Cette photo est d'Arthur Kuzin (), résume assez précisément le contenu du billet de blog. En conséquence, le récit suivant doit être perçu davantage comme une histoire du vendredi que comme quelque chose d’extrêmement utile et technique. De plus, il convient de noter que le texte est riche en mots anglais. Je ne sais pas comment traduire correctement certains d’entre eux, et je ne veux tout simplement pas en traduire certains.
Comment s’est opérée la transition d’un environnement académique à un environnement industriel est dévoilée dans les deux premiers épisodes. Dans celui-ci, la conversation portera sur ce qui s’est passé ensuite.
C'était en janvier 2017. A cette époque, j'avais un peu plus d'un an d'expérience professionnelle et je travaillais à San Francisco dans l'entreprise comme Sr. Scientifique des données.
TrueAccord est une startup de recouvrement de créances. En termes simples – une agence de recouvrement. Les collectionneurs appellent généralement beaucoup. Nous avons envoyé beaucoup de courriels, mais passé peu d’appels. Chaque e-mail redirigeait vers le site Internet de l’entreprise, où le débiteur se voyait proposer une remise sur la dette, voire même un paiement échelonné. Cette approche a conduit à une meilleure collecte, a permis une mise à l'échelle et moins d'exposition aux poursuites judiciaires.
L'entreprise était normale. Le produit est clair. La direction est saine. L'emplacement est bon.
En moyenne, les habitants de la vallée travaillent au même endroit pendant environ un an et demi. Autrement dit, toute entreprise pour laquelle vous travaillez n’est qu’un petit pas. À cette étape, vous collecterez de l’argent, acquerrez de nouvelles connaissances, compétences, connexions et lignes dans votre CV. Après cela, il y a une transition vers l'étape suivante.
Chez TrueAccord lui-même, j'ai participé à l'attachement de systèmes de recommandation aux newsletters par courrier électronique, ainsi qu'à la priorisation des appels téléphoniques. L’impact est compréhensible et a été assez bien mesuré en dollars grâce aux tests A/B. Comme il n’y avait pas de machine learning avant mon arrivée, l’impact de mon travail n’a pas été mauvais. Encore une fois, il est beaucoup plus facile d’améliorer quelque chose que quelque chose qui est déjà fortement optimisé.
Après six mois de travail sur ces systèmes, ils ont même augmenté mon salaire de base de 150 163 $ à XNUMX XNUMX $. Dans la communauté il y a un mème à propos de 163 XNUMX $. Il grandit avec ses pattes à partir d'ici.
Tout cela était merveilleux, mais cela ne menait nulle part, ou cela menait, mais pas là.
J'ai un grand respect pour TrueAccord, à la fois pour l'entreprise et pour les gars avec qui j'ai travaillé là-bas. J’ai beaucoup appris d’eux, mais je ne voulais pas travailler longtemps sur des systèmes de recommandation dans une agence de recouvrement. À partir de cette étape, vous deviez avancer dans une certaine direction. Si ce n’est pas vers l’avant et vers le haut, du moins sur le côté.
Qu’est-ce que je n’ai pas aimé ?
- Du point de vue de l’apprentissage automatique, les problèmes ne m’excitaient pas. Je voulais quelque chose de mode, de jeune, c'est-à-dire du Deep Learning, de la Computer Vision, quelque chose d'assez proche de la science ou du moins de l'alchimie.
- Une startup, et même une agence de recouvrement, ont du mal à recruter du personnel hautement qualifié. En tant que startup, cela ne peut pas payer grand-chose. Mais en tant qu’agence de recouvrement, elle perd en statut. En gros, si une fille lors d'un rendez-vous vous demande où vous travaillez ? Votre réponse : « Sur Google » semble bien meilleur que « agence de recouvrement ». J'ai été un peu gêné par le fait que pour mes amis qui travaillent chez Google et Facebook, contrairement à moi, le nom de leur entreprise ouvrait des portes comme : vous pouvez être invité à une conférence ou à une rencontre en tant que conférencier, ou des personnes plus intéressantes écrivent sur LinkedIn avec une offre de rencontre et de discussion autour d'un verre de thé. J’aime vraiment communiquer avec des gens que je ne connais pas personnellement. Alors si vous habitez à San Francisco, n’hésitez pas à nous écrire : allons prendre un café et discutons.
- En plus de moi, trois Data Scientists travaillaient dans l'entreprise. Je travaillais sur l'apprentissage automatique et ils travaillaient sur d'autres tâches de science des données, courantes dans toute startup d'ici à demain. En conséquence, ils ne comprenaient pas vraiment l’apprentissage automatique. Mais pour grandir, j'ai besoin de communiquer avec quelqu'un, de discuter d'articles et des derniers développements, et finalement de demander conseil.
Qu'est-ce qui était disponible ?
- Éducation : physique, pas informatique.
- Le seul langage de programmation que je connaissais était Python. J’avais le sentiment que je devais passer au C++, mais je n’y parvenais toujours pas.
- Un an et demi de travail dans l'industrie. De plus, au travail, je n'ai étudié ni le Deep Learning ni la Computer Vision.
- Pas un seul article sur le Deep Learning / Computer Vision dans le CV.
- Il y a eu un succès Kaggle Master.
Qu'est-ce que tu voulais?
- Un poste où il faudra former de nombreux réseaux, et se rapprocher de la vision par ordinateur.
- C'est mieux s'il s'agit d'une grande entreprise comme Google, Tesla, Facebook, Uber, LinkedIn, etc. Bien qu’à la rigueur, une startup ferait l’affaire.
- Je n'ai pas besoin d'être le plus grand expert en apprentissage automatique de l'équipe. Il y avait un grand besoin de camarades seniors, de mentors et de toutes sortes de communications censées accélérer le processus d'apprentissage.
- Après avoir lu des articles de blog sur la façon dont les diplômés sans expérience industrielle reçoivent une rémunération totale de 300 à 500 XNUMX dollars par an, j'ai voulu entrer dans la même fourchette. Ce n'est pas que cela me dérange beaucoup, mais comme on dit que c'est un phénomène courant, mais que j'en ai moins, alors c'est un signal.
La tâche semblait tout à fait réalisable, mais pas dans le sens où vous pouvez vous lancer dans n'importe quelle entreprise, mais plutôt dans le sens où si vous mourez de faim, tout s'arrangera. Autrement dit, des dizaines ou des centaines de tentatives, et la douleur de chaque échec et de chaque rejet, devraient être utilisées pour affiner la concentration, améliorer la mémoire et étendre la journée à 36 heures.
J'ai peaufiné mon CV, j'ai commencé à l'envoyer et à passer des entretiens. J'ai survolé la plupart d'entre eux au stade de la communication avec les RH. Beaucoup de gens avaient besoin du C++, mais je ne le savais pas et j’avais le fort sentiment que je ne serais pas très intéressé par des postes nécessitant du C++.
Il convient de noter qu'à peu près à la même époque, il y a eu une transition de phase dans le type de compétitions sur Kaggle. Avant 2017, il y avait beaucoup de données tabulaires et très rarement de données graphiques, mais à partir de 2017, il y a eu de nombreuses tâches de vision par ordinateur.
La vie s'écoulait selon le mode suivant :
- Travailler pendant la journée.
- Lors de l'écran technique/sur site, vous prenez un congé.
- Soirées et week-end Kaggle + articles/livres/articles de blog
La fin de l'année 2016 a été marquée par le fait que j'ai rejoint la communauté , ce qui a simplifié beaucoup de choses. Il y a beaucoup de gars dans la communauté avec une riche expérience industrielle, ce qui nous a permis de poser beaucoup de questions stupides et d'obtenir beaucoup de réponses intelligentes. Il existe également de nombreux spécialistes très compétents en apprentissage automatique de tous bords, ce qui, de manière inattendue, m'a permis, via ODS, de clôturer le sujet avec une communication régulière et approfondie sur la science des données. Jusqu'à présent, en termes de ML, ODS m'apporte bien plus que ce que j'obtiens au travail.
Eh bien, comme d'habitude, ODS dispose de suffisamment de spécialistes des compétitions sur Kaggle et d'autres sites. Résoudre des problèmes en équipe est plus amusant et productif, donc avec des blagues, des jurons, des mèmes et autres divertissements ringards, nous avons commencé à résoudre les problèmes un par un.
En mars 2017 - en équipe avec Serega Mushinsky - troisième place pour . Médaille d'or sur Kaggle + 20 XNUMX $ pour deux. Sur cette tâche, le travail avec les images satellites + la segmentation binaire via UNet a été amélioré.
Ce même mois de mars, je suis allé passer un entretien chez NVidia avec l'équipe Self Driving. J'ai vraiment eu du mal avec des questions sur la détection d'objets. Il n'y avait pas assez de connaissances.
Heureusement, au même moment, le concours de détection d'objets sur l'imagerie aérienne du même DSTL a commencé. Dieu lui-même a ordonné de résoudre le problème et de procéder à une mise à niveau. Un mois de soirées et de week-ends. J'ai acquis mes connaissances et j'ai terminé deuxième. Ce concours avait une nuance intéressante dans les règles, ce qui m'a amené à être diffusé en Russie sur des chaînes fédérales et moins fédérales. je suis monté , et dans un tas de publications imprimées et en ligne. Le groupe Mail Ru a reçu des relations publiques légèrement positives à mes dépens et avec son propre argent, et la science fondamentale en Russie a été enrichie de 12000 XNUMX livres. Comme d'habitude, il a été écrit sur ce sujet . Allez-y pour plus de détails.
Au même moment, un recruteur Tesla m’a contacté et m’a proposé de parler du poste Computer Vision. J'ai été d'accord. J'ai parcouru le résultat à la maison, deux écrans techniques, un entretien sur place et j'ai eu une conversation très agréable avec Andrei Karpathy, qui venait d'être embauché chez Tesla en tant que directeur de l'IA. La prochaine étape est la vérification des antécédents. Après cela, Elon Musk a dû personnellement approuver ma candidature. Tesla a un accord de non-divulgation (NDA) strict.
Je n'ai pas réussi la vérification des antécédents. Le recruteur a dit que je discutais beaucoup en ligne, violant ainsi la NDA. Le seul endroit où j'ai parlé d'une interview chez Tesla était ODS, donc l'hypothèse actuelle est que quelqu'un a pris une capture d'écran et a écrit aux RH de Tesla, et j'ai été retiré de la course hors de danger. C'était dommage alors. Maintenant, je suis content que ça n’ait pas fonctionné. Ma position actuelle est bien meilleure, même s'il serait très intéressant de travailler avec Andrey.
Immédiatement après, je me suis lancé dans le concours d'imagerie satellite sur Kaggle depuis . Le problème était simple et extrêmement ennuyeux ; personne ne voulait le résoudre, mais tout le monde voulait une médaille d'or gratuite ou un prix en argent. Par conséquent, avec une équipe de Kaggle Masters de 7 personnes, nous avons convenu de lancer du fer. Nous avons formé 480 réseaux en mode « fit_predict » et en avons fait un ensemble de trois étages. Nous avons terminé septième. . À propos, Jeremy Howard, largement connu comme le créateur terminé 23.
Après la fin du concours, par l'intermédiaire d'un ami qui travaillait chez AdRoll, j'ai organisé un Meetup dans leurs locaux. Des représentants de Planet Labs y ont expliqué à quoi ressemblait l'organisation du concours et le marquage des données de leur part. Wendy Kwan, qui travaille chez Kaggle et a supervisé le concours, a expliqué comment elle le voyait. J'ai décrit notre solution, nos astuces, nos techniques et nos détails techniques. Les deux tiers du public ont résolu ce problème, donc les questions ont été posées précisément et en général, tout s'est bien passé. Jeremy Howard était là aussi. Il s’est avéré qu’il a terminé à la 23ème place parce qu’il ne savait pas comment empiler le modèle et qu’il ne connaissait pas du tout cette méthode de construction d’ensembles.
Les rencontres dans la vallée sur le machine learning sont très différentes des rencontres à Moscou. En règle générale, les rencontres dans la vallée se font en bas. Mais le nôtre s’est bien passé. Malheureusement, le camarade qui était censé appuyer sur le bouton et tout enregistrer n'a pas appuyé sur le bouton :)
Après cela, j'ai été invité à parler au poste d'ingénieur Deep Learning dans ce même Planet Labs, et immédiatement sur place. Je ne l'ai pas réussi. La formulation du refus est qu'il n'y a pas assez de connaissances en Deep Learning.
J'ai conçu chaque concours comme un projet en . Pour le problème DSTL, nous avons écrit et l'a posté sur arxiv. Pas un article, mais toujours du pain. Je recommande également à tous les autres de gonfler leur profil LinkedIn à travers des concours, des articles, des compétences, etc. Il existe une corrélation positive entre le nombre de mots-clés que vous avez dans votre profil LinkedIn et la fréquence à laquelle les gens vous envoient des messages.
Si en hiver et au printemps j'étais très technique, alors en août j'avais à la fois connaissances et confiance en moi.
Fin juillet, un gars qui travaillait comme responsable de la science des données chez Lyft m'a contacté sur LinkedIn et m'a invité à prendre un café et à discuter de la vie, de Lyft, de TrueAccord. Nous avons parlé. Il a proposé un entretien avec son équipe pour le poste de Data Scientist. J'ai dit que l'option fonctionne, à condition qu'il s'agisse de Computer Vision/Deep Learning du matin au soir. Il a assuré qu'il n'y avait aucune objection de sa part.
J'ai envoyé mon CV et il l'a téléchargé sur le portail interne de Lyft. Après cela, le recruteur m'a appelé pour ouvrir mon CV et en savoir plus sur moi. Dès les premiers mots, il était clair que pour lui il s'agissait d'une formalité, puisqu'il ressortait clairement de son CV que « je ne suis pas un matériau pour Lyft ». Je suppose qu'après cela, mon CV est parti à la poubelle.
Pendant tout ce temps, pendant que j'étais interviewé, j'ai discuté de mes échecs et de mes chutes dans ODS et les gars m'ont fait part de leurs commentaires et m'ont aidé de toutes les manières possibles avec des conseils, même si, comme d'habitude, il y avait aussi beaucoup de trolling amical là-bas.
L'un des membres de l'ODS m'a proposé de me mettre en contact avec son ami, directeur de l'ingénierie chez Lyft. À peine dit que c'était fait. Je viens déjeuner chez Lyft, et outre cet ami, il y a aussi un responsable de la science des données et un chef de produit qui est un grand fan du Deep Learning. Au déjeuner, nous avons discuté de DL. Et comme j'ai formé des réseaux 24h/7 et XNUMXj/XNUMX pendant six mois, lu des mètres cubes de littérature et exécuté des tâches sur Kaggle avec des résultats plus ou moins clairs, je pourrais parler de Deep Learning pendant des heures, à la fois en termes de nouveaux articles et techniques pratiques.
Après le déjeuner, ils m'ont regardé et m'ont dit : c'est immédiatement évident que tu es beau, tu veux nous parler ? De plus, ils ont ajouté qu’il est clair pour moi que l’écran take home + tech peut être ignoré. Et que je serai immédiatement invité sur place. J'ai été d'accord.
Après cela, ce recruteur m'a appelé pour planifier un entretien sur place, et il n'était pas satisfait. Il a marmonné quelque chose à propos de ne pas sauter par-dessus la tête.
Est venu. Entretien sur place. Cinq heures de communication avec différentes personnes. Il n’y avait pas une seule question sur le Deep Learning, ni sur le principe du machine learning. Puisqu'il n'y a pas de Deep Learning/Computer Vision, alors je ne suis pas intéressé. Ainsi, les résultats des entretiens étaient orthogonaux.
Ce recruteur appelle et dit : félicitations, vous avez réussi le deuxième entretien sur place. Tout cela est surprenant. Quel est le deuxième sur place ? Je n'ai jamais entendu parler d'une telle chose. Je suis allé. Il y a quelques heures là-bas, cette fois consacrées à l'apprentissage automatique traditionnel. C'est mieux. Mais toujours pas intéressant.
Le recruteur m'appelle pour me féliciter d'avoir réussi le troisième entretien sur place et jure que ce sera le dernier. Je suis allé le voir et il y avait à la fois un DL et un CV.
J'ai eu un prieur pendant plusieurs mois qui m'a dit qu'il n'y aurait pas d'offre. Je ne me formerai pas sur des compétences techniques, mais sur des compétences douces. Pas sur le côté soft, mais sur le fait que le poste sera fermé ou que l'entreprise n'embauche pas encore, mais teste simplement le marché et le niveau des candidats.
Mi-août. J'ai bien bu de la bière. Pensées sombres. 8 mois se sont écoulés et toujours aucune offre. C'est bien d'être créatif sous la bière, surtout si la créativité est étrange. Une idée me vient à l'esprit. Je le partage avec Alexey Shvets, qui était à l'époque postdoctorant au MIT.
Et si vous assistiez à la conférence DL/CV la plus proche, regardiez les compétitions qui y sont organisées, vous entraîniez quelque chose et vous soumettiez ? Puisque tous les experts construisent leur carrière là-dessus et le font depuis des mois, voire des années, nous n’avons aucune chance. Mais ce n'est pas effrayant. Nous faisons une soumission significative, volons vers la dernière place, puis nous écrivons une pré-impression ou un article sur le fait que nous ne sommes pas comme tout le monde et parlons de notre décision. Et l'article est déjà sur LinkedIn et dans votre CV.
Autrement dit, cela semble pertinent et il y a des mots-clés plus corrects dans le CV, ce qui devrait légèrement augmenter les chances d'accéder à l'écran technique. Code et soumissions de ma part, textes d'Alexey. Le jeu, bien sûr, mais pourquoi pas ?
À peine dit que c'était fait. La conférence la plus proche que nous avons recherchée sur Google était la MICCAI et il y avait en fait des compétitions là-bas. Nous avons touché le premier. C'était . La tâche comporte 3 sous-tâches. Il restait 8 jours avant la date limite. J’ai repris mes esprits le matin, mais je n’ai pas abandonné l’idée. J'ai pris mes pipelines de Kaggle et les ai fait passer des données satellite aux données médicales. 'fit_predict'. Alexey a préparé une description de deux pages des solutions pour chaque problème et nous l'avons envoyée. Prêt. En théorie, vous pouvez expirer. Mais il s'est avéré qu'il y avait une autre tâche pour le même atelier () avec trois sous-tâches et que son délai a été avancé de 4 jours, c'est-à-dire que nous pouvons y faire 'fit_predict' et l'envoyer. C'est ce que nous avons fait.
Contrairement à Kaggle, ces concours avaient leurs propres spécificités académiques :
- Pas de classement. Les soumissions sont envoyées par email.
- Vous serez radié si un représentant de l'équipe ne vient pas présenter la solution lors de la conférence à l'Atelier.
- Votre place dans le classement n'est connue que pendant la conférence. Une sorte de drame académique.
La conférence MICCAI 2017 a eu lieu à Québec. Pour être honnête, en septembre, je commençais à m'épuiser, donc l'idée de prendre une semaine de congé et de partir au Canada semblait intéressante.
Je suis venu à la conférence. Je suis venu à cet Atelier, je ne connais personne, je suis assis dans un coin. Tout le monde se connaît, ils communiquent, ils lancent des mots médicaux astucieux. Bilan du premier concours. Les participants parlent et parlent de leurs décisions. C'est cool là-bas, avec un éclat. Mon tour. Et j’ai même honte. Ils ont résolu le problème, y ont travaillé, ont fait progresser la science, et nous sommes purement « fit_predict » à partir des développements passés, non pas pour la science, mais pour dynamiser notre CV.
Il est sorti et a dit que je ne suis pas non plus un expert en médecine, s'est excusé d'avoir perdu son temps et m'a montré une diapositive avec la solution. Je suis descendu dans le hall.
Ils annoncent la première sous-tâche - nous sommes premiers, et de loin.
Les deuxième et troisième sont annoncés.
Ils annoncent le troisième - encore une fois premier et encore une fois avec une avance.
Le général est le premier.
Certains dans le public sourient et me regardent avec respect. D'autres, qui étaient apparemment considérés comme des experts dans le domaine, avaient obtenu une bourse pour cette tâche et le faisaient depuis de nombreuses années, avaient une expression légèrement déformée sur le visage.
Vient ensuite la deuxième tâche, celle qui comporte trois sous-tâches et qui a été avancée de quatre jours.
Ici, je me suis également excusé et j'ai montré à nouveau notre seule diapositive.
La même histoire. Deux d'abord, une seconde, commune d'abord.
Je pense que c’est probablement la première fois dans l’histoire qu’une agence de recouvrement remporte un concours d’imagerie médicale.
Et maintenant je suis sur scène, on me remet une sorte de diplôme et je suis bombardé. Comment ça peut être ? Ces universitaires dépensent l'argent des contribuables, s'efforcent de simplifier et d'améliorer la qualité du travail des médecins, c'est-à-dire, en théorie, mon espérance de vie, et quelqu'un a déchiré tout ce personnel universitaire dans le drapeau britannique en quelques soirées.
Un avantage à cela est que dans d'autres équipes, les étudiants diplômés qui travaillent sur ces tâches depuis de nombreux mois auront un CV attrayant pour les RH, c'est-à-dire qu'ils accéderont facilement à l'écran technique. Et sous mes yeux se trouve un email fraîchement reçu :
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.En général, dès la scène, je demande au public : « Est-ce que quelqu'un sait où je travaille ? L'un des organisateurs du concours le savait : il a recherché sur Google ce qu'était TrueAccord. Les autres ne le sont pas. Je continue : « Je travaille pour une agence de recouvrement, et au travail je ne fais ni Computer Vision ni Deep Learning. Et à bien des égards, cela se produit parce que les services RH de Google Brain et Deepmind filtrent mon CV, ne me donnant pas la possibilité de démontrer une formation technique. "
Ils ont remis le certificat, une pause. Un groupe d’universitaires me prend à l’écart. Il s’est avéré qu’il s’agissait d’un groupe Santé avec Deepmind. Ils ont été tellement impressionnés qu’ils ont immédiatement voulu me parler du poste vacant d’Ingénieur de Recherche au sein de leur équipe. (Nous avons parlé. Cette conversation a duré 6 mois, j'ai réussi un quiz à la maison, mais j'ai été interrompue sur l'écran technique. 6 mois à partir du début de la communication avec l'écran technique, c'est long. La longue attente donne un avant-goût d'inutilité. Ingénieur de recherche chez Deepmind à Londres, dans le contexte de TrueAccord, il y a eu une forte progression, mais dans le contexte de mon poste actuel, c'est une baisse. D'une distance de deux ans qui se sont écoulés depuis, c'est bien que ce n'est pas le cas.)
Conclusion
À peu près au même moment, j'ai reçu une offre de Lyft, que j'ai acceptée.
Sur la base des résultats de ces deux concours avec le MICCAI, ont été publiés :
Autrement dit, malgré le caractère sauvage de l'idée, l'ajout d'articles et de prépublications supplémentaires via des concours fonctionne bien. Et les années suivantes, nous avons aggravé la situation.
Je travaille chez Lyft depuis quelques années dans le domaine de la vision par ordinateur/de l'apprentissage profond pour les voitures autonomes. Autrement dit, j'ai eu ce que je voulais. Et des tâches, et une entreprise de haut rang, et des collègues forts, et tous les autres avantages.
Au cours de ces mois, j'ai communiqué avec les deux grandes entreprises Google, Facebook, Uber, LinkedIn, ainsi qu'avec une mer de startups de différentes tailles.
Ça m’a fait mal tous ces mois. L’univers vous dit chaque jour quelque chose de pas très agréable. Des rejets réguliers, des erreurs régulières et tout cela est agrémenté d'un sentiment persistant de désespoir. Il n'y a aucune garantie que vous réussirez, mais vous avez le sentiment que vous êtes un imbécile. Cela me rappelle beaucoup comment j’ai essayé de trouver un emploi juste après l’université.
Je pense que beaucoup cherchaient du travail dans la vallée et tout était beaucoup plus facile pour eux. L'astuce, à mon avis, est la suivante. Si vous recherchez un emploi dans un domaine que vous comprenez, avez beaucoup d'expérience et que votre CV dit la même chose, il n'y a aucun problème. Je l'ai pris et je l'ai trouvé. Il y a beaucoup de postes vacants.
Mais si vous recherchez un emploi dans un domaine nouveau pour vous, c'est-à-dire lorsqu'il n'y a aucune connaissance, aucun lien et que votre CV dit quelque chose de faux, à ce moment-là, tout devient extrêmement intéressant.
En ce moment, des recruteurs m’écrivent régulièrement et me proposent de faire la même chose que je fais actuellement, mais dans une entreprise différente. Il est vraiment temps de changer de métier. Mais ça ne sert à rien de faire ce pour quoi je suis déjà bon. Pour quoi?
Mais pour ce que je souhaite, je n'ai encore une fois ni les connaissances ni les lignes dans mon CV. Voyons comment tout cela se termine. Si tout se passe bien, j'écrirai la suite. 🙂
Source: habr.com