ભૌતિકશાસ્ત્રીઓથી ડેટા સાયન્સ સુધી (વિજ્ઞાનના એન્જિનથી ઓફિસ પ્લેન્કટોન સુધી). ત્રીજો ભાગ

આ તસવીર આર્થર કુઝિનની છે (n01z3), બ્લોગ પોસ્ટની સામગ્રીનો તદ્દન ચોક્કસ સારાંશ આપે છે. પરિણામે, નીચેના વર્ણનને શુક્રવારની વાર્તાની જેમ અત્યંત ઉપયોગી અને ટેકનિકલ વસ્તુ તરીકે વધુ સમજવું જોઈએ. વધુમાં, તે નોંધવું યોગ્ય છે કે ટેક્સ્ટ અંગ્રેજી શબ્દોથી સમૃદ્ધ છે. મને ખબર નથી કે તેમાંથી કેટલાકનું યોગ્ય રીતે ભાષાંતર કેવી રીતે કરવું, અને હું તેમાંથી કેટલાકનો અનુવાદ કરવા માંગતો નથી.

પ્રથમ ભાગ.
બીજો ભાગ.

શૈક્ષણિક વાતાવરણમાંથી ઔદ્યોગિક વાતાવરણમાં સંક્રમણ કેવી રીતે થયું તે પ્રથમ બે એપિસોડમાં પ્રગટ થાય છે. આ એકમાં, વાતચીત આગળ શું થયું તે વિશે હશે.

તે જાન્યુઆરી 2017 હતો. તે સમયે, મારી પાસે એક વર્ષ કરતાં થોડો વધુ કામનો અનુભવ હતો અને મેં કંપનીમાં સાન ફ્રાન્સિસ્કોમાં કામ કર્યું હતું. ટ્રુએકોર્ડ જેમ કે Sr ડેટા સાયન્ટિસ્ટ.

TrueAccord એ ડેટ કલેક્શન સ્ટાર્ટઅપ છે. સરળ શબ્દોમાં - એક સંગ્રહ એજન્સી. કલેક્ટર્સ સામાન્ય રીતે ઘણું બોલાવે છે. અમે ઘણા બધા ઇમેઇલ્સ મોકલ્યા, પરંતુ થોડા કૉલ્સ કર્યા. દરેક ઈમેલ કંપનીની વેબસાઈટ તરફ દોરી જાય છે, જ્યાં દેવાદારને દેવું પર ડિસ્કાઉન્ટ ઓફર કરવામાં આવતું હતું, અને હપ્તાઓમાં ચૂકવણી કરવાની પણ મંજૂરી આપવામાં આવી હતી. આ અભિગમ વધુ સારા સંગ્રહ તરફ દોરી ગયો, સ્કેલિંગ માટે મંજૂરી આપી અને મુકદ્દમાઓના ઓછા સંપર્કમાં આવ્યા.

કંપની સામાન્ય હતી. ઉત્પાદન સ્પષ્ટ છે. મેનેજમેન્ટ સમજદાર છે. સ્થાન સારું છે.

સરેરાશ, ખીણમાં લોકો લગભગ દોઢ વર્ષ સુધી એક જગ્યાએ કામ કરે છે. એટલે કે, તમે જે પણ કંપની માટે કામ કરો છો તે માત્ર એક નાનું પગલું છે. આ પગલા પર તમે તમારા રેઝ્યૂમેમાં કેટલાક પૈસા એકત્ર કરશો, નવું જ્ઞાન, કૌશલ્ય, કનેક્શન અને લાઇન મેળવશો. આ પછી આગળના પગલામાં સંક્રમણ છે.

TrueAccord માં જ, હું ઈમેલ ન્યૂઝલેટર્સમાં ભલામણ પ્રણાલીઓ જોડવામાં તેમજ ફોન કૉલ્સને પ્રાધાન્ય આપવામાં સામેલ હતો. અસર સમજી શકાય તેવી છે અને A/B પરીક્ષણ દ્વારા ડોલરમાં સારી રીતે માપવામાં આવી હતી. મારા આગમન પહેલા કોઈ મશીન લર્નિંગ ન હોવાથી મારા કામની અસર ખરાબ ન હતી. ફરીથી, પહેલેથી જ ભારે ઑપ્ટિમાઇઝ કરેલ કંઈક કરતાં કંઈક સુધારવાનું ખૂબ સરળ છે.

આ સિસ્ટમો પર છ મહિના કામ કર્યા પછી, તેઓએ મારા મૂળ પગારને $150k થી વધારીને $163k પણ કર્યો. સમુદાયમાં ઓપન ડેટા સાયન્સ (ODS) લગભગ $163k એક મેમ છે. તે અહીંથી તેના પગ વડે ઉગે છે.

આ બધું અદ્ભુત હતું, પરંતુ તે ક્યાંય દોરી ગયું નથી, અથવા તે દોરી ગયું છે, પરંતુ ત્યાં નથી.

મને TrueAccord માટે ખૂબ જ આદર છે, બંને કંપની અને વ્યક્તિઓ કે જેની સાથે મેં ત્યાં કામ કર્યું છે. મેં તેમની પાસેથી ઘણું શીખ્યું, પરંતુ હું કલેક્શન એજન્સીમાં ભલામણ સિસ્ટમ્સ પર લાંબા સમય સુધી કામ કરવા માંગતો ન હતો. આ પગલાથી તમારે કોઈ દિશામાં પગલું ભરવાનું હતું. જો આગળ અને ઉપરની તરફ નહીં, તો ઓછામાં ઓછું બાજુ તરફ.

મને શું ન ગમ્યું?

1. મશીન લર્નિંગ પરિપ્રેક્ષ્યમાં, સમસ્યાઓ મને ઉત્તેજિત કરતી નથી. મને કંઈક ફેશનેબલ, જુવાન, એટલે કે ડીપ લર્નિંગ, કોમ્પ્યુટર વિઝન, વિજ્ઞાનની નજીક અથવા ઓછામાં ઓછું રસાયણ જેવું કંઈક જોઈતું હતું.
2. એક સ્ટાર્ટઅપ અને કલેક્શન એજન્સીને પણ ઉચ્ચ લાયકાત ધરાવતા કર્મચારીઓની ભરતી કરવામાં સમસ્યા હોય છે. સ્ટાર્ટઅપ તરીકે, તે વધુ ચૂકવણી કરી શકતું નથી. પરંતુ કલેક્શન એજન્સી તરીકે, તે સ્થિતિ ગુમાવે છે. સામાન્ય રીતે કહીએ તો, જો ડેટ પર કોઈ છોકરી પૂછે કે તમે ક્યાં કામ કરો છો? તમારો જવાબ: "Google પર" "સંગ્રહ એજન્સી" કરતાં વધુ તીવ્રતાના ઓર્ડર લાગે છે. હું એ હકીકતથી થોડો પરેશાન હતો કે મારાથી વિપરીત, Google અને Facebook પર કામ કરતા મારા મિત્રો માટે, તેમની કંપનીના નામે દરવાજા ખોલ્યા જેમ કે: તમને કોન્ફરન્સમાં અથવા વક્તા તરીકે મીટઅપ માટે આમંત્રિત કરી શકાય છે, અથવા વધુ રસપ્રદ લોકો LinkedIn પર લખે છે. ચાના ગ્લાસ પર મળવા અને ચેટ કરવાની ઓફર સાથે. મને એવા લોકો સાથે વાતચીત કરવાનું ખરેખર ગમે છે જેને હું રૂબરૂમાં જાણતો નથી. તેથી જો તમે સાન ફ્રાન્સિસ્કોમાં રહો છો, તો લખવામાં અચકાશો નહીં - ચાલો કોફી અને વાત કરવા જઈએ.
3. કંપનીમાં મારા ઉપરાંત ત્રણ ડેટા સાયન્ટિસ્ટ કામ કરતા હતા. હું મશીન લર્નિંગ પર કામ કરી રહ્યો હતો, અને તેઓ અન્ય ડેટા સાયન્સ કાર્યો પર કામ કરી રહ્યા હતા, જે અહીંથી આવતીકાલ સુધી કોઈપણ સ્ટાર્ટઅપમાં સામાન્ય છે. પરિણામે, તેઓ ખરેખર મશીન લર્નિંગને સમજી શક્યા ન હતા. પરંતુ વધવા માટે, મારે કોઈની સાથે વાતચીત કરવાની, લેખો અને નવીનતમ વિકાસની ચર્ચા કરવાની અને અંતે સલાહ માંગવાની જરૂર છે.

શું ઉપલબ્ધ હતું?

1. શિક્ષણ: ભૌતિકશાસ્ત્ર, કમ્પ્યુટર વિજ્ઞાન નહીં.
2. એક માત્ર પ્રોગ્રામિંગ ભાષા હું જાણતો હતો તે પાયથોન હતી. એવી લાગણી હતી કે મારે C++ પર સ્વિચ કરવાની જરૂર છે, પરંતુ હું હજી પણ તેની આસપાસ જઈ શક્યો નથી.
3. દોઢ વર્ષ ઈન્ડસ્ટ્રીમાં કામ કર્યું. તદુપરાંત, કામ પર મેં ડીપ લર્નિંગ અથવા કમ્પ્યુટર વિઝનનો અભ્યાસ કર્યો નથી.
4. બાયોડેટામાં ડીપ લર્નિંગ / કોમ્પ્યુટર વિઝન પર એક પણ લેખ નથી.
5. એક કાગલે માસ્ટર સિદ્ધિ હતી.

તમારે શું જોઈતું હતું?

1. એવી સ્થિતિ કે જ્યાં ઘણા નેટવર્કને તાલીમ આપવી જરૂરી રહેશે અને કમ્પ્યુટર વિઝનની નજીક.
2. જો તે Google, Tesla, Facebook, Uber, LinkedIn, વગેરે જેવી મોટી કંપની હોય તો તે વધુ સારું છે. જોકે એક ચપટીમાં, એક સ્ટાર્ટઅપ કરશે.
3. મારે ટીમમાં સૌથી મોટા મશીન લર્નિંગ નિષ્ણાત બનવાની જરૂર નથી. વરિષ્ઠ સાથીઓ, માર્ગદર્શકો અને તમામ પ્રકારના સંદેશાવ્યવહારની ખૂબ જ જરૂર હતી, જે શીખવાની પ્રક્રિયાને ઝડપી બનાવવાનું હતું.
4. ઔદ્યોગિક અનુભવ વિનાના સ્નાતકોને દર વર્ષે $300-500kનું કુલ વળતર કેવી રીતે મળે છે તે વિશેની બ્લોગ પોસ્ટ્સ વાંચ્યા પછી, હું તે જ શ્રેણીમાં જવા માંગતો હતો. એવું નથી કે આ મને ખૂબ પરેશાન કરે છે, પરંતુ કારણ કે તેઓ કહે છે કે આ એક સામાન્ય ઘટના છે, પરંતુ મારી પાસે ઓછી છે, તો આ એક સંકેત છે.

કાર્ય સંપૂર્ણપણે ઉકેલી શકાય તેવું લાગતું હતું, જો કે તે અર્થમાં નથી કે તમે કોઈપણ કંપનીમાં કૂદી શકો છો, પરંતુ જો તમે ભૂખે મરશો, તો બધું કામ કરશે. એટલે કે, દસ કે સેંકડો પ્રયાસો, અને દરેક નિષ્ફળતા અને દરેક અસ્વીકારથી થતી પીડાનો ઉપયોગ ધ્યાનને વધુ તીવ્ર બનાવવા, યાદશક્તિ સુધારવા અને દિવસને 36 કલાક સુધી લંબાવવા માટે થવો જોઈએ.

મેં મારા રેઝ્યૂમેને ટ્વિક કર્યું, તેને મોકલવાનું શરૂ કર્યું અને ઇન્ટરવ્યુ માટે જવાનું શરૂ કર્યું. એચઆર સાથેના સંચારના તબક્કે હું તેમાંથી મોટાભાગનામાંથી પસાર થઈ ગયો હતો. ઘણા લોકોને C++ ની જરૂર હતી, પરંતુ હું તે જાણતો ન હતો, અને મને એવી તીવ્ર લાગણી હતી કે મને C++ની જરૂર હોય તેવા હોદ્દાઓમાં બહુ રસ નથી.

તે નોંધવું યોગ્ય છે કે તે જ સમયે કાગલે પર સ્પર્ધાઓના પ્રકારમાં એક તબક્કામાં સંક્રમણ હતું. 2017 પહેલા ઘણા બધા ટેબ્યુલર ડેટા હતા અને ખૂબ જ ભાગ્યે જ ચિત્ર ડેટા હતા, પરંતુ 2017 થી શરૂ કરીને કમ્પ્યુટર વિઝનના ઘણા કાર્યો હતા.

જીવન નીચેના મોડમાં વહેતું હતું:

1. દિવસ દરમિયાન કામ કરો.
2. જ્યારે ટેક સ્ક્રીન / ઓનસાઇટ તમે સમય કાઢો છો.
3. સાંજ અને સપ્તાહાંત કાગલ + લેખો / પુસ્તકો / બ્લોગ પોસ્ટ્સ

2016 નો અંત એ હકીકત દ્વારા ચિહ્નિત થયો કે હું સમુદાયમાં જોડાયો ઓપન ડેટા સાયન્સ (ODS), જે ઘણી બધી વસ્તુઓને સરળ બનાવે છે. સમુદાયમાં સમૃદ્ધ ઔદ્યોગિક અનુભવ ધરાવતા ઘણા બધા છોકરાઓ છે, જેણે અમને ઘણા મૂર્ખ પ્રશ્નો પૂછવા અને ઘણા સ્માર્ટ જવાબો મેળવવાની મંજૂરી આપી. ત્યાં તમામ પટ્ટાઓના ઘણા મજબૂત મશીન લર્નિંગ નિષ્ણાતો પણ છે, જેમણે, અણધારી રીતે, મને ODS દ્વારા, ડેટા સાયન્સ વિશે નિયમિત ઊંડાણપૂર્વકના સંચાર સાથે સમસ્યાને બંધ કરવાની મંજૂરી આપી. અત્યાર સુધી, MLના સંદર્ભમાં, ODS મને કામ પર જે મળે છે તેના કરતાં અનેક ગણું વધારે આપે છે.

ઠીક છે, હંમેશની જેમ, ODS પાસે કાગલ અને અન્ય સાઇટ્સ પરની સ્પર્ધાઓમાં પૂરતા નિષ્ણાતો છે. ટીમમાં સમસ્યાઓનું નિરાકરણ વધુ મનોરંજક અને ઉત્પાદક છે, તેથી જોક્સ, શપથ, મીમ્સ અને અન્ય અસ્પષ્ટ મનોરંજન સાથે, અમે એક પછી એક સમસ્યાઓ હલ કરવાનું શરૂ કર્યું.

માર્ચ 2017 માં - સેરેગા મુશિન્સકી સાથેની ટીમમાં - ત્રીજા સ્થાને Dstl સેટેલાઈટ ઈમેજરી ફીચર ડિટેક્શન. કાગલ પર ગોલ્ડ મેડલ + બે માટે $20k. આ કાર્ય પર, સેટેલાઇટ ઈમેજીસ સાથે કામ + યુનેટ દ્વારા બાઈનરી સેગ્મેન્ટેશનમાં સુધારો કરવામાં આવ્યો હતો. આ વિષય પર Habré પર બ્લોગ પોસ્ટ.

તે જ માર્ચ, હું સેલ્ફ ડ્રાઇવિંગ ટીમ સાથે NVidia ખાતે ઇન્ટરવ્યુ માટે ગયો હતો. મેં ખરેખર ઑબ્જેક્ટ ડિટેક્શન વિશેના પ્રશ્નો સાથે સંઘર્ષ કર્યો. પૂરતું જ્ઞાન ન હતું.

સદભાગ્યે, તે જ સમયે, તે જ DSTL તરફથી એરિયલ ઈમેજરી પર ઑબ્જેક્ટ શોધ સ્પર્ધા શરૂ થઈ. ભગવાને પોતે સમસ્યા ઉકેલવા અને અપગ્રેડ કરવાનો આદેશ આપ્યો. સાંજ અને સપ્તાહાંતનો મહિનો. મેં જ્ઞાન ઉપાડ્યું અને બીજું સ્થાન મેળવ્યું. આ સ્પર્ધામાં નિયમોમાં એક રસપ્રદ સૂક્ષ્મતા હતી, જેના કારણે મને રશિયામાં ફેડરલ ચેનલો પર બતાવવામાં આવી હતી અને ફેડરલ ચેનલો પર નહીં. હું ચાલુ થયો ઘર Lenta.ru, અને પ્રિન્ટ અને ઓનલાઈન પ્રકાશનોના સમૂહમાં. મેઇલ રુ ગ્રુપને મારા ખર્ચે અને તેના પોતાના પૈસા પર થોડો હકારાત્મક PR મળ્યો અને રશિયામાં મૂળભૂત વિજ્ઞાન 12000 પાઉન્ડથી સમૃદ્ધ થયું. હંમેશની જેમ, તે આ વિષય પર લખવામાં આવ્યું હતું hubr પર બ્લોગ પોસ્ટ. વિગતો માટે ત્યાં જાઓ.

તે જ સમયે, ટેસ્લા ભરતી કરનારે મારો સંપર્ક કર્યો અને કમ્પ્યુટર વિઝન સ્થિતિ વિશે વાત કરવાની ઓફર કરી. હું સંમત થયો. મેં ટેક હોમ, બે ટેક સ્ક્રીન્સ, એક ઓનસાઇટ ઇન્ટરવ્યુ, અને આન્દ્રે કાર્પથી સાથે ખૂબ જ સુખદ વાર્તાલાપ કર્યો, જેમને ટેસ્લા ખાતે AI ના ડિરેક્ટર તરીકે નિયુક્ત કરવામાં આવ્યા હતા. આગળનો તબક્કો પૃષ્ઠભૂમિ તપાસ છે. તે પછી, એલોન મસ્કને મારી અરજી અંગત રીતે મંજૂર કરવાની હતી. ટેસ્લા પાસે સખત નોન ડિસ્ક્લોઝર એગ્રીમેન્ટ (NDA) છે.
મેં બેકગાઉન્ડ ચેક પાસ કર્યો નથી. ભરતી કરનારે કહ્યું કે હું એનડીએનું ઉલ્લંઘન કરીને ઘણી ઓનલાઈન ચેટ કરું છું. ટેસ્લા ખાતેના ઇન્ટરવ્યુ વિશે મેં જ્યાં કંઈપણ કહ્યું તે એકમાત્ર સ્થળ ODS હતું, તેથી વર્તમાન પૂર્વધારણા એ છે કે કોઈએ સ્ક્રીનશૉટ લીધો અને ટેસ્લા ખાતે HRને લખ્યું, અને મને નુકસાનના માર્ગે રેસમાંથી દૂર કરવામાં આવ્યો. ત્યારે તે શરમજનક હતું. હવે હું ખુશ છું કે તે કામ કરતું નથી. મારી વર્તમાન સ્થિતિ ઘણી સારી છે, જો કે આન્દ્રે સાથે કામ કરવું ખૂબ જ રસપ્રદ રહેશે.

તે પછી તરત જ, મેં કાગલ પરની સેટેલાઇટ ઇમેજરી સ્પર્ધામાં ભાગ લીધો પ્લેનેટ લેબ્સ - અવકાશમાંથી એમેઝોનને સમજવું. સમસ્યા સરળ અને અત્યંત કંટાળાજનક હતી; કોઈ તેને ઉકેલવા માંગતા ન હતા, પરંતુ દરેકને મફત ગોલ્ડ મેડલ અથવા ઈનામની રકમ જોઈતી હતી. તેથી, 7 લોકોની કાગલ માસ્ટર્સની ટીમ સાથે, અમે સંમત થયા કે અમે લોખંડ ફેંકીશું. અમે 480 નેટવર્કને 'fit_predict' મોડમાં તાલીમ આપી અને તેમાંથી ત્રણ માળનું જોડાણ બનાવ્યું. અમે સાતમું સ્થાન મેળવ્યું. આર્થર કુઝિન તરફથી ઉકેલનું વર્ણન કરતી બ્લોગ પોસ્ટ. માર્ગ દ્વારા, જેરેમી હોવર્ડ, જે સર્જક તરીકે વ્યાપકપણે જાણીતા છે ફાસ્ટ.એ.આઈ 23 સમાપ્ત.

સ્પર્ધાના અંત પછી, એડરોલમાં કામ કરતા મિત્ર દ્વારા, મેં તેમના પરિસરમાં એક મીટઅપનું આયોજન કર્યું. પ્લેનેટ લેબ્સના પ્રતિનિધિઓએ ત્યાં સ્પર્ધાનું સંગઠન અને ડેટા માર્કિંગ તેમના તરફથી કેવું દેખાય છે તે વિશે વાત કરી. વેન્ડી કવાન, જે કાગલ ખાતે કામ કરે છે અને સ્પર્ધાનું નિરીક્ષણ કરે છે, તેણે તે કેવી રીતે જોયું તે વિશે વાત કરી. મેં અમારા ઉકેલ, યુક્તિઓ, તકનીકો અને તકનીકી વિગતો વર્ણવી છે. બે તૃતીયાંશ પ્રેક્ષકોએ આ સમસ્યા હલ કરી, તેથી પ્રશ્નો મુદ્દા પર પૂછવામાં આવ્યા અને સામાન્ય રીતે બધું સરસ હતું. જેરેમી હોવર્ડ પણ ત્યાં હતો. તે બહાર આવ્યું છે કે તે 23 મા સ્થાને સમાપ્ત થયો કારણ કે તે મોડેલને કેવી રીતે સ્ટેક કરવું તે જાણતો ન હતો અને તે ensembles બાંધવાની આ પદ્ધતિ વિશે બિલકુલ જાણતો ન હતો.

મશીન લર્નિંગ પર ખીણમાં મીટઅપ્સ મોસ્કોમાં મીટઅપ્સ કરતા ખૂબ જ અલગ છે. એક નિયમ તરીકે, ખીણમાં મીટઅપ્સ તળિયે છે. પણ અમારું સારું નીકળ્યું. કમનસીબે, જે કામરેડને બટન દબાવવાનું હતું અને બધું રેકોર્ડ કરવાનું હતું તેણે બટન દબાવ્યું ન હતું :)

તે પછી, મને આ જ પ્લેનેટ લેબ્સમાં ડીપ લર્નિંગ એન્જિનિયરની સ્થિતિ સાથે વાત કરવા માટે આમંત્રણ આપવામાં આવ્યું હતું, અને તરત જ ઓનસાઇટ. મેં તે પાસ કર્યું નથી. ઇનકારની વાત એ છે કે ડીપ લર્નિંગમાં પૂરતું જ્ઞાન નથી.

મેં દરેક સ્પર્ધાને પ્રોજેક્ટ તરીકે ડિઝાઇન કરી LinkedIn. DSTL સમસ્યા માટે અમે લખ્યું છે પ્રિન્ટ પ્રિન્ટ અને તેને arxiv પર પોસ્ટ કર્યું. એક લેખ નથી, પરંતુ હજુ પણ બ્રેડ. હું અન્ય દરેકને સ્પર્ધાઓ, લેખો, કૌશલ્યો અને તેથી વધુ દ્વારા તેમની LinkedIn પ્રોફાઇલને વધારવાની ભલામણ પણ કરું છું. તમારી LinkedIn પ્રોફાઇલમાં તમારી પાસે કેટલા કીવર્ડ્સ છે અને લોકો તમને કેટલી વાર મેસેજ કરે છે તે વચ્ચે સકારાત્મક સંબંધ છે.

જો શિયાળા અને વસંતમાં હું ખૂબ જ તકનીકી હતો, તો ઓગસ્ટ સુધીમાં મારી પાસે જ્ઞાન અને આત્મવિશ્વાસ બંને હતા.

જુલાઈના અંતમાં, લિફ્ટમાં ડેટા સાયન્સ મેનેજર તરીકે કામ કરતા એક વ્યક્તિએ મને LinkedIn પર સંપર્ક કર્યો અને મને કોફી પીવા અને જીવન વિશે, Lyft વિશે, TrueAccord વિશે ચેટ કરવા આમંત્રણ આપ્યું. અમે વાત કરી હતી. તેમણે ડેટા સાયન્ટિસ્ટના પદ માટે તેમની ટીમ સાથે ઇન્ટરવ્યુ લેવાની ઓફર કરી. મેં કહ્યું કે વિકલ્પ કામ કરી રહ્યો છે, જો કે તે સવારથી સાંજ સુધી કમ્પ્યુટર વિઝન / ડીપ લર્નિંગ હોય. તેમણે ખાતરી આપી હતી કે તેમના તરફથી કોઈ વાંધો નથી.

મેં મારો બાયોડેટા મોકલ્યો અને તેણે તેને લિફ્ટના આંતરિક પોર્ટલ પર અપલોડ કર્યો. તે પછી, ભરતી કરનારે મને મારો બાયોડેટા ખોલવા અને મારા વિશે વધુ જાણવા માટે બોલાવ્યો. પ્રથમ શબ્દોથી, તે સ્પષ્ટ હતું કે તેના માટે આ એક ઔપચારિકતા હતી, કારણ કે તે તેના રેઝ્યૂમેથી સ્પષ્ટ હતું કે "હું લિફ્ટ માટે સામગ્રી નથી." મને લાગે છે કે તે પછી મારો રેઝ્યૂમે કચરાપેટીમાં ગયો.

આ બધા સમય દરમિયાન, જ્યારે મારો ઇન્ટરવ્યુ લેવામાં આવી રહ્યો હતો, ત્યારે મેં ODS માં મારી નિષ્ફળતાઓ અને પતન વિશે ચર્ચા કરી અને લોકોએ મને પ્રતિસાદ આપ્યો અને સલાહ સાથે દરેક સંભવિત રીતે મને મદદ કરી, જોકે, હંમેશની જેમ, ત્યાં ઘણી મૈત્રીપૂર્ણ ટ્રોલિંગ પણ હતી.

ODS સભ્યોમાંથી એકે મને તેના મિત્ર સાથે જોડવાની ઓફર કરી, જે લિફ્ટમાં એન્જિનિયરિંગના ડિરેક્ટર છે. કર્યું કરતાં વહેલું કહ્યું. હું લંચ માટે લિફ્ટમાં આવું છું, અને આ મિત્ર ઉપરાંત ડેટા સાયન્સના હેડ અને પ્રોડક્ટ મેનેજર પણ છે જે ડીપ લર્નિંગના મોટા ચાહક છે. લંચ સમયે અમે DL પર ચેટ કરી. અને હું અડધા વર્ષથી નેટવર્કને 24/7 તાલીમ આપું છું, ક્યુબિક મીટર સાહિત્ય વાંચું છું અને વધુ કે ઓછા સ્પષ્ટ પરિણામો સાથે કાગલ પર કાર્ય ચલાવું છું, તેથી હું નવા લેખો અને બંને દ્રષ્ટિએ ડીપ લર્નિંગ વિશે કલાકો સુધી વાત કરી શકું છું. વ્યવહારુ તકનીકો.

લંચ પછી તેઓએ મારી તરફ જોયું અને કહ્યું - તે તરત જ સ્પષ્ટ છે કે તમે સુંદર છો, શું તમે અમારી સાથે વાત કરવા માંગો છો? વધુમાં, તેઓએ ઉમેર્યું કે તે મારા માટે સ્પષ્ટ છે કે ટેક હોમ + ટેક સ્ક્રીનને છોડી શકાય છે. અને મને તાત્કાલિક ઓનસાઇટ પર આમંત્રિત કરવામાં આવશે. હું સંમત થયો.

તે પછી, તે ભરતી કરનારે મને ઓનસાઇટ ઇન્ટરવ્યુ શેડ્યૂલ કરવા માટે બોલાવ્યો, અને તે અસંતુષ્ટ હતો. તેણે તમારા માથા પર કૂદકો ન મારવા વિશે કંઈક ગણગણાટ કર્યો.

આવ્યા. ઓનસાઇટ ઇન્ટરવ્યુ. જુદા જુદા લોકો સાથે પાંચ કલાકનો સંચાર. ડીપ લર્નિંગ વિશે અથવા સિદ્ધાંતમાં મશીન લર્નિંગ વિશે એક પણ પ્રશ્ન નહોતો. ડીપ લર્નિંગ/કોમ્પ્યુટર વિઝન ન હોવાથી મને રસ નથી. આમ, ઇન્ટરવ્યુના પરિણામો ઓર્થોગોનલ હતા.

આ ભરતી કરનાર કૉલ કરે છે અને કહે છે - અભિનંદન, તમે બીજા ઑનસાઇટ ઇન્ટરવ્યુમાં પહોંચી ગયા છો. આ બધું આશ્ચર્યજનક છે. બીજી ઓનસાઇટ શું છે? મેં આવી વાત ક્યારેય સાંભળી નથી. હું ગયો. ત્યાં થોડા કલાકો છે, આ વખતે પરંપરાગત મશીન શિક્ષણ વિશે. સરસ. પરંતુ હજુ પણ રસપ્રદ નથી.

ભરતી કરનાર અભિનંદન સાથે કૉલ કરે છે કે મેં ત્રીજો ઑનસાઇટ ઇન્ટરવ્યુ પાસ કર્યો છે અને શપથ લીધા છે કે આ છેલ્લું હશે. હું તેને જોવા ગયો અને ત્યાં ડીએલ અને સીવી બંને હતા.

મારી પાસે ઘણા મહિનાઓથી પહેલા હતો જેણે મને કહ્યું કે ત્યાં કોઈ ઓફર નહીં હોય. હું ટેકનિકલ કૌશલ્યો પર નહીં, પરંતુ નરમ પર તાલીમ આપીશ. નરમ બાજુએ નહીં, પરંતુ એ હકીકત પર કે પોઝિશન બંધ થઈ જશે અથવા કંપની હજી ભરતી કરી રહી નથી, પરંતુ તે ફક્ત બજાર અને ઉમેદવારોના સ્તરનું પરીક્ષણ કરી રહી છે.

મધ્ય ઓગસ્ટ. મેં બીયર બરાબર પીધી. શ્યામ વિચારો. 8 મહિના વીતી ગયા અને હજુ કોઈ ઓફર નથી. બીયર હેઠળ સર્જનાત્મક બનવું સારું છે, ખાસ કરીને જો સર્જનાત્મકતા વિચિત્ર હોય. મારા મગજમાં એક વિચાર આવે છે. હું તેને એલેક્સી શ્વેટ્સ સાથે શેર કરું છું, જે તે સમયે એમઆઈટીમાં પોસ્ટડૉક હતા.

જો તમે નજીકની DL/CV કોન્ફરન્સ લો, તેના ભાગ રૂપે યોજાતી સ્પર્ધાઓ જુઓ, કંઈક તાલીમ આપો અને સબમિટ કરો તો શું? કારણ કે ત્યાંના તમામ નિષ્ણાતો આના પર તેમની કારકિર્દી બનાવી રહ્યા છે અને ઘણા મહિનાઓ અથવા તો વર્ષોથી આ કરી રહ્યા છે, અમારી પાસે કોઈ તક નથી. પરંતુ તે ડરામણી નથી. અમે કેટલાક અર્થપૂર્ણ સબમિશન કરીએ છીએ, છેલ્લા સ્થાને જઈએ છીએ અને તે પછી અમે પ્રી-પ્રિન્ટ અથવા લેખ લખીએ છીએ કે અમે બીજા બધા જેવા નથી અને અમારા નિર્ણય વિશે વાત કરીએ છીએ. અને લેખ પહેલેથી જ LinkedIn પર અને તમારા રેઝ્યૂમેમાં છે.

એટલે કે, તે સુસંગત લાગે છે અને રેઝ્યૂમેમાં વધુ સાચા કીવર્ડ્સ છે, જે ટેક સ્ક્રીન પર જવાની તકોમાં થોડો વધારો કરે છે. મારા તરફથી કોડ અને સબમિશન, એલેક્સીના પાઠો. રમત, અલબત્ત, પરંતુ શા માટે નહીં?

કર્યું કરતાં વહેલું કહ્યું. અમે જે સૌથી નજીકની કોન્ફરન્સ ગૂગલ કરી હતી તે MICCAI હતી અને ત્યાં ખરેખર સ્પર્ધાઓ હતી. અમે પ્રથમ એક હિટ. તે હતી ગેસ્ટ્રોઇન્ટેસ્ટાઇનલ ઇમેજ એનાલિસિસ (GIANA). કાર્યમાં 3 પેટા કાર્ય છે. સમયમર્યાદાના 8 દિવસ બાકી હતા. હું સવારે ઉઠ્યો, પણ મેં વિચાર છોડ્યો નહીં. મેં કાગલમાંથી મારી પાઇપલાઇન્સ લીધી અને તેને સેટેલાઇટ ડેટામાંથી મેડિકલ ડેટા પર સ્વિચ કરી. 'fit_predict'. એલેક્સીએ દરેક સમસ્યાના ઉકેલોનું બે પાનાનું વર્ણન તૈયાર કર્યું અને અમે તેને મોકલ્યું. તૈયાર છે. સિદ્ધાંતમાં, તમે શ્વાસ બહાર કાઢી શકો છો. પરંતુ તે બહાર આવ્યું કે તે જ વર્કશોપ માટે બીજું કાર્ય હતું (રોબોટિક ઇન્સ્ટ્રુમેન્ટ સેગ્મેન્ટેશન) ત્રણ પેટા-ટાસ્ક સાથે અને તેની સમયમર્યાદામાં 4 દિવસનો વધારો કરવામાં આવ્યો હતો, એટલે કે, અમે ત્યાં 'fit_predict' કરી શકીએ છીએ અને તેને મોકલી શકીએ છીએ. તે અમે કર્યું છે.

કાગલથી વિપરીત, આ સ્પર્ધાઓની પોતાની શૈક્ષણિક વિશિષ્ટતાઓ હતી:

1. કોઈ લીડરબોર્ડ નથી. સબમિશન ઇમેઇલ દ્વારા મોકલવામાં આવે છે.
2. જો ટીમના પ્રતિનિધિ વર્કશોપમાં કોન્ફરન્સમાં ઉકેલ રજૂ કરવા નહીં આવે તો તમને દૂર કરવામાં આવશે.
3. લીડરબોર્ડ પર તમારું સ્થાન કોન્ફરન્સ દરમિયાન જ જાણીતું બને છે. એક પ્રકારનું શૈક્ષણિક નાટક.

MICCAI 2017 કોન્ફરન્સ ક્વિબેક શહેરમાં યોજાઈ હતી. સાચું કહું તો, સપ્ટેમ્બર સુધીમાં હું બળવા લાગ્યો હતો, તેથી કામ પરથી એક સપ્તાહની રજા લઈને કેનેડા જવાનો વિચાર રસપ્રદ લાગ્યો.

કોન્ફરન્સમાં આવ્યા હતા. હું આ વર્કશોપમાં આવ્યો છું, હું કોઈને ઓળખતો નથી, હું ખૂણામાં બેઠો છું. દરેક વ્યક્તિ એકબીજાને જાણે છે, તેઓ વાતચીત કરે છે, તેઓ ચપળ તબીબી શબ્દો ફેંકી દે છે. પ્રથમ સ્પર્ધાની સમીક્ષા. સહભાગીઓ બોલે છે અને તેમના નિર્ણયો વિશે વાત કરે છે. તે ત્યાં ઠંડી છે, એક સ્પાર્કલ સાથે. મારો વારો. અને મને કોઈક રીતે શરમ પણ આવે છે. તેઓએ સમસ્યાનું નિરાકરણ કર્યું, તેના પર કામ કર્યું, વિજ્ઞાનને આગળ ધપાવ્યું, અને અમે વિજ્ઞાન માટે નહીં, પરંતુ અમારા રેઝ્યૂમેને પ્રોત્સાહન આપવા માટે ભૂતકાળના વિકાસમાંથી શુદ્ધપણે "fit_predict" છીએ.

તેણે બહાર આવીને કહ્યું કે હું દવાનો નિષ્ણાત પણ નથી, તેમનો સમય બગાડવા બદલ માફી માંગી અને મને ઉકેલ સાથેની એક સ્લાઈડ બતાવી. હું નીચે હોલમાં ગયો.

તેઓ પ્રથમ પેટા કાર્યની જાહેરાત કરે છે - અમે પ્રથમ છીએ, અને માર્જિન દ્વારા.
બીજા અને ત્રીજાની જાહેરાત કરવામાં આવી છે.
તેઓ ત્રીજાની જાહેરાત કરે છે - ફરીથી પ્રથમ અને ફરીથી લીડ સાથે.
જનરલ પ્રથમ છે.

સત્તાવાર પ્રેસ રિલીઝ.

પ્રેક્ષકોમાંના કેટલાક સ્મિત કરે છે અને મારી તરફ આદરથી જુએ છે. અન્ય, જેઓ દેખીતી રીતે ક્ષેત્રના નિષ્ણાતો ગણાતા હતા, તેઓ આ કાર્ય માટે ગ્રાન્ટ જીતી ચૂક્યા હતા અને ઘણા વર્ષોથી આ કરી રહ્યા હતા, તેમના ચહેરા પર સહેજ વિકૃત હાવભાવ હતા.

આગળ બીજું કાર્ય છે, જેમાં ત્રણ પેટા કાર્ય છે અને જેને ચાર દિવસ આગળ ખસેડવામાં આવ્યું છે.

અહીં મેં માફી પણ માંગી અને અમારી એક સ્લાઈડ ફરી બતાવી.
એ જ વાર્તા. બે પ્રથમ, એક સેકન્ડ, સામાન્ય પ્રથમ.

મને લાગે છે કે ઈતિહાસમાં કદાચ આ પહેલીવાર બન્યું છે કે જ્યારે કોઈ કલેક્શન એજન્સીએ મેડિકલ ઈમેજિંગ સ્પર્ધા જીતી હોય.

અને હવે હું સ્ટેજ પર ઉભો છું, તેઓ મને એક પ્રકારનો ડિપ્લોમા આપી રહ્યા છે અને હું બોમ્બમારો છું. તે વાહિયાત કેવી રીતે હોઈ શકે? આ વિદ્વાનો કરદાતાઓના પૈસા ખર્ચી રહ્યા છે, ડોકટરો માટે કામની ગુણવત્તાને સરળ બનાવવા અને સુધારવા માટે કામ કરી રહ્યા છે, એટલે કે, સૈદ્ધાંતિક રીતે, મારી આયુષ્ય, અને કેટલાક શરીરે આ સમગ્ર શૈક્ષણિક સ્ટાફને બ્રિટિશ ધ્વજમાં થોડી સાંજે ફાડી નાખ્યો.

આનો બોનસ એ છે કે અન્ય ટીમોમાં, ગ્રેજ્યુએટ વિદ્યાર્થીઓ કે જેઓ ઘણા મહિનાઓથી આ કાર્યો પર કામ કરી રહ્યા છે તેમની પાસે એક રિઝ્યુમ હશે જે HR માટે આકર્ષક હશે, એટલે કે, તેઓ સરળતાથી ટેક સ્ક્રીન પર પહોંચી જશે. અને મારી નજર સમક્ષ એક તાજી પ્રાપ્ત ઇમેઇલ છે:

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.

સામાન્ય રીતે, સ્ટેજ પરથી જ, હું પ્રેક્ષકોને પૂછું છું: "શું કોઈને ખબર છે કે હું ક્યાં કામ કરું છું?" સ્પર્ધાના આયોજકોમાંથી એક જાણતો હતો - તેણે ટ્રુએકોર્ડ શું છે તે ગૂગલ કર્યું. બાકીના નથી. હું ચાલુ રાખું છું: “હું કલેક્શન એજન્સી માટે કામ કરું છું, અને કામ પર હું કમ્પ્યુટર વિઝન કે ડીપ લર્નિંગ નથી કરતો. અને ઘણી રીતે, આવું થાય છે કારણ કે Google બ્રેઈન અને ડીપમાઇન્ડના HR વિભાગો મારા રેઝ્યૂમેને ફિલ્ટર કરે છે, મને તકનીકી તાલીમ બતાવવાની તક આપતા નથી. "

તેઓએ પ્રમાણપત્ર, વિરામ આપ્યો. વિદ્વાનોનું એક જૂથ મને એક તરફ ખેંચે છે. તે બહાર આવ્યું કે આ ડીપમાઇન્ડ સાથેનું આરોગ્ય જૂથ છે. તેઓ એટલા પ્રભાવિત થયા કે તેઓ તરત જ મારી સાથે તેમની ટીમમાં રિસર્ચ એન્જિનિયરની ખાલી જગ્યા વિશે વાત કરવા માંગતા હતા. (અમે વાત કરી. આ વાર્તાલાપ 6 મહિના સુધી ચાલ્યો, મેં ટેક હોમ, ક્વિઝ પાસ કરી, પરંતુ ટેક સ્ક્રીન પર ટૂંકી થઈ ગઈ. ટેક સ્ક્રીન પર વાતચીતની શરૂઆતથી 6 મહિનાનો સમય ઘણો લાંબો સમય છે. લાંબી રાહ એક સ્વાદ આપે છે. બિનઉપયોગીતા. લંડનમાં ડીપમાઇન્ડ ખાતેના સંશોધન ઇજનેર, ટ્રુએકોર્ડની પૃષ્ઠભૂમિ સામે એક મજબૂત પગલું ઊંચું હતું, પરંતુ મારી વર્તમાન સ્થિતિની પૃષ્ઠભૂમિ સામે તે એક પગલું નીચે છે. ત્યારથી પસાર થયેલા બે વર્ષના અંતરથી, તે સારું છે કે તે ન કર્યું.)

નિષ્કર્ષ

તે જ સમયે, મને લિફ્ટ તરફથી એક ઓફર મળી, જે મેં સ્વીકારી.
MICCAI સાથેની આ બે સ્પર્ધાઓના પરિણામોના આધારે, નીચેના પ્રકાશિત કરવામાં આવ્યા હતા:

1. ડીપ લર્નિંગનો ઉપયોગ કરીને રોબોટ-આસિસ્ટેડ સર્જરીમાં ઓટોમેટિક ઇન્સ્ટ્રુમેન્ટ સેગ્મેન્ટેશન
2. ડીપ કન્વોલ્યુશનલ ન્યુરલ નેટવર્કનો ઉપયોગ કરીને એન્જીયોડીસપ્લેસિયા શોધ અને સ્થાનિકીકરણ
3. 2017 રોબોટિક ઇન્સ્ટ્રુમેન્ટ સેગમેન્ટેશન ચેલેન્જ

એટલે કે, વિચારની જંગલીતા હોવા છતાં, સ્પર્ધાઓ દ્વારા વધારાના લેખો અને પ્રીપ્રિન્ટ્સ ઉમેરવાનું સારું કામ કરે છે. અને પછીના વર્ષોમાં અમે તેને વધુ ખરાબ બનાવ્યું.

હું છેલ્લાં બે વર્ષથી લિફ્ટમાં કમ્પ્યુટર વિઝન/ડીપ લર્નિંગ ફોર સેલ્ફ ડ્રાઇવિંગ કારનું કામ કરું છું. એટલે કે મને જે જોઈતું હતું તે મળ્યું. અને કાર્યો, અને ઉચ્ચ-સ્થિતિવાળી કંપની, અને મજબૂત સાથીદારો, અને અન્ય તમામ ગૂડીઝ.

આ મહિનાઓમાં, મેં બંને મોટી કંપનીઓ Google, Facebook, Uber, LinkedIn અને વિવિધ કદના સ્ટાર્ટઅપ્સના સમુદ્ર સાથે વાતચીત કરી.

તે આ બધા મહિનાઓને નુકસાન પહોંચાડે છે. બ્રહ્માંડ તમને દરરોજ કંઈક એવું કહે છે જે ખૂબ જ સુખદ નથી. નિયમિત અસ્વીકાર, નિયમિતપણે ભૂલો કરવી અને આ બધું નિરાશાની સતત લાગણી સાથે સુગંધિત છે. ત્યાં કોઈ ગેરેંટી નથી કે તમે સફળ થશો, પરંતુ એવી લાગણી છે કે તમે મૂર્ખ છો. તે ખૂબ જ યાદ અપાવે છે કે કેવી રીતે મેં યુનિવર્સિટી પછી તરત જ નોકરી શોધવાનો પ્રયાસ કર્યો.

મને લાગે છે કે ઘણા લોકો ખીણમાં કામ શોધી રહ્યા હતા અને તેમના માટે બધું ખૂબ સરળ હતું. યુક્તિ, મારા મતે, આ છે. જો તમે એવા ક્ષેત્રમાં નોકરી શોધી રહ્યા છો જેમાં તમે સમજો છો, પુષ્કળ અનુભવ ધરાવો છો અને તમારું રેઝ્યૂમે પણ એવું જ કહે છે, તો કોઈ સમસ્યા નથી. મેં તે લીધું અને તે શોધી કાઢ્યું. ઘણી બધી જગ્યાઓ ખાલી છે.

પરંતુ જો તમે એવા ક્ષેત્રમાં નોકરી શોધી રહ્યા છો જે તમારા માટે નવું છે, એટલે કે જ્યારે કોઈ જ્ઞાન ન હોય, કોઈ કનેક્શન ન હોય અને તમારું રેઝ્યૂમે કંઈક ખોટું કહે છે - આ ક્ષણે બધું અત્યંત રસપ્રદ બની જાય છે.

અત્યારે, રિક્રુટર્સ નિયમિતપણે મને પત્ર લખે છે અને હું અત્યારે જે કરી રહ્યો છું તે જ કરવાની ઑફર કરે છે, પરંતુ એક અલગ કંપનીમાં. ખરેખર નોકરી બદલવાનો સમય છે. પરંતુ હું જે પહેલાથી જ સારો છું તે કરવા જવાનો કોઈ અર્થ નથી. શેના માટે?

પરંતુ મારે જે જોઈએ છે તેના માટે, મારી પાસે ફરીથી ન તો જ્ઞાન છે કે ન તો મારા બાયોડેટામાં લીટીઓ છે. ચાલો જોઈએ કે આ બધું કેવી રીતે સમાપ્ત થાય છે. જો બધું બરાબર રહેશે, તો હું આગળનો ભાગ લખીશ. 🙂

સોર્સ: www.habr.com