Selle pildi autor on Arthur Kuzin (), võtab blogipostituse sisu üsna täpselt kokku. Sellest tulenevalt tuleks alljärgnevat narratiivi tajuda pigem reedese loona kui millegi ülimalt kasuliku ja tehnilisena. Lisaks väärib märkimist, et tekst on ingliskeelsete sõnadega rikas. Ma ei tea, kuidas mõnda neist õigesti tõlkida, ja ma lihtsalt ei taha mõnda neist tõlkida.
Kuidas toimus üleminek akadeemilisest keskkonnast tööstuskeskkonda, selgub kahest esimesest episoodist. Selles räägitakse sellest, mis edasi juhtus.
See oli jaanuar 2017. Sel ajal oli mul veidi rohkem kui aastane töökogemus ja töötasin San Franciscos ettevõttes nagu Sr. Andmeteadlane.
TrueAccord on inkassoettevõte. Lihtsamalt öeldes - inkassobüroo. Kollektsionäärid helistavad tavaliselt palju. Saatsime palju e-kirju, kuid tegime vähe kõnesid. Iga e-kiri viis ettevõtte veebisaidile, kus võlgnikule pakuti võlast allahindlust ja lubati isegi osamaksetena maksta. See lähenemisviis tõi kaasa parema kogumise, võimaldas skaleerimist ja vähem kohtuvaidlusi.
Seltskond oli normaalne. Toode on selge. Juhtkond on mõistlik. Asukoht on hea.
Keskmiselt töötavad inimesed orus ühes kohas umbes poolteist aastat. See tähendab, et iga ettevõte, kus töötate, on vaid väike samm. Selles etapis kogute raha, omandate uusi teadmisi, oskusi, seoseid ja jooni oma CV-s. Pärast seda toimub üleminek järgmisse etappi.
TrueAccordis tegelesin e-kirjade uudiskirjadele soovitussüsteemide lisamisega ja telefonikõnede prioriseerimisega. Mõju on arusaadav ja seda mõõdeti A/B testimise kaudu üsna hästi dollarites. Kuna enne minu saabumist masinõpet ei toimunud, ei olnud minu töö mõju halb. Jällegi on midagi palju lihtsam parandada kui midagi, mis on juba tugevalt optimeeritud.
Pärast kuuekuulist töötamist nende süsteemide kallal tõstsid nad isegi mu põhipalka 150 163 dollarilt XNUMX XNUMX dollarile. Ühiskonnas seal on meem 163 XNUMX dollari kohta. Ta kasvab siit koos jalgadega.
See kõik oli imeline, aga see ei viinud kuhugi või viis, aga mitte sinna.
Ma austan TrueAccordi väga, nii ettevõtet kui ka kutte, kellega ma seal töötasin. Õppisin neilt palju, kuid ma ei tahtnud pikka aega inkassobüroos soovitussüsteemide kallal töötada. Sellest sammust tuli astuda mingis suunas. Kui mitte ette-üles, siis vähemalt külgsuunas.
Mis mulle ei meeldinud?
- Masinõppe vaatenurgast probleemid mind ei erutanud. Tahtsin midagi moekat, nooruslikku ehk süvaõpet, arvutinägemust, midagi teadusele või vähemalt alkeemiale lähedast.
- Alustaval ettevõttel ja isegi inkassoagentuuril on probleeme kõrgelt kvalifitseeritud töötajate palkamisega. Startupina ei saa see palju maksta. Kuid inkassofirmana kaotab see oma staatuse. Jämedalt öeldes, kui kohtingul olev tüdruk küsib, kus te töötate? Teie vastus: "Google'is" kõlab suurusjärgus paremini kui "inkassoagentuur". Mind häiris veidi see, et mu Google'is ja Facebookis töötavatele sõpradele avas erinevalt minust nende firma nimi: sind võidakse kutsuda esinejaks konverentsile või kokkusaamisele või LinkedInis kirjutavad huvitavamad inimesed. pakkumisega kohtuda ja teeklaasi taga vestelda. Mulle väga meeldib suhelda inimestega, keda ma isiklikult ei tunne. Nii et kui elate San Franciscos, ärge kartke kirjutada – lähme kohvi jooma ja juttu rääkima.
- Lisaks minule töötas ettevõttes kolm andmeteadlast. Mina töötasin masinõppe kallal ja nemad töötasid muude andmeteaduse ülesannetega, mis on tavalised igas alustavas ettevõttes siit kuni homseni. Selle tulemusena ei saanud nad masinõppest tegelikult aru. Aga selleks, et kasvada, pean kellegagi suhtlema, artikleid ja viimaseid arenguid arutama ning lõpuks nõu küsima.
Mis oli saadaval?
- Haridus: füüsika, mitte informaatika.
- Ainus programmeerimiskeel, mida ma teadsin, oli Python. Tekkis tunne, et pean üle minema C++-le, kuid ma ei saanud ikkagi sellest mööda.
- Poolteist aastat tööd tööstuses. Pealegi ei õppinud ma tööl ei süvaõpet ega arvutinägemust.
- CV-s pole ühtegi artiklit süvaõppe / arvutinägemise kohta.
- Seal oli Kaggle Master saavutus.
Mida sa tahtsid?
- Asend, kus on vaja koolitada palju võrke ja lähemal arvutinägemisele.
- Parem, kui tegemist on suure ettevõttega nagu Google, Tesla, Facebook, Uber, LinkedIn jne. Kuigi näputäis, käiks startup ära.
- Ma ei pea olema meeskonna suurim masinõppe ekspert. Suur vajadus oli vanemate kamraadide, mentorite ja kõikvõimaliku suhtluse järele, mis pidi õppeprotsessi kiirendama.
- Olles lugenud ajaveebi postitusi selle kohta, kuidas tööstuskogemuseta lõpetajate koguhüvitis on 300–500 XNUMX dollarit aastas, tahtsin minna samasse vahemikku. See ei häiri mind nii väga, aga kuna nad ütlevad, et see on tavaline nähtus, aga mul on vähem, siis on see signaal.
Ülesanne tundus täiesti lahendatav, kuigi mitte selles mõttes, et suvalisesse seltskonda võib hüpata, vaid pigem selles, et kui nälgida, siis kõik õnnestub. See tähendab, et kümneid või sadu katseid ja valu igast ebaõnnestumisest ja igast tagasilükkamisest tuleks kasutada keskendumise teravdamiseks, mälu parandamiseks ja päeva venitamiseks 36 tunnini.
Kohendasin oma CV-d, hakkasin seda välja saatma ja intervjuudel käima. Lendasin enamikust neist mööda HR-iga suhtlemise etapis. Paljud inimesed nõudsid C++-i, aga ma ei teadnud seda ja mul oli tugev tunne, et ma ei oleks C++-i nõudvatest ametikohtadest väga huvitatud.
Väärib märkimist, et umbes samal ajal toimus Kaggle võistlustel faasiüleminek. Enne 2017. aastat oli palju tabeliandmeid ja väga harva pildiandmeid, kuid alates 2017. aastast oli arvutinägemise ülesandeid palju.
Elu kulges järgmises režiimis:
- Töötage päeva jooksul.
- Tehnikaekraanil / kohapeal olles võtate aja maha.
- Õhtuti ja nädalavahetustel Kaggle + artiklid / raamatud / ajaveebi postitused
2016. aasta lõppu iseloomustas see, et liitusin kogukonnaga , mis lihtsustas paljusid asju. Kogukonnas on palju mehi, kellel on rikkalik tööstuskogemus, mis võimaldas meil esitada palju rumalaid küsimusi ja saada palju nutikaid vastuseid. Samuti on palju väga tugevaid masinõppe spetsialiste igas suunas, mis ootamatult võimaldas mul ODS-i kaudu probleemi lõpetada korrapärase põhjaliku andmeteaduse teabevahetusega. Siiani annab ODS mulle ML mõistes kordades rohkem, kui tööl saan.
Noh, nagu tavaliselt, on ODS-il Kaggle ja muudel saitidel võistlustel piisavalt spetsialiste. Meeskonnas probleemide lahendamine on lõbusam ja produktiivsem, nii et naljade, sõimu, meemide ja muu nohiku meelelahutusega hakkasime ükshaaval probleeme lahendama.
Märtsis 2017 - meeskonnas Serega Mushinskyga - kolmas koht . Kuldmedal Kaggle'il + 20 XNUMX dollarit kahele. Selle ülesande puhul täiustati tööd satelliidipiltidega + UNeti kaudu kahendsegmenteerimine.
Samal märtsil käisin isejuhtimise meeskonnaga NVidias intervjuul. Mul oli tõesti probleeme objektide tuvastamise küsimustega. Teadmisi ei olnud piisavalt.
Õnneks algas samal ajal sama DSTL-i õhupiltide objektide tuvastamise võistlus. Jumal ise käskis probleemi lahendada ja uuendada. Kuu aega õhtuid ja nädalavahetusi. Võtsin teadmisi ja lõpetasin teisena. Sellel võistlusel oli reeglites huvitav nüanss, mille tõttu mind näidati Venemaal föderaalsetes ja mitte nii föderaalsetes kanalites. Sain peale ning paljudes trüki- ja veebiväljaannetes. Mail Ru Group sai minu kulul ja oma rahaga veidi positiivset PR-i ning fundamentaalteadus Venemaal rikastus 12000 XNUMX naela võrra. Nagu ikka, kirjutati sellel teemal . Üksikasjade saamiseks minge sinna.
Samal ajal võttis minuga ühendust Tesla värbaja ja pakkus, et räägib Computer Visioni positsioonist. nõustusin. Läbisin kojutoomise, kahe tehnikaekraani, kohapealse intervjuu ja vestlesin väga meeldivalt Andrei Karpathyga, kes oli just palgatud Teslasse tehisintellekti direktoriks. Järgmine etapp on taustakontroll. Pärast seda pidi Elon Musk minu taotluse isiklikult heaks kiitma. Teslal on range mitteavaldamise leping (NDA).
Ma ei läbinud taustakontrolli. Värbaja ütles, et ma vestlen palju Internetis, rikkudes NDA-d. Ainus koht, kus ma Teslas antud intervjuu kohta midagi ütlesin, oli ODS, nii et praegune hüpotees on, et keegi tegi ekraanipildi ja kirjutas Teslas HR-ile ning mind eemaldati võistlusest, kuna see ei kahjusta. Siis oli kahju. Nüüd on mul hea meel, et see ei õnnestunud. Minu praegune positsioon on palju parem, kuigi Andreyga koos töötada oleks väga huvitav.
Kohe pärast seda sukeldusin Kaggle'i satelliidipiltide võistlusele . Probleem oli lihtne ja äärmiselt igav, keegi ei tahtnud seda lahendada, kuid kõik soovisid tasuta kuldmedalit või auhinnaraha. Seetõttu leppisime 7-liikmelise Kaggle Mastersi meeskonnaga kokku, et viskame rauda. Treenisime 480 võrku režiimis "fit_predict" ja tegime neist kolmekorruselise ansambli. Saime seitsmendaks. . Muide, Jeremy Howard, kes on laiemalt tuntud kui looja lõpetas 23.
Pärast võistluse lõppu korraldasin AdRollis töötanud sõbra kaudu nende ruumides Meetupi. Planet Labsi esindajad rääkisid seal, kuidas võistluse korraldus ja andmete märgistamine nende poolt välja nägi. Wendy Kwan, kes töötab Kaggle'is ja juhendas võistlust, rääkis, kuidas ta seda nägi. Kirjeldasin meie lahendust, nippe, tehnikaid ja tehnilisi detaile. Kaks kolmandikku publikust lahendas selle probleemi, nii et küsimused esitati täpselt ja üldiselt oli kõik lahe. Seal oli ka Jeremy Howard. Selgus, et ta saavutas 23. koha, kuna ta ei teadnud, kuidas maketti laduda ja et ta ei teadnud seda ansamblite konstrueerimise meetodit üldse.
Masinõppega seotud kohtumised orus on väga erinevad Moskva kohtumistest. Reeglina on kohtumised orus põhjas. Aga meie oma tuli hästi välja. Kahjuks seltsimees, kes pidi nuppu vajutama ja kõike salvestama, nuppu ei vajutanud :)
Pärast seda kutsuti mind sellesse samasse Planet Labsi süvaõppe inseneri ametikohale rääkima ja kohe kohapeale. Ma ei läbinud seda. Keeldumise sõnastus on selline, et süvaõppes pole piisavalt teadmisi.
Kujundasin iga võistluse projektina . Kirjutasime DSTL-i probleemi jaoks ja postitas selle arxiv. Mitte artikkel, aga siiski leib. Soovitan ka kõigil teistel oma LinkedIn profiili paisutada läbi võistluste, artiklite, oskuste jms. Teie LinkedIni profiilis olevate märksõnade ja inimeste sõnumite vahel on positiivne korrelatsioon.
Kui talvel ja kevadel olin väga tehniline, siis augustiks oli nii teadmisi kui ka enesekindlust.
Juuli lõpus võttis minuga LinkedInis ühendust tüüp, kes töötas Lyfti andmeteaduse juhina ja kutsus mind kohvitama ja elust, Lyftist, TrueAccordist vestlema. Me rääkisime. Ta pakkus intervjuud oma meeskonnaga andmeteadlase ametikohale. Ütlesin, et valik töötab, eeldusel, et see on arvutinägemine / süvaõpe hommikust õhtuni. Ta kinnitas, et tal pole vastuväiteid.
Saatsin oma CV ja ta laadis selle üles Lyfti siseportaali. Pärast seda helistas värbaja mulle, et avada oma CV ja uurida minu kohta rohkem. Juba esimestest sõnadest oli selge, et tema jaoks oli see formaalsus, sest tema CV-st oli talle selge, et "ma ei ole Lyfti materjal." Arvan, et pärast seda läks mu CV prügikasti.
Kogu selle aja, kui mind intervjueeriti, arutasin oma ebaõnnestumisi ja allakäike ODS-is ning tüübid andsid mulle tagasisidet ja aitasid mind igati nõuga, kuigi nagu ikka, oli seal ka palju sõbralikku trallitamist.
Üks ODS-i liikmetest pakkus mulle ühendust oma sõbraga, kes on Lyfti inseneridirektor. Pole varem öeldud kui tehtud. Tulen Lyfti lõunale ja peale selle sõbra on seal ka andmeteaduse juht ja tootejuht, kes on suur süvaõppe fänn. Lõuna ajal lobisesime DL üle. Ja kuna olen pool aastat 24/7 võrgustikke treeninud, kuupmeetrit kirjandust lugenud ja enam-vähem selgete tulemustega Kaggle ülesandeid jooksnud, võiksin sügavõppest rääkida tundide kaupa, nii uute artiklite kui ka uute artiklite osas. praktilisi tehnikaid.
Pärast lõunat vaatasid nad mulle otsa ja ütlesid - kohe on näha, et sa oled ilus, kas tahad meiega rääkida? Veelgi enam, nad lisasid, et mulle on selge, et koju + tehnikaekraani võib vahele jätta. Ja et mind kutsutakse kohe kohapeale. nõustusin.
Pärast seda helistas see värbaja mulle, et leppida kokku kohapealne intervjuu ja ta oli rahulolematu. Ta pomises midagi, et üle pea ei hüppa.
Tuli. Kohapealne intervjuu. Viis tundi suhtlemist erinevate inimestega. Süvaõppe või põhimõtteliselt masinõppe kohta polnud ühtegi küsimust. Kuna Deep Learning / Computer Vision puudub, siis ma ei ole huvitatud. Seega olid intervjuu tulemused ortogonaalsed.
See värbaja helistab ja ütleb – palju õnne, jõudsite teise kohapealse intervjuuni. See kõik on üllatav. Mis on teine kohapeal? Ma pole kunagi sellisest asjast kuulnud. Ma läksin. Seal on paar tundi, seekord traditsioonilisest masinõppest. See on parem. Aga ikkagi pole huvitav.
Värbaja helistab ja õnnitleb, et läbisin kolmanda kohapealse intervjuu ja lubab, et see jääb viimaseks. Käisin vaatamas ja seal oli nii DL kui CV.
Mul oli mitu kuud eelkäija, kes ütles mulle, et pakkumist ei tule. Treenin mitte tehnilistel, vaid pehmetel oskustel. Mitte pehme poole pealt, vaid selle üle, et koht suletakse või et ettevõte ei võta veel tööle, vaid lihtsalt testib turgu ja kandidaatide taset.
Augusti keskpaik. ma jõin õlut okei. Tumedad mõtted. 8 kuud on möödas ja ikka pole pakkumist. Õlle all on hea olla loominguline, eriti kui loovus on kummaline. Mul tuleb pähe mõte. Jagan seda Alexey Shvetsiga, kes oli sel ajal MIT-i järeldoktor.
Mis siis, kui võtaksite lähima DL/CV konverentsi, vaatate selle raames toimuvaid võistlusi, treenite midagi ja esitate? Kuna kõik sealsed eksperdid ehitavad sellele oma karjääri ja on seda teinud mitu kuud või isegi aastaid, pole meil mingit võimalust. Aga see pole hirmutav. Teeme sisuka esildise, lendame viimasele kohale ja peale seda kirjutame eeltrüki või artikli sellest, kuidas me pole nagu kõik teised ja räägime oma otsusest. Ja artikkel on juba LinkedInis ja teie CV-s.
Ehk siis tundub asjakohane ja CV-s on rohkem õigeid märksõnu, mis peaks tehnikaekraanile jõudmise võimalusi veidi suurendama. Kood ja esildised minult, tekstid Alekseilt. Mäng muidugi, aga miks mitte?
Pole varem öeldud kui tehtud. Lähim konverents, mida googeldasime, oli MICCAI ja seal olid tegelikult võistlused. Me tabasime esimest. See oli . Ülesandes on 3 alamülesannet. Tähtajani oli jäänud 8 päeva. Sain hommikul kaineks, kuid ma ei loobunud sellest mõttest. Võtsin oma torujuhtmed Kaggle'ist ja vahetasin need satelliidiandmetelt meditsiiniliste andmete vastu. 'fit_predict'. Aleksei koostas iga probleemi jaoks kaheleheküljelise lahenduskirjelduse ja me saatsime selle. Valmis. Teoreetiliselt saate välja hingata. Kuid selgus, et sama töötoa jaoks oli veel üks ülesanne () kolme alamülesandega ja et tema tähtaega nihutati 4 päeva võrra kõrgemale, st saame teha 'fit_predict' ja saata selle. Seda me tegimegi.
Erinevalt Kaggle'ist oli neil võistlustel oma akadeemiline eripära:
- Edetabel puudub. Kaastööd saadetakse meili teel.
- Kui meeskonna esindaja ei tule Workshopi konverentsile lahendust tutvustama, eemaldatakse teid.
- Sinu koht edetabelis saab teatavaks alles konverentsi ajal. Omamoodi akadeemiline draama.
MICCAI 2017 konverents toimus Quebecis. Ausalt öeldes hakkasin septembriks läbi põlema, nii et mõte nädalaks töölt vabaks võtta ja Kanadasse suunduda tundus huvitav.
Tuli konverentsile. Tulin sellesse Workshopi, ma ei tunne kedagi, istun nurgas. Kõik tunnevad üksteist, suhtlevad, loobivad nutikaid arstisõnu. Esimese võistluse ülevaade. Osalejad räägivad ja räägivad oma otsustest. Seal on lahe, sädele. Minu kord. Ja mul on millegipärast isegi häbi. Nad lahendasid probleemi, töötasid selle kallal, arendasid teadust ja me oleme varasemate arengute põhjal puhtalt „sobivad_prognoosid”, mitte teaduse pärast, vaid oma CV-de turgutamiseks.
Ta tuli välja ja ütles, et ma pole ka meditsiini ekspert, vabandas nende aja raiskamise pärast ja näitas mulle ühte slaidi lahendusega. Läksin alla esikusse.
Nad teatavad esimesest alamülesandest – oleme esimesed ja vahega.
Teine ja kolmas kuulutatakse välja.
Nad kuulutavad välja kolmanda – jälle esimene ja jälle edumaaga.
Kindral on esimene.
Mõned publikust naeratavad ja vaatavad mulle austusega otsa. Teistel, kes ilmselt peeti selle valdkonna asjatundjateks, olid selle ülesande täitmiseks stipendiumi võitnud ja seda juba aastaid teinud, oli näoilmega veidi moonutatud.
Järgmine on teine ülesanne, see, millel on kolm alaülesannet ja mida on nelja päeva võrra edasi nihutatud.
Siin vabandasin ka ja näitasin meie ühte slaidi uuesti.
Sama lugu. Kaks esimest, üks teine, tavaline esimene.
Arvan, et see on ilmselt esimene kord ajaloos, kui inkassobüroo võidab meditsiinilise pildistamise konkursi.
Ja nüüd ma seisan laval, nad annavad mulle mingisuguse diplomi ja ma olen pommitatud. Kuidas kurat see olla saab? Need akadeemikud kulutavad maksumaksja raha, töötavad selle nimel, et lihtsustada ja parandada arstide töökvaliteeti ehk teoreetiliselt minu oodatavat eluiga ning mingi organ rebis kogu selle akadeemilise personali mõne õhtuga Briti lipu alla.
Selle boonuseks on see, et teistes meeskondades saavad kraadiõppurid, kes on nende ülesannete kallal mitu kuud töötanud, HR-i jaoks atraktiivse CV, st nad jõuavad hõlpsalt tehnikaekraanile. Ja mu silme ees on värskelt saabunud e-kiri:
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.Üldiselt küsin otse lavalt publikult: "Kas keegi teab, kus ma töötan?" Üks võistluse korraldaja teadis – ta otsis guugeldades, mis on TrueAccord. Ülejäänud ei ole. Jätkan: „Töötan inkassobüroos ja tööl ei tegele ma ei Computer Vision ega Deep Learningiga. Ja paljuski juhtub see seetõttu, et Google Braini ja Deepmindi personaliosakonnad filtreerivad minu CV-d, andmata mulle võimalust tehnilist koolitust näidata. "
Andsid tunnistuse kätte, vaheaeg. Rühm akadeemikuid tõmbab mind kõrvale. Selgus, et see on Deepmindiga tervisegrupp. Nad avaldasid nii suurt muljet, et tahtsid minuga kohe rääkida nende meeskonna vabast teadusinseneri ametikohast. (Rääkisime küll. See vestlus kestis 6 kuud, läbisin koju viimise, viktoriini, aga tehnikaekraanil jäi see ära. 6 kuud suhtlemise algusest tehnikaekraanile on pikk aeg. Pikk ootamine annab maitset kasutusest.Teadurinsener Londonis Deepmindis, TrueAccordi taustal oli tugev samm üles, kuid minu praeguse ametikoha taustal on see samm alla. Sellest ajast möödunud kahe aasta kaugusel on see hea et ei teinud.)
Järeldus
Umbes samal ajal sain Lyftilt pakkumise, mille võtsin vastu.
Nende kahe MICCAI-ga peetud võistluse tulemuste põhjal avaldati järgmised andmed:
See tähendab, et vaatamata idee metsikusele toimib artiklite ja eeltrükkide lisamine konkursi kaudu hästi. Ja järgnevatel aastatel tegime selle veelgi hullemaks.
Olen töötanud Lyftis viimased paar aastat, tehes arvutinägemust/süvaõpet isejuhtivate autode jaoks. See tähendab, et ma sain, mida tahtsin. Ja ülesanded ja kõrge staatusega ettevõte ja tugevad kolleegid ja kõik muu hea.
Nende kuude jooksul olen suhelnud nii suurfirmadega Google, Facebook, Uber, LinkedIn kui ka mitme erineva suurusega idufirmadega.
See tegi haiget kõik need kuud. Universum ütleb teile iga päev midagi mitte eriti meeldivat. Regulaarne tagasilükkamine, regulaarne vigade tegemine ja seda kõike maitseb püsiv lootusetuse tunne. Ei ole garantiid, et õnnestub, küll aga on tunne, et oled loll. See meenutab väga seda, kuidas ma üritasin kohe pärast ülikooli tööd leida.
Arvan, et paljud otsisid tööd orus ja neil oli kõik palju lihtsam. Trikk on minu arvates selline. Kui otsite tööd valdkonnas, millest saate aru, teil on palju kogemusi ja teie CV ütleb sama, pole probleeme. Võtsin kätte ja leidsin. Vabu kohti on palju.
Aga kui otsite tööd valdkonnas, mis on teile uus, ehk siis kui puuduvad teadmised, puuduvad sidemed ja teie CV ütleb midagi valesti - sel hetkel muutub kõik äärmiselt huvitavaks.
Praegu kirjutavad värbajad mulle regulaarselt ja pakuvad teha sama asja, mida praegu teen, kuid teises ettevõttes. Tõesti on aeg töökohta vahetada. Kuid pole mõtet teha seda, milles ma juba hea olen. Milleks?
Kuid selleks, mida ma tahan, pole mul jällegi ei teadmisi ega ridu oma CV-s. Vaatame, kuidas see kõik lõpeb. Kui kõik läheb hästi, kirjutan järgmise osa. 🙂
Allikas: www.habr.com