Dizze foto is troch Arthur Kuzin (), vat de ynhâld fan 'e blogpost frij sekuer gear. Dêrtroch soe it folgjende ferhaal mear moatte wurde waarnommen as in freedsferhaal dan as wat ekstreem nuttich en technysk. Dêrneist is it de muoite wurdich opskriuwen dat de tekst is ryk oan Ingelske wurden. Ik wit net hoe't ik guon fan har korrekt oersette, en ik wol gewoan guon fan har net oersette.
Hoe't de oergong fan in akademyske omjouwing nei in yndustriële omjouwing plakfûn, wurdt yn de earste twa ôfleverings dúdlik. Yn dizze sil it petear gean oer wat der dêrnei bard is.
It wie jannewaris 2017. Op dat stuit hie ik in bytsje mear as in jier wurkûnderfining en wurke ik yn San Francisco yn it bedriuw lykas sr. Data Scientist.
TrueAccord is in opstarten fan skuldsamling. Yn ienfâldige termen - in samling agintskip. Samlers belje meastentiids in protte. Wy stjoerde in soad e-mails, mar makke pear oproppen. Eltse e-mail late ta it bedriuw syn webside, dêr't de debiteur waard oanbean in koarting op 'e skuld, en sels tastien te beteljen yn terminen. Dizze oanpak late ta bettere kolleksje, tastien foar skaalfergrutting en minder bleatstelling oan rjochtsaken.
It bedriuw wie normaal. It produkt is dúdlik. It bestjoer is ferstannich. De lokaasje is goed.
Yn trochsneed wurkje minsken yn de delling sa'n oardel jier op ien plak. Dat is, elk bedriuw wêrfoar jo wurkje is mar in lytse stap. Op dizze stap sille jo wat jild sammelje, nije kennis, feardigens, ferbiningen en rigels krije yn jo cv. Hjirnei is der in oergong nei de folgjende stap.
By TrueAccord sels wie ik belutsen by it heakjen fan oanbefellingssystemen oan e-nijsbrieven, lykas ek by it prioritearjen fan tillefoantsjes. Impakt is begryplik en waard frij goed mjitten yn dollars fia A/B-testen. Sûnt d'r wie gjin masine learen foar myn oankomst, wie de ynfloed fan myn wurk net min. Nochris, it is folle makliker om wat te ferbetterjen dan iets dat al sterk optimalisearre is.
Nei seis moannen fan wurkjen oan dizze systemen, ferhege se sels myn basislean fan $150k nei $163k. Yn de mienskip der is in meme oer $ 163k. It groeit mei syn skonken hjirwei.
Dit alles wie prachtich, mar it hat net liede oeral, of it late, mar net dêr.
Ik haw grut respekt foar TrueAccord, sawol it bedriuw as de jonges dêr't ik mei wurke. Ik ha in protte fan harren leard, mar ik woe lang net wurkje oan oanbefellingssystemen by in ynkassoburo. Fan dizze stap moasten jo wat rjochting stappe. As net foarút en omheech, dan teminsten sydlings.
Wat fûn ik net leuk?
- Fanút in perspektyf fan masine learen, makken de problemen my net optein. Ik woe wat modieus, jeugdich, dat wol sizze, Deep Learning, Computer Vision, wat frij ticht by de wittenskip of op syn minst oan alchemy.
- In opstart, en sels in ynkassoburo, hat problemen mei it ynhieren fan heech kwalifisearre personiel. As startup kin it net folle betelje. Mar as inkassoburo ferliest it oan status. Rûchwei, as in famke op in datum freget wêr't jo wurkje? Jo antwurd: "Op Google" klinkt oarders fan grutte better dan "kollekteburo." Ik wie wat hindere troch it feit dat foar myn freonen dy't wurkje by Google en Facebook, yn tsjinstelling ta my, de namme fan har bedriuw doarren iepene lykas: jo kinne wurde útnoege foar in konferinsje of gearkomste as sprekker, of mear nijsgjirrige minsken skriuwe op LinkedIn mei in oanbod om te moetsjen en te petearjen oer in gleske tee. Ik hâld echt fan kommunikaasje mei minsken dy't ik net persoanlik ken. Dus as jo yn San Francisco wenje, aarzel dan net om te skriuwen - lit ús gean foar kofje en prate.
- Neist my wurken trije Data Scientists yn it bedriuw. Ik wurke oan masine learen, en se wurken oan oare Data Science-taken, dy't gewoan binne yn elke opstart fan hjir oant moarn. As gefolch hawwe se masine learen net echt begrepen. Mar om te groeien, moat ik mei immen kommunisearje, artikels en de lêste ûntjouwings beprate, en op it lêst om advys freegje.
Wat wie beskikber?
- Underwiis: natuerkunde, gjin kompjûterwittenskip.
- De ienige programmeartaal ik wist wie Python. Der wie in gefoel dat ik moast oerstappe nei C ++, mar ik noch koe net krije om it.
- In jier en in heal wurk yn 'e yndustry. Boppedat haw ik op it wurk gjin Deep Learning of Computer Vision studearre.
- Net ien artikel oer Deep Learning / Computer Vision yn it CV.
- Der wie in Kaggle Master-prestaasje.
Wat woesto?
- In posysje wêr't it nedich is om in protte netwurken op te trenen, en tichter by kompjûterfisy.
- It is better as it in grut bedriuw is lykas Google, Tesla, Facebook, Uber, LinkedIn, ensfh. Hoewol yn in knipe, soe in opstart dwaan.
- Ik hoech net de grutste masine-learen-ekspert op it team te wêzen. Der wie in grut ferlet fan senior kameraden, mentors en allerhanne kommunikaasje, dy't it learproses fersnelle moast.
- Nei it lêzen fan blogposten oer hoe't ôfstudearden sûnder yndustriële ûnderfining in totale kompensaasje hawwe fan $300-500k per jier, woe ik yn itselde berik gean. It is net dat dit my sa lestich makket, mar om't se sizze dat dit in mienskiplik ferskynsel is, mar ik haw minder, dan is dit in sinjaal.
De taak like folslein op te lossen, hoewol net yn 'e sin dat jo yn elk bedriuw springe kinne, mar leaver dat as jo úthongere, alles goed komt. Dat is, tsientallen of hûnderten besykjen, en de pine fan elke mislearring en elke ôfwizing, moatte brûkt wurde om fokus te skerpjen, ûnthâld te ferbetterjen en de dei te streken nei 36 oeren.
Ik haw myn cv oanpast, begon it út te stjoeren en gie foar ynterviews. Ik fleach foarby de measten fan harren op it poadium fan kommunikaasje mei HR. In protte minsken easke C ++, mar ik wist it net, en ik hie in sterk gefoel dat ik soe net v're ynteressearre yn posysjes dy't nedich C ++.
It is de muoite wurdich opskriuwen dat om deselde tiid wie der in faze oergong yn it type kompetysjes op Kaggle. Foar 2017 wiene d'r in protte tabelgegevens en heul selden ôfbyldingsgegevens, mar begjin 2017 wiene d'r in protte taken foar kompjûterfisy.
It libben streamde yn 'e folgjende modus:
- Wurk oerdeis.
- As technysk skerm / ter plaatse nimme jo tiid ôf.
- Jûns en wykeinen Kaggle + artikels / boeken / blog berjochten
It ein fan 2016 waard markearre troch it feit dat ik by de mienskip kaam , dy't in protte dingen ferienfâldige. D'r binne in protte jonges yn 'e mienskip mei rike yndustriële ûnderfining, wêrtroch't wy in protte domme fragen kinne stelle en in protte tûke antwurden krije. D'r binne ek in protte heul sterke spesjalisten foar masine-learen fan alle streken, dy't, ûnferwachts, my, fia ODS, tastean it probleem te sluten mei reguliere yngeande kommunikaasje oer Data Science. Oant no ta, yn termen fan ML, ODS jout my in protte kearen mear as ik krij op it wurk.
No, lykas gewoanlik, ODS hat genôch spesjalisten yn kompetysjes op Kaggle en oare siden. Problemen oplosse yn in team is leuker en produktiver, dus mei grappen, skelen, memes en oare nerdy fermaak, binne wy begongen problemen ien foar ien op te lossen.
Yn maart 2017 - yn in team mei Serega Mushinsky - tredde plak foar . Gouden medalje op Kaggle + $ 20k foar twa. Op dizze taak waard wurk mei satellytôfbyldings + binêre segmentaasje fia UNet ferbettere.
Dyselde maart gie ik foar in ynterview by NVidia mei it Self Driving-team. Ik wraksele echt mei fragen oer Object Detection. Der wie net genôch kennis.
Gelokkich begon tagelyk de konkurrinsje foar objektdeteksje oer loftfoto's fan deselde DSTL. God sels bestelde it probleem op te lossen en te upgrade. In moanne fan jûnen en wykeinen. Ik pakte de kennis op en einige twadde. Dizze kompetysje hie in nijsgjirrige nuânse yn 'e regels, dy't liede ta my te sjen yn Ruslân op federale en net sa federale kanalen. Ik kaam oan , en yn in boskje printe en online publikaasjes. Mail Ru Group krige in bytsje positive PR op myn kosten en syn eigen jild, en fûnemintele wittenskip yn Ruslân waard ferrike mei 12000 pûn. Lykas gewoanlik is it skreaun oer dit ûnderwerp . Gean dêr foar details.
Tagelyk naam in Tesla-rekruterer kontakt mei my op en bea om te praten oer de posysje fan Computer Vision. Ik wie it der mei iens. Ik rûn troch de take home, twa tech-skermen, in ynterview op it plak, en hie in heul noflik petear mei Andrei Karpathy, dy't krekt wie ynhierd by Tesla as direkteur fan AI. De folgjende poadium is eftergrûnkontrôle. Dêrnei moast Elon Musk myn oanfraach persoanlik goedkarre. Tesla hat in strikte Non Disclosure Agreement (NDA).
Ik haw de eftergrûnkontrôle net trochjûn. De recruiter sei dat ik in protte online petearje, yn striid mei de NDA. It ienige plak dêr't ik sei wat oer in ynterview by Tesla wie ODS, dus de hjoeddeiske hypoteze is dat immen naam in skermprint en skreau oan HR by Tesla, en ik waard fuorthelle út de race út 'e wei. It wie doe spitich. No bin ik bliid dat it net slagge. Myn hjoeddeistige posysje is folle better, hoewol it heul ynteressant wêze soe om mei Andrey te wurkjen.
Fuort dêrnei, Ik dûkte yn 'e satellyt byldkompetysje op Kaggle fan . It probleem wie ienfâldich en ekstreem saai; gjinien woe it oplosse, mar elkenien woe in fergese gouden medalje of prizejild. Dêrom hawwe wy mei in team fan Kaggle Masters fan 7 minsken ôfpraat dat wy izer goaie soene. Wy trainden 480 netwurken yn 'e 'fit_predict' modus en makken der in trije-ferhaal ensemble fan. Wy einigen as sânde. . Troch de wei, Jeremy Howard, dy't rûnom bekend is as de skepper klear 23.
Nei it ein fan 'e konkurrinsje, troch in freon dy't wurke by AdRoll, organisearre ik in Meetup op har terrein. Fertsjintwurdigers fan Planet Labs prate dêr oer hoe’t de organisaasje fan de kompetysje en datamarkearring der fan harren kant út útseach. Wendy Kwan, dy't wurket by Kaggle en tafersjoch op de konkurrinsje, praat oer hoe't se seach it. Ik beskreau ús oplossing, trúkjes, techniken en technyske details. Twatredde fan it publyk loste dit probleem op, sadat de fragen nei it punt steld waarden en yn 't algemien wie alles cool. Jeremy Howard wie der ek. It die bliken dat er op it 23e plak einige om't er net wist hoe't er it model opsteapele moast en dat er hielendal net wist fan dizze metoade foar it bouwen fan ensembles.
Meetups yn 'e delling oer masine learen binne heul oars as meetups yn Moskou. As regel binne gearkomsten yn 'e delling de boaiem. Mar ús is goed wurden. Spitigernôch drukte de kameraad dy't op de knop drukke moast en alles opnimme, net op de knop :)
Dêrnei waard ik útnoege om te praten mei de posysje fan Deep Learning Engineer by deselde Planet Labs, en fuortendaliks op it plak. Ik haw it net trochjûn. De formulearring fan de wegering is dat der net genôch kennis is yn Deep Learning.
Ik ûntwurp elke kompetysje as in projekt yn . Foar it DSTL-probleem hawwe wy skreaun en pleatst it op arxiv. Gjin artikel, mar dochs brea. Ik riede ek elkenien oan om har LinkedIn-profyl op te blazen fia kompetysjes, artikels, feardigens, ensfh. D'r is in positive korrelaasje tusken hoefolle kaaiwurden jo hawwe yn jo LinkedIn profyl en hoe faak minsken jo berjochtsje.
As ik yn 'e winter en maitiid tige technysk wie, dan hie ik yn augustus sawol kennis as selsbetrouwen.
Ein july naam in man dy't wurke as Data Science-manager by Lyft kontakt mei my op LinkedIn en noege my út foar kofje en petear oer it libben, oer Lyft, oer TrueAccord. Wy praatten. Hy bea om ynterview mei syn team foar de posysje fan Data Scientist. Ik sei dat de opsje wurket, op betingst dat it Computer Vision / Deep Learning is fan moarns oant jûns. Hy fersekere dat der gjin beswieren fan syn kant wiene.
Ik stjoerde myn cv en hy uploade it nei it ynterne portaal fan Lyft. Dêrnei belle de recruiter my om myn cv te iepenjen en mear oer my te finen. Fan 'e earste wurden wie it dúdlik dat dit foar him in formaliteit wie, om't it him dúdlik wie út syn resume dat "Ik bin gjin materiaal foar Lyft." Ik tink dat dêrnei myn cv yn de jiskefet gie.
Al dy tiid, wylst ik ynterviewd waard, beprate ik myn mislearrings en delgongen yn ODS en de jonges joegen my feedback en holpen my op alle mooglike manieren mei advys, hoewol't der, lykas gewoanlik, ek in protte freonlik trollen waard.
Ien fan 'e ODS-leden bea om my te ferbinen mei syn freon, dy't de direkteur fan Engineering by Lyft is. Net earder sein as dien. Ik kom nei Lyft foar lunch, en neist dizze freon is d'r ek in Head of Data Science en in Produktmanager dy't in grutte fan is fan Deep Learning. Yn 'e middei prate wy oer DL. En om't ik al in healjier 24/7 netwurken traine, kubike meter literatuer lês en taken op Kaggle draaide mei min of mear dúdlike resultaten, koe ik oeren oer Deep Learning prate, sawol oangeande nije artikels as praktyske techniken.
Nei de middei seagen se my oan en seine - it is fuort dúdlik dat jo kreas binne, wolle jo mei ús prate? Boppedat, se tafoege dat it is dúdlik foar my dat take home + tech skerm kin oerslaan. En dat ik daliks útnoege wurde sil op it plak. Ik wie it der mei iens.
Dêrnei rôp dy recruiter my om in ynterview op it plak te plannen, en hy wie ûntefreden. Hy mompele wat oer dy net oer de holle sprongen.
Kaam. Onsite ynterview. Fiif oeren kommunikaasje mei ferskate minsken. D'r wie gjin inkelde fraach oer Deep Learning, of oer masine learen yn prinsipe. Sûnt d'r gjin Deep Learning / Computer Vision is, bin ik net ynteressearre. Sa wiene de ynterviewresultaten orthogonaal.
Dizze recruiter ropt en seit - lokwinsken, jo binne troch nei it twadde ynterview op it plak. Dit is allegear ferrassend. Wat is it twadde plak? Ik haw noch nea fan soks heard. Ik gie. D'r binne dêr in pear oeren, dizze kear alles oer tradisjoneel masine learen. Dat is better. Mar noch altyd net nijsgjirrich.
De recruiter ropt mei lokwinsken dat ik it tredde ynterview op it plak haw trochjûn en belooft dat dit de lêste sil wêze. Ik gie it te sjen en der wie sawol in DL as in CV.
Ik hie in protte moannen in prior dy't my fertelde dat d'r gjin oanbod soe wêze. Ik sil net traine op technyske feardigens, mar op sêfte. Net oan 'e sêfte kant, mar op it feit dat de funksje sletten wurdt of dat it bedriuw noch net ynhiert, mar gewoan de merk en it nivo fan kandidaten testet.
Mid augustus. Ik dronk bier goed. Tsjustere tinzen. 8 moannen binne foarby en noch gjin oanbod. It is goed om kreatyf te wêzen ûnder bier, foaral as de kreativiteit nuver is. In idee komt by my op. Ik diel it mei Alexey Shvets, dy't op dat stuit in postdoc wie by MIT.
Wat as jo de tichtstbye DL/CV-konferinsje nimme, de kompetysjes besjen dy't dêrby wurde hâlden, wat traine en yntsjinje? Om't alle saakkundigen dêr har karriêre op bouwe en dit in protte moannen of sels jierren dogge, hawwe wy gjin kâns. Mar it is net bang. Wy meitsje wat betsjuttingsfolle ynstjoering, fleane nei it lêste plak, en dêrnei skriuwe wy in pre-print of in artikel oer hoe't wy net binne lykas elkenien en prate oer ús beslút. En it artikel is al op LinkedIn en yn jo cv.
Dat is, it liket relevant te wêzen en d'r binne mear korrekte kaaiwurden yn 'e resume, dy't de kânsen moatte ferheegje om nei it tech-skerm te kommen. Koade en ynstjoerings fan my, teksten fan Alexey. Spultsje, fansels, mar wêrom net?
Net earder sein as dien. De tichtstby lizzende konferinsje dy't wy googleden wie MICCAI en d'r wiene eins kompetysjes dêr. Wy sloegen de earste. It wie . De taak hat 3 subtaken. D'r wiene noch 8 dagen foar de deadline. Ik socht moarns op, mar ik joech it idee net op. Ik naam myn pipelines út Kaggle en skeakele se fan satellytgegevens nei medyske gegevens. 'fit_predict'. Alexey hat in twa-side beskriuwing fan oplossingen foar elk probleem taret, en wy hawwe it stjoerd. Klear. Yn teory kinne jo útademen. Mar it die bliken dat der in oare taak wie foar deselde workshop () mei trije subtaken en dat har deadline mei 4 dagen ferpleatst is, dat is, wy kinne dêr 'fit_predict' dwaan en stjoere. Dat hawwe wy dien.
Oars as Kaggle hiene dizze kompetysjes har eigen akademyske spesifikaasjes:
- Gjin Leaderboard. Ynstjoerings wurde ferstjoerd fia e-mail.
- Jo wurde fuorthelle as in teamfertsjintwurdiger net komt om de oplossing te presintearjen op de konferinsje by de Workshop.
- Jo plak op it Leaderboard wurdt allinich bekend tidens de konferinsje. In soarte fan akademysk drama.
De MICCAI 2017 konferinsje waard hâlden yn Quebec City. Om earlik te wêzen, yn septimber begon ik út te baarnen, dus it idee om in wike frij te nimmen fan it wurk en nei Kanada te gean, like ynteressant.
Kom nei de konferinsje. Ik kaam op dizze Workshop, ik ken gjinien, ik sit yn 'e hoeke. Elkenien ken inoar, se kommunisearje, se smyt tûke medyske wurden út. Resinsje fan de earste kompetysje. Dielnimmers prate en prate oer har besluten. It is dêr koel, mei in glâns. Myn beurt. En ik skamje my op ien of oare manier sels. Se hawwe it probleem oplost, wurken deroan, avansearre wittenskip, en wy binne suver "fit_predict" fan ferline ûntwikkelingen, net foar wittenskip, mar om ús CV te stimulearjen.
Hy kaam út en sei dat ik ek gjin genêskundige bin, ferûntskuldigde har foar it fergriemen fan har tiid en liet my ien dia sjen mei de oplossing. Ik gong del nei de seal.
Se kundigje de earste subtaak oan - wy binne earst, en mei in marzje.
De twadde en tredde wurde bekend makke.
Se kundigje de tredde oan - wer earst en wer mei in foarsprong.
Algemien is de earste.
Guon yn it publyk glimkje en sjogge my mei respekt oan. Oaren, dejingen dy't blykber as eksperts op it mêd beskôge waarden, foar dizze taak in subsydzje wûn hienen en dit al in protte jierren dien hiene, hienen in wat ferfoarme útdrukking op it gesicht.
Dêrnei is de twadde taak, dy mei trije subtaken en dy't mei fjouwer dagen nei foaren ferpleatst is.
Hjir haw ik ek ekskús oanfrege en ús iene dia wer sjen litten.
Itselde ferhaal. Twa earst, ien twadde, gewoanlik earst.
Ik tink dat dit wierskynlik de earste kear yn 'e skiednis is dat in kolleksjeburo in kompetysje foar medyske imaging hat wûn.
En no stean ik op it poadium, se jouwe my in soarte fan diploma en ik wurdt bombardeard. Hoe kin dat wêze? Dizze akademisy besteegje jild fan belestingbetellers út, wurkje oan it ferienfâldigjen en ferbetterjen fan de kwaliteit fan it wurk foar dokters, dat is, yn teory, myn libbensferwachting, en guon lichems skuorde dit hiele akademyske personiel yn in pear jûnen yn 'e Britske flagge.
In bonus hjirfan is dat yn oare teams ôfstudearden dy't in protte moannen oan dizze taken hawwe wurke, in resume hawwe dy't oantreklik is foar HR, dat is, se sille maklik nei it tech-skerm komme. En foar myn eagen stiet in nij ûntfongen 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.Yn 't algemien freegje ik fan it poadium ôf oan it publyk: "Wit immen wêr't ik wurkje?" Ien fan 'e organisatoaren fan' e kompetysje wist - hy Googlede wat TrueAccord wie. De rest net. Ik gean fierder: "Ik wurkje foar in ynkassoburo, en op it wurk doch ik noch Computer Vision noch Deep Learning. En op in protte manieren bart dit om't de HR-ôfdielingen fan Google Brain en Deepmind myn cv filterje, en my gjin kâns jaan om technyske training te sjen. "
Se oerdroegen it sertifikaat, in skoft. In groep akademisy lûkt my oan de kant. It die bliken dat dit in Health-groep is mei Deepmind. Se wiene sa ûnder de yndruk dat se fuortdaliks mei my prate woene oer de fakatuere Research Engineer yn harren team. (Wy hawwe praat. Dit petear duorre foar 6 moannen, ik trochjûn nimme thús, kwis, mar waard besunige koart op de tech skerm. 6 moannen fan it begjin fan kommunikaasje nei de tech skerm is in lange tiid. De lange wachtsjen jout in smaak fan nutteloosheid. Research Engineer by Deepmind yn Londen, tsjin de eftergrûn fan TrueAccord wie der in sterke stap omheech, mar tsjin de eftergrûn fan myn hjoeddeistige posysje is it in stap del. Fan in ôfstân fan twa jier dy't sûnt dy tiid ferrûn binne, is it goed dat it net die.)
konklúzje
Om deselde tiid krige ik in oanbod fan Lyft, dat ik oannaam.
Op grûn fan de resultaten fan dizze twa kompetysjes mei MICCAI waarden de folgjende publisearre:
Dat is, nettsjinsteande de wyldens fan it idee, it tafoegjen fan inkrementele artikels en preprints fia kompetysjes wurket goed. En yn 'e folgjende jierren makken wy it noch slimmer.
Ik haw de lêste pear jier by Lyft wurke mei Computer Vision / Deep Learning foar selsridende auto's. Dat is, ik krige wat ik woe. En taken, en in bedriuw mei hege status, en sterke kollega's, en al it oare guod.
Yn dizze moannen hie ik kommunikaasje mei beide grutte bedriuwen Google, Facebook, Uber, LinkedIn, en mei in see fan startups fan ferskate grutte.
It die al dizze moannen sear. It universum fertelt jo elke dei wat net heul noflik. Reguliere ôfwizing, regelmjittich flaters meitsje en dit alles wurdt smaak mei in oanhâldend gefoel fan hopeleazens. Der binne gjin garânsjes dat jo sille slagje, mar der is in gefoel dat jo binne in gek. It docht tige tinken oan hoe't ik besocht te finen in baan rjocht nei de universiteit.
Ik tink dat in protte sochten wurk yn 'e delling en alles wie folle makliker foar harren. De trúk, nei myn miening, is dit. As jo op syk binne nei in baan yn in fjild wêryn jo begripe, hawwe in soad ûnderfining, en dyn cv seit itselde, der binne gjin problemen. Ik naam it en fûn it. Der binne in soad fakatueres.
Mar as jo op syk binne nei in baan yn in fjild dat is nij foar jo, dat is, as der gjin kennis, gjin ferbinings en dyn cv seit wat ferkeard - op dit stuit alles wurdt ekstreem nijsgjirrich.
Op it stuit skriuwe recruiters my geregeld en biede oan om itselde te dwaan dat ik no doch, mar yn in oar bedriuw. It is echt tiid om fan baan te feroarjen. Mar it hat gjin sin om te dwaan wat ik al goed yn bin. Foar wat?
Mar foar wat ik wol, ik haw wer noch de kennis noch de rigels yn myn cv. Litte wy sjen hoe't dit allegear einiget. As alles goed giet, skriuw ik it folgjende diel. 🙂
Boarne: www.habr.com