gibt es viele Leute mit umfangreicher Industrieerfahrung, die es uns ermöglicht haben, viele dumme Fragen zu stellen und viele kluge Antworten zu bekommen. Es gibt auch viele sehr starke Spezialisten für maschinelles Lernen aller Couleur, was mir unerwarteterweise ermöglichte, das Thema über ODS mit einer regelmäßigen ausführlichen Kommunikation über Data Science abzuschließen. Was ML angeht, gibt mir ODS bisher ein Vielfaches mehr als das, was ich bei der Arbeit bekomme.
Nun, wie üblich verfügt ODS über genügend Spezialisten für Wettbewerbe auf Kaggle und anderen Websites. Das Lösen von Problemen im Team macht mehr Spaß und ist produktiver. Mit Witzen, Beschimpfungen, Memes und anderer nerdiger Unterhaltung begannen wir, Probleme nacheinander zu lösen.
Im März 2017 – im Team mit Serega Mushinsky – dritter Platz für . Goldmedaille auf Kaggle + 20 $ für zwei. Bei dieser Aufgabe wurde die Arbeit mit Satellitenbildern + binärer Segmentierung über UNet verbessert.
Im selben März ging ich zu einem Vorstellungsgespräch bei NVidia mit dem Self-Driving-Team. Ich hatte wirklich Probleme mit Fragen zur Objekterkennung. Es fehlte an Wissen.
Glücklicherweise begann gleichzeitig der Objekterkennungswettbewerb für Luftbilder aus derselben DSTL. Gott selbst befahl, das Problem zu lösen und zu modernisieren. Ein Monat voller Abende und Wochenenden. Ich habe mir das Wissen angeeignet und bin Zweiter geworden. Dieser Wettbewerb hatte eine interessante Nuance in den Regeln, die dazu führte, dass ich in Russland auf Bundes- und nicht-Bundeskanälen gezeigt wurde. Ich stieg ein und in einer Reihe von Print- und Online-Publikationen. Die Mail Ru Group erhielt auf meine Kosten und ihr eigenes Geld eine kleine positive PR, und die Grundlagenforschung in Russland wurde um 12000 Pfund bereichert. Wie üblich wurde zu diesem Thema geschrieben . Weitere Informationen finden Sie dort.
Zur gleichen Zeit kontaktierte mich ein Tesla-Recruiter und bot mir an, über die Stelle im Bereich Computer Vision zu sprechen. Ich stimmte zu. Ich stürzte mich durch das Take-Home, zwei technische Bildschirme, ein Interview vor Ort und hatte ein sehr angenehmes Gespräch mit Andrei Karpathy, der gerade bei Tesla als Director of AI eingestellt worden war. Der nächste Schritt ist die Hintergrundüberprüfung. Danach musste Elon Musk meinen Antrag persönlich genehmigen. Tesla hat eine strikte Geheimhaltungsvereinbarung (NDA).
Ich habe die Hintergrundüberprüfung nicht bestanden. Der Personalvermittler sagte, dass ich viel online chatte und damit gegen die Geheimhaltungsvereinbarung verstoße. Der einzige Ort, an dem ich etwas über ein Vorstellungsgespräch bei Tesla gesagt habe, war ODS. Die aktuelle Hypothese ist also, dass jemand einen Screenshot gemacht und an die Personalabteilung von Tesla geschrieben hat, und ich aus dem Rennen genommen wurde, damit keine Gefahr mehr besteht. Damals war es eine Schande. Jetzt bin ich froh, dass es nicht geklappt hat. Meine aktuelle Position ist viel besser, obwohl es sehr interessant wäre, mit Andrey zusammenzuarbeiten.
Unmittelbar danach stürzte ich mich in den Satellitenbild-Wettbewerb auf Kaggle . Das Problem war einfach und äußerst langweilig; niemand wollte es lösen, aber jeder wollte eine kostenlose Goldmedaille oder ein Preisgeld. Deshalb einigten wir uns mit einem Team von Kaggle Masters aus 7 Personen darauf, dass wir Eisen werfen würden. Wir haben 480 Netzwerke im Modus „fit_predict“ trainiert und daraus ein dreistöckiges Ensemble gemacht. Wir wurden Siebter. . Übrigens Jeremy Howard, der weithin als Schöpfer bekannt ist endete am 23.
Nach dem Ende des Wettbewerbs organisierte ich über einen Freund, der bei AdRoll arbeitete, ein Meetup in deren Räumlichkeiten. Vertreter von Planet Labs sprachen dort darüber, wie die Organisation des Wettbewerbs und die Datenkennzeichnung ihrerseits aussahen. Wendy Kwan, die bei Kaggle arbeitet und den Wettbewerb beaufsichtigte, sprach darüber, wie sie es sah. Ich habe unsere Lösung, Tricks, Techniken und technischen Details beschrieben. Zwei Drittel des Publikums haben dieses Problem gelöst, daher wurden die Fragen auf den Punkt gebracht und im Allgemeinen war alles cool. Jeremy Howard war auch da. Es stellte sich heraus, dass er den 23. Platz belegte, weil er nicht wusste, wie man das Modell stapelt und dass er überhaupt keine Ahnung von dieser Methode zur Bildung von Ensembles hatte.
Meetups im Tal zum Thema maschinelles Lernen unterscheiden sich stark von Meetups in Moskau. In der Regel sind Treffen im Tal der Tiefpunkt. Aber unseres ist gut geworden. Leider hat der Kamerad, der den Knopf drücken und alles aufzeichnen sollte, nicht den Knopf gedrückt :)
Danach wurde ich eingeladen, mit der Stelle als Deep Learning Engineer bei denselben Planet Labs zu sprechen, und zwar direkt vor Ort. Ich habe es nicht bestanden. Der Wortlaut der Ablehnung lautet, dass im Deep Learning nicht genügend Wissen vorhanden sei.
Ich habe jeden Wettbewerb als Projekt konzipiert . Für das DSTL-Problem haben wir geschrieben und habe es auf arxiv gepostet. Kein Artikel, aber immer noch Brot. Ich empfehle auch allen anderen, ihr LinkedIn-Profil durch Wettbewerbe, Artikel, Fähigkeiten usw. aufzuwerten. Es besteht ein positiver Zusammenhang zwischen der Anzahl der Schlüsselwörter, die Sie in Ihrem LinkedIn-Profil haben, und der Häufigkeit, mit der Ihnen Personen Nachrichten senden.
War ich im Winter und Frühling sehr technisch versiert, hatte ich im August sowohl Wissen als auch Selbstvertrauen.
Ende Juli kontaktierte mich ein Mann, der als Data Science-Manager bei Lyft arbeitete, auf LinkedIn und lud mich zu einem Kaffee und einem Gespräch über das Leben, über Lyft und TrueAccord ein. Wir redeten. Er bot seinem Team ein Vorstellungsgespräch für die Stelle als Data Scientist an. Ich sagte, dass die Option funktioniert, vorausgesetzt, es handelt sich um Computer Vision/Deep Learning von morgens bis abends. Er versicherte, dass es von seiner Seite keine Einwände gebe.
Ich habe meinen Lebenslauf gesendet und er hat ihn auf das interne Portal von Lyft hochgeladen. Danach rief mich der Personalvermittler an, um meinen Lebenslauf zu öffnen und mehr über mich zu erfahren. Schon bei den ersten Worten war klar, dass dies für ihn eine Formsache war, denn aus seinem Lebenslauf ging klar hervor, dass „ich kein Material für Lyft bin“. Ich vermute, dass mein Lebenslauf danach in den Papierkorb gewandert ist.
Die ganze Zeit, während ich interviewt wurde, habe ich meine Fehler und Misserfolge bei ODS besprochen und die Jungs haben mir Feedback gegeben und mir auf jede erdenkliche Weise mit Ratschlägen geholfen, obwohl es dort wie üblich auch viel freundliches Trolling gab.
Eines der ODS-Mitglieder bot mir an, mich mit seinem Freund zu verbinden, dem technischen Direktor bei Lyft. Gesagt, getan. Ich komme zum Mittagessen zu Lyft und neben diesem Freund gibt es auch einen Head of Data Science und einen Produktmanager, der ein großer Fan von Deep Learning ist. Beim Mittagessen unterhielten wir uns über DL. Und da ich seit einem halben Jahr rund um die Uhr Netzwerke trainiere, Kubikmeter Literatur lese und Aufgaben auf Kaggle mit mehr oder weniger klaren Ergebnissen ausführe, könnte ich stundenlang über Deep Learning reden, sowohl in Bezug auf neue Artikel als auch praktische Techniken.
Nach dem Mittagessen sahen sie mich an und sagten: „Es ist sofort klar, dass du gutaussehend bist. Möchtest du mit uns reden?“ Darüber hinaus fügten sie hinzu, dass es für mich klar sei, dass der Take Home + Tech-Bildschirm übersprungen werden könne. Und dass ich sofort zu Ihnen vor Ort eingeladen werde. Ich stimmte zu.
Danach rief mich dieser Personalvermittler an, um ein Vorstellungsgespräch vor Ort zu vereinbaren, und er war unzufrieden. Er murmelte etwas darüber, dass man einem nicht über den Kopf springen sollte.
Kam. Vorstellungsgespräch vor Ort. Fünf Stunden Kommunikation mit verschiedenen Menschen. Es gab keine einzige Frage zu Deep Learning oder zum maschinellen Lernen im Prinzip. Da es kein Deep Learning/Computer Vision gibt, habe ich kein Interesse. Somit waren die Interviewergebnisse orthogonal.
Dieser Personalvermittler ruft an und sagt: „Herzlichen Glückwunsch, Sie haben es bis zum zweiten Vorstellungsgespräch vor Ort geschafft.“ Das ist alles überraschend. Was ist der zweite vor Ort? So etwas habe ich noch nie gehört. Ich ging. Es gibt dort ein paar Stunden, dieses Mal dreht sich alles um traditionelles maschinelles Lernen. Das ist besser. Aber immer noch nicht interessant.
Der Personalvermittler ruft an und gratuliert mir, dass ich das dritte Vorstellungsgespräch vor Ort bestanden habe, und verspricht, dass dies das letzte sein wird. Ich habe es mir angesehen und es gab sowohl eine Beschreibung als auch einen Lebenslauf.
Ich hatte viele Monate lang einen Vorgesetzten, der mir sagte, dass es kein Angebot geben würde. Ich werde nicht auf technischen Fähigkeiten trainieren, sondern auf weichen. Nicht auf der weichen Seite, sondern auf der Tatsache, dass die Stelle geschlossen wird oder dass das Unternehmen noch keine Mitarbeiter einstellt, sondern lediglich den Markt und das Niveau der Kandidaten testet.
Mitte August. Ich habe Bier getrunken, okay. Dunkle Gedanken. 8 Monate sind vergangen und immer noch kein Angebot. Es ist gut, unter Bier kreativ zu sein, besonders wenn die Kreativität seltsam ist. Mir kommt eine Idee in den Sinn. Ich teile es mit Alexey Shvets, der damals Postdoc am MIT war.
Was wäre, wenn Sie an der nächsten DL/CV-Konferenz teilnehmen, sich die dort stattfindenden Wettbewerbe ansehen, etwas trainieren und einreichen? Da alle Experten dort ihre Karriere darauf aufbauen und dies schon seit vielen Monaten oder sogar Jahren tun, haben wir keine Chance. Aber es ist nicht beängstigend. Wir geben eine aussagekräftige Einreichung ab, fliegen zum letzten Platz und schreiben anschließend einen Vorabdruck oder einen Artikel darüber, dass wir nicht wie alle anderen sind, und sprechen über unsere Entscheidung. Und der Artikel ist bereits auf LinkedIn und in Ihrem Lebenslauf.
Das heißt, es scheint relevant zu sein und der Lebenslauf enthält mehr korrekte Schlüsselwörter, was die Chancen, auf den Tech-Bildschirm zu gelangen, leicht erhöhen dürfte. Code und Einsendungen von mir, Texte von Alexey. Spiel natürlich, aber warum nicht?
Gesagt, getan. Die nächstgelegene Konferenz, die wir gegoogelt haben, war MICCAI, und dort fanden tatsächlich Wettbewerbe statt. Wir haben den ersten getroffen. Es war . Die Aufgabe hat 3 Unteraufgaben. Bis zur Frist blieben noch 8 Tage. Ich war am Morgen nüchtern, habe den Gedanken aber nicht aufgegeben. Ich habe meine Pipelines von Kaggle übernommen und sie von Satellitendaten auf medizinische Daten umgestellt. 'fit_predict'. Alexey hat für jedes Problem eine zweiseitige Beschreibung der Lösungen vorbereitet und wir haben sie verschickt. Bereit. Theoretisch können Sie ausatmen. Es stellte sich jedoch heraus, dass es für dieselbe Werkstatt noch eine andere Aufgabe gab () mit drei Unteraufgaben und dass ihre Frist um 4 Tage verschoben wurde, das heißt, wir können dort „fit_predict“ ausführen und senden. Das haben wir getan.
Im Gegensatz zu Kaggle hatten diese Wettbewerbe ihre eigenen akademischen Besonderheiten:
- Keine Bestenliste. Einsendungen werden per E-Mail verschickt.
- Sie werden ausgeschlossen, wenn ein Teamvertreter nicht erscheint, um die Lösung auf der Konferenz im Workshop vorzustellen.
- Ihr Platz in der Bestenliste wird erst während der Konferenz bekannt. Eine Art akademisches Drama.
Die MICCAI-Konferenz 2017 fand in Quebec City statt. Um ehrlich zu sein, begann ich im September auszubrennen, daher erschien mir die Idee, eine Woche frei von der Arbeit zu nehmen und nach Kanada zu reisen, interessant.
Kam zur Konferenz. Ich bin zu diesem Workshop gekommen, ich kenne niemanden, ich sitze in der Ecke. Jeder kennt jeden, man kommuniziert, man wirft kluge medizinische Worte von sich. Rückblick auf den ersten Wettbewerb. Die Teilnehmer sprechen und sprechen über ihre Entscheidungen. Dort ist es cool, es glitzert. Ich bin dran. Und irgendwie schäme ich mich sogar. Sie haben das Problem gelöst, daran gearbeitet, die Wissenschaft vorangebracht, und wir sind rein „fit_predict“ aus früheren Entwicklungen, nicht aus wissenschaftlichen Gründen, sondern um unseren Lebenslauf zu verbessern.
Er kam heraus und sagte, dass ich auch kein Medizinexperte sei, entschuldigte sich für die Zeitverschwendung und zeigte mir eine Folie mit der Lösung. Ich ging hinunter in die Halle.
Sie geben die erste Teilaufgabe bekannt – wir sind die Ersten, und zwar mit Abstand.
Der zweite und dritte werden angekündigt.
Den dritten kündigen sie an – wieder als Erster und wieder mit Vorsprung.
General ist der Erste.
Einige im Publikum lächeln und schauen mich respektvoll an. Andere, die offenbar als Experten auf ihrem Gebiet galten, ein Stipendium für diese Aufgabe erhalten hatten und dies schon seit vielen Jahren taten, hatten einen leicht verzerrten Gesichtsausdruck.
Als nächstes kommt die zweite Aufgabe, die drei Unteraufgaben hat und um vier Tage nach vorne verschoben wurde.
Auch hier habe ich mich entschuldigt und unser einziges Dia noch einmal gezeigt.
Die selbe Geschichte. Zwei zuerst, eine Sekunde, gemeinsam zuerst.
Ich denke, dass dies wahrscheinlich das erste Mal in der Geschichte ist, dass ein Inkassobüro einen Wettbewerb für medizinische Bildgebung gewonnen hat.
Und jetzt stehe ich auf der Bühne, sie überreichen mir irgendein Diplom und ich werde bombardiert. Wie zum Teufel kann das sein? Diese Akademiker geben das Geld der Steuerzahler aus, um die Arbeit der Ärzte zu vereinfachen und ihre Qualität zu verbessern, was theoretisch meiner Lebenserwartung entspricht, und irgendjemand hat dieses gesamte akademische Personal in ein paar Abenden in die britische Flagge gerissen.
Ein Vorteil dabei ist, dass in anderen Teams Doktoranden, die viele Monate an diesen Aufgaben gearbeitet haben, einen für die Personalabteilung attraktiven Lebenslauf haben, das heißt, sie gelangen problemlos auf den technischen Bildschirm. Und vor meinen Augen liegt eine frisch erhaltene E-Mail:
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.Im Allgemeinen frage ich das Publikum direkt von der Bühne aus: „Weiß jemand, wo ich arbeite?“ Einer der Organisatoren des Wettbewerbs wusste es – er googelte, was TrueAccord war. Der Rest ist es nicht. Ich fahre fort: „Ich arbeite für ein Inkassobüro und mache bei der Arbeit weder Computer Vision noch Deep Learning.“ Und das liegt in vielerlei Hinsicht daran, dass die Personalabteilungen von Google Brain und Deepmind meinen Lebenslauf filtern und mir keine Chance geben, eine technische Ausbildung nachzuweisen. "
Sie überreichten die Urkunde, eine Pause. Eine Gruppe von Akademikern zieht mich beiseite. Es stellte sich heraus, dass es sich um eine Gesundheitsgruppe mit Deepmind handelte. Sie waren so beeindruckt, dass sie sofort mit mir über die Stelle als Forschungsingenieur in ihrem Team sprechen wollten. (Wir haben uns unterhalten. Dieses Gespräch dauerte 6 Monate, ich habe das Take-Home-Quiz bestanden, wurde aber auf dem Tech-Screen abgebrochen. 6 Monate vom Beginn der Kommunikation bis zum Tech-Screen sind eine lange Zeit. Das lange Warten gibt einen Vorgeschmack der Nutzlosigkeit. Forschungsingenieur bei Deepmind in London, vor dem Hintergrund von TrueAccord gab es einen starken Aufstieg, aber vor dem Hintergrund meiner aktuellen Position ist es ein Rückschritt. Aus der Distanz von zwei Jahren, die seitdem vergangen sind, ist es gut dass das nicht der Fall war.)
Abschluss
Etwa zur gleichen Zeit erhielt ich ein Angebot von Lyft, das ich annahm.
Basierend auf den Ergebnissen dieser beiden Wettbewerbe mit MICCAI wurde Folgendes veröffentlicht:
Das heißt, trotz der Wildheit der Idee funktioniert das Hinzufügen inkrementeller Artikel und Vorabdrucke durch Wettbewerbe gut. Und in den folgenden Jahren haben wir es noch schlimmer gemacht.
Ich arbeite seit einigen Jahren bei Lyft und beschäftige mich mit Computer Vision/Deep Learning für selbstfahrende Autos. Das heißt, ich habe bekommen, was ich wollte. Und Aufgaben, ein Unternehmen mit hohem Status, starke Kollegen und all die anderen Vorteile.
In diesen Monaten hatte ich Kommunikation mit den beiden großen Unternehmen Google, Facebook, Uber, LinkedIn und mit einer Vielzahl von Startups unterschiedlicher Größe.
Es hat all die Monate wehgetan. Das Universum erzählt Ihnen jeden Tag etwas, das nicht sehr angenehm ist. Regelmäßige Ablehnung, regelmäßig Fehler machen und all das ist mit einem anhaltenden Gefühl der Hoffnungslosigkeit gewürzt. Es gibt keine Garantie dafür, dass Sie Erfolg haben, aber es besteht das Gefühl, dass Sie ein Dummkopf sind. Es erinnert sehr daran, wie ich direkt nach dem Studium versucht habe, einen Job zu finden.
Ich denke, dass viele im Tal Arbeit suchten und alles viel einfacher für sie war. Der Trick liegt meiner Meinung nach darin. Wenn Sie auf der Suche nach einem Job in einem Bereich sind, in dem Sie sich auskennen, über viel Erfahrung verfügen und dies auch in Ihrem Lebenslauf steht, gibt es keine Probleme. Ich habe es genommen und gefunden. Es gibt viele offene Stellen.
Aber wenn Sie auf der Suche nach einem Job in einem für Sie neuen Bereich sind, das heißt, wenn es keine Kenntnisse, keine Verbindungen gibt und Ihr Lebenslauf etwas Falsches sagt, wird in diesem Moment alles äußerst interessant.
Im Moment schreiben mir regelmäßig Personalvermittler und bieten an, das Gleiche zu tun, was ich jetzt mache, aber in einem anderen Unternehmen. Es ist wirklich Zeit, den Job zu wechseln. Aber es hat keinen Sinn, das zu tun, worin ich bereits gut bin. Wofür?
Aber für das, was ich will, habe ich wieder weder das Wissen noch die Zeilen in meinem Lebenslauf. Mal sehen, wie das alles endet. Wenn alles gut geht, schreibe ich den nächsten Teil. 🙂
Source: habr.com