Na Arthur Kuzin kēia kiʻi (), hōʻuluʻulu pololei i ka ʻike o ka pou blog. ʻO ka hopena, pono e ʻike ʻia kēia moʻolelo e like me ka moʻolelo Pōʻalima ma mua o kahi mea pono loa a ʻenehana. Eia kekahi, pono e hoʻomaopopo i ka waiwai o ka kikokikona i nā huaʻōlelo Pelekane. ʻAʻole maopopo iaʻu pehea e unuhi pololei ai i kekahi o ia mau mea, a ʻaʻole wau makemake e unuhi i kekahi o ia mau mea.
Ua hōʻike ʻia ke ʻano o ka hoʻololi ʻana mai kahi ʻāina hoʻonaʻauao i kahi ʻoihana ʻenehana i nā manawa mua ʻelua. Ma keia, e pili ana ke kamailio ana i ka mea i hiki mai.
ʻO Ianuali 2017 ia. I kēlā manawa, ua ʻoi aʻe koʻu makahiki o ka ʻike hana a ua hana wau ma Kapalakiko ma ka hui e like me Sr. ʻepekema ʻIkepili.
ʻO TrueAccord kahi hoʻomaka ʻohi ʻaiʻē. Ma nā'ōlelo maʻalahi - kahi hui hōʻiliʻili. Kāhea pinepine ka poʻe ʻohi. Ua hoʻouna mākou i nā leka uila he nui, akā ua kāhea mākou. ʻO kēlā me kēia leka uila i alakaʻi i ka pūnaewele o ka hui, kahi i hāʻawi ʻia ai ka mea ʻaiʻē i kahi hoʻemi ma ka ʻaiʻē, a ʻae ʻia hoʻi e uku i nā uku. Ua alakaʻi kēia ala i ka hōʻiliʻili maikaʻi, ʻae ʻia no ka hoʻonui ʻana a me ka liʻiliʻi o ka ʻike ʻana i nā hoʻopiʻi.
He mea maʻamau ka hui. Akaka ka huahana. Maikaʻi ka hoʻokele. Maikaʻi ka wahi.
Ma ka awelika, hana nā kānaka ma ke awāwa ma kahi hoʻokahi no hoʻokahi makahiki a me ka hapa. ʻO ia hoʻi, ʻo kēlā me kēia ʻoihana āu e hana ai he wahi liʻiliʻi wale nō ia. Ma kēia ʻanuʻu e hoʻonui ʻoe i ke kālā, loaʻa ka ʻike hou, nā mākau, nā pilina a me nā laina i kāu hoʻomau. Ma hope o kēia, aia kahi hoʻololi i ka pae aʻe.
Ma TrueAccord pono'ī, ua komo au i ka hoʻopili ʻana i nā ʻōnaehana paipai i nā leka uila, a me ka hoʻonohonoho mua ʻana i nā kelepona. Hoʻomaopopo ʻia ka hopena a ua ana maikaʻi ʻia i nā kālā ma o ka hoʻāʻo A/B. No ka mea ʻaʻohe aʻo mīkini ma mua o koʻu hōʻea ʻana, ʻaʻole maikaʻi ka hopena o kaʻu hana. Eia hou, ʻoi aku ka maʻalahi o ka hoʻomaikaʻi ʻana i kekahi mea ma mua o kahi mea i hoʻoikaika nui ʻia.
Ma hope o ʻeono mahina o ka hana ʻana i kēia mau ʻōnaehana, ua hoʻonui lākou i kaʻu uku kumu mai $150k a i $163k. I ke kaiāulu aia kahi meme ma kahi o $163k. Ua ulu me kona mau wāwae mai ʻaneʻi.
He mea kupanaha kēia mau mea a pau, akā ʻaʻole ia i alakaʻi i kahi, a alakaʻi paha, ʻaʻole naʻe ma laila.
Nui koʻu mahalo iā TrueAccord, ʻo ka hui a me nā kāne aʻu i hana ai ma laila. Ua aʻo nui wau iā lākou, akā ʻaʻole wau makemake e hana no ka manawa lōʻihi ma nā ʻōnaehana paipai ma kahi hui hōʻiliʻili. Mai kēia ʻanuʻu pono ʻoe e heʻe i kekahi ala. Inā ʻaʻole i mua a i luna, a laila ma ka liʻiliʻi ma ka ʻaoʻao.
He aha kaʻu makemake ʻole?
- Mai kahi hiʻohiʻona aʻo mīkini, ʻaʻole hoʻonāukiuki iaʻu nā pilikia. Ua makemake au i mea ʻano, ʻōpio, ʻo ia hoʻi, Deep Learning, Computer Vision, kahi mea kokoke i ka ʻepekema a i ʻole ka alchemy.
- ʻO kahi hoʻomaka, a me kahi hui hōʻiliʻili, he pilikia ka hoʻolimalima ʻana i nā limahana kūpono. Ma ke ʻano he hoʻomaka, ʻaʻole hiki ke uku nui. Akā ma ke ʻano he hui hōʻiliʻili, nalowale ke kūlana. ʻO ka ʻōlelo koʻikoʻi, inā nīnau kahi kaikamahine i kahi lā āu e hana ai? ʻO kāu pane: "Ma Google" ʻoi aku ka maikaʻi ma mua o ka "ʻoihana hōʻiliʻili." Ua pilikia iki au i kaʻu mau hoaaloha e hana nei ma Google a me Facebook, ʻaʻole like me aʻu, ua wehe ka inoa o kā lākou hui i nā puka e like me: hiki ke kono ʻia ʻoe i kahi hālāwai kūkā a i ʻole hui ʻana ma ke ʻano he mea haʻiʻōlelo, a i ʻole nā mea hoihoi e kākau ma LinkedIn me ka hāʻawi ʻana e hui a kamaʻilio ma ke kīʻaha kī. Nui koʻu makemake e kamaʻilio me nā poʻe aʻu i ʻike ʻole ma ke kino. No laila, inā ʻoe e noho ana ma Kapalakiko, mai hoʻokaʻulua e kākau - e hele kāua i ke kofe a kamaʻilio.
- Ma waho aʻe o aʻu, ʻekolu ʻepekema Data i hana ma ka hui. Ke hana nei au ma ke aʻo ʻana i nā mīkini, a ke hana nei lākou i nā hana ʻEpekema Data ʻē aʻe, ka mea maʻamau i nā hoʻomaka ʻana mai ʻaneʻi a i ka lā ʻapōpō. ʻO ka hopena, ʻaʻole maopopo lākou i ke aʻo ʻana i ka mīkini. Akā i mea e ulu ai, pono wau e kamaʻilio me kekahi, e kūkākūkā i nā ʻatikala a me nā mea hou loa, a noi aku i ka ʻōlelo aʻoaʻo, i ka hopena.
He aha ka mea i loaʻa?
- Hoʻonaʻauao: physics, ʻaʻole ʻepekema kamepiula.
- ʻO ka ʻōlelo hoʻolālā wale nō aʻu i ʻike ai ʻo Python. Aia kekahi manaʻo e pono iaʻu e hoʻololi i C ++, akā ʻaʻole hiki iaʻu ke hele a puni.
- Hoʻokahi makahiki a me ka hapa o ka hana ma ka ʻoihana. Eia kekahi, ma ka hana ʻaʻole au i aʻo i ka Deep Learning a i ʻole Computer Vision.
- ʻAʻole kahi ʻatikala ma Deep Learning / Computer Vision i ka hoʻomaka.
- Ua loaʻa kahi lanakila o Kaggle Master.
He aha kāu i makemake ai?
- He kūlana kahi e pono ai ke aʻo ʻana i nā pūnaewele he nui, a kokoke i ka ʻike kamepiula.
- ʻOi aku ka maikaʻi inā he hui nui e like me Google, Tesla, Facebook, Uber, LinkedIn, etc. ʻOiai ma kahi pōkole, e hana ka hoʻomaka.
- ʻAʻole pono wau e lilo i loea aʻo mīkini nui loa ma ka hui. Nui ka makemake i nā hoa kiʻekiʻe, nā kumu aʻoaʻo a me nā ʻano kamaʻilio like ʻole, i manaʻo ʻia e wikiwiki i ke kaʻina aʻo.
- Ma hope o ka heluhelu ʻana i nā pou moʻomanaʻo e pili ana i ka loaʻa ʻana o ka uku o nā haumāna puka ʻole me ka ʻike ʻenehana he $300-500k i kēlā me kēia makahiki, makemake wau e hele i ka pae like. ʻAʻole ia he mea hoʻopilikia nui iaʻu, akā no ka mea, ʻōlelo lākou he mea maʻamau kēia, akā he liʻiliʻi kaʻu, a laila he hōʻailona kēia.
Hiki ke hoʻopau ʻia ka hana, ʻaʻole naʻe ma ke ʻano hiki iā ʻoe ke lele i loko o kekahi ʻoihana, akā inā ʻoe e pōloli, e holo nā mea āpau. ʻO ia hoʻi, he ʻumi a haneli mau hoʻāʻo, a me ka ʻeha o kēlā me kēia hemahema a me kēlā me kēia hōʻole, pono e hoʻohana ʻia e hoʻokala i ka manaʻo, hoʻomaikaʻi i ka hoʻomanaʻo a hoʻolōʻihi i ka lā i 36 mau hola.
Ua hoʻololi au i kaʻu resume, hoʻomaka wau e hoʻouna aku, a hele i nā nīnauele. Ua lele au ma mua o ka hapa nui o lākou ma ke kahua o ke kamaʻilio me HR. Nui nā poʻe i koi iā C ++, akā ʻaʻole wau i ʻike, a ua manaʻo nui wau ʻaʻole makemake nui wau i nā kūlana e pono ai iā C++.
He mea pono e hoʻomaopopo i ka manawa like aia kahi hoʻololi i ke ʻano o nā hoʻokūkū ma Kaggle. Ma mua o ka makahiki 2017, ua nui ka ʻikepili tabular a ʻaʻole kakaikahi ke kiʻi ʻikepili, akā e hoʻomaka ana i ka makahiki 2017 he nui nā hana ʻike kamepiula.
Ua holo ke ola ma ke ʻano penei:
- Hana i ka lā.
- Ke hoʻomaha ʻoe i ka ʻenehana / ma ka pūnaewele.
- Nā ahiahi a me nā hopena pule Kaggle + ʻatikala / puke / memo blog
Ua hōʻailona ʻia ka hopena o 2016 e kaʻu i komo ai i ke kaiāulu , ka mea i maʻalahi i nā mea he nui. Nui nā kāne ma ke kaiāulu me ka ʻike ʻoihana waiwai, i ʻae iā mākou e nīnau i nā nīnau naʻaupō a loaʻa i nā pane akamai. Nui nō hoʻi nā loea aʻo mīkini ikaika loa o nā paʻi āpau, ka mea, me ka manaʻo ʻole, ua ʻae iaʻu, ma o ODS, e pani i ka pilikia me ka kamaʻilio hohonu mau e pili ana i ka ʻIke ʻIkepili. A hiki i kēia manawa, ma ke ʻano o ML, hāʻawi ʻo ODS iaʻu i nā manawa he nui ma mua o koʻu loaʻa ʻana ma ka hana.
ʻAe, e like me ka mea maʻamau, ua lawa nā loea o ODS i nā hoʻokūkū ma Kaggle a me nā pūnaewele ʻē aʻe. ʻO ka hoʻoponopono ʻana i nā pilikia i loko o kahi hui ʻoi aku ka leʻaleʻa a ʻoi aku ka maikaʻi, no laila me ka ʻakaʻaka, ka ʻōlelo hoʻohiki, nā meme a me nā leʻaleʻa nerdy ʻē aʻe, hoʻomaka mākou e hoʻoponopono i nā pilikia i kēlā me kēia.
Ma Malaki 2017 - ma kahi hui me Serega Mushinsky - ke kolu o ka wahi no . Mekala gula ma Kaggle + $20k no ʻelua. Ma kēia hana, ua hoʻomaikaʻi ʻia ka hana ʻana me nā kiʻi ukali + binary segmentation ma o UNet.
I kēlā Malaki hoʻokahi, ua hele au no kahi ninaninau ma NVidia me ka hui Hoʻokele Self. Ua paʻakikī loa au me nā nīnau e pili ana i ka Object Detection. ʻAʻole lawa ka ʻike.
ʻO ka mea pōmaikaʻi, i ka manawa like, ua hoʻomaka ka hoʻokūkū ʻIke ʻIke ma nā kiʻi lewa mai ka DSTL like. Ua kauoha ke Akua e hoʻoponopono i ka pilikia a me ka hoʻomaikaʻi. He mahina o ke ahiahi a me ka hopena pule. Ua ʻohi au i ka ʻike a hoʻopau i ka lua. He ʻano hoihoi ko kēia hoʻokūkū ma nā lula, i alakaʻi ʻia iaʻu e hōʻike ʻia ma Rūsia ma nā ala federal a ʻaʻole hoʻi federal. Ua hele au , a i loko o kahi pūʻulu paʻi a me nā puke paʻi pūnaewele. Ua loaʻa iā Mail Ru Group kahi PR maikaʻi iki ma kaʻu lilo a me kā lākou kālā ponoʻī, a ua hoʻonui ʻia ka ʻepekema kumu ma Rusia e 12000 paona. E like me ka mea maʻamau, ua kākau ʻia ma kēia kumuhana . E hele i laila no nā kikoʻī.
Ma ka manawa like, ua hoʻopili mai kekahi Tesla recruiter iaʻu a hāʻawi ʻia e kamaʻilio e pili ana i ke kūlana Computer Vision. Ua ʻae au. Ua holo au i ka lawe ʻana i ka home, ʻelua ʻenehana ʻenehana, kahi ninaninau ma ka pūnaewele, a he kamaʻilio maikaʻi loa me Andrei Karpathy, ka mea i hoʻolimalima ʻia ma Tesla ma ke ʻano he Luna Hoʻokele o AI. ʻO ka pae aʻe ka nānā ʻana i ke kua. Ma hope o kēlā, pono ʻo Elon Musk e ʻae i kaʻu noi. Loaʻa iā Tesla kahi ʻaelike hōʻike ʻole (NDA).
ʻAʻole au i hala i ka nānā ʻana i hope. Ua ʻōlelo ka mea hoʻolimalima e kamaʻilio nui wau ma ka pūnaewele, e uhaʻi ana i ka NDA. ʻO kahi wale nō kahi aʻu i ʻōlelo ai i kekahi mea e pili ana i kahi nīnauele ma Tesla ʻo ODS, no laila ʻo ke kuhiakau o kēia manawa ua lawe kekahi i kahi kiʻi kiʻi a kākau iā HR ma Tesla, a ua hoʻoneʻe ʻia au mai ka heihei mai ke ala ʻino. He mea hilahila ia manawa. I kēia manawa hauʻoli wau ʻaʻole i hana. ʻOi aku ka maikaʻi o koʻu kūlana i kēia manawa, ʻoiai he mea hoihoi loa ia e hana pū me Andrey.
Ma hope koke iho, ua komo au i ka hoʻokūkū kiʻi ukali ma Kaggle mai . He maʻalahi ka pilikia a ʻoluʻolu loa; ʻaʻohe mea i makemake e hoʻoponopono, akā makemake nā mea āpau i ka mekala gula manuahi a i ʻole ke kālā makana. No laila, me ka hui o Kaggle Masters o 7 poʻe, ua ʻae mākou e kiola i ka hao. Ua hoʻomaʻamaʻa mākou i nā pūnaewele 480 i ke ʻano 'fit_predict' a ua hana mākou i ʻekolu papa inoa mai ia mau mea. Pau ka hiku. . Ma ke ala, ʻo Jeremy Howard, ka mea i ʻike nui ʻia ʻo ia ka mea hana pau 23.
Ma hope o ka pau ʻana o ka hoʻokūkū, ma o kahi hoaaloha i hana ma AdRoll, ua hoʻonohonoho wau i kahi Meetup ma ko lākou wahi. Ua kamaʻilio nā Lunamakaʻāinana o Planet Labs e pili ana i ke ʻano o ka hui ʻana o ka hoʻokūkū a me ka hōʻailona ʻikepili ma kā lākou ʻaoʻao. Ua kamaʻilio ʻo Wendy Kwan, ka mea hana ma Kaggle a mālama i ka hoʻokūkū, e pili ana i kona ʻike ʻana. Ua wehewehe au i kā mākou hoʻonā, nā hoʻopunipuni, nā ʻenehana a me nā kikoʻī loea. ʻElua hapakolu o ka poʻe i hoʻoponopono i kēia pilikia, no laila ua nīnau ʻia nā nīnau i kahi kikoʻī a ma ke ʻano he maʻalili nā mea a pau. Ma laila nō ʻo Jeremy Howard. Ua ʻike ʻia ua pau ʻo ia ma kahi 23rd no ka mea ʻaʻole ʻo ia i ʻike i ka hoʻopaʻa ʻana i ke kumu hoʻohālike a ʻaʻole ʻo ia i ʻike i ke ʻano o ke kūkulu ʻana i nā hui.
ʻOkoʻa loa nā hui ma ke awāwa ma ke aʻo ʻana i nā mīkini mai nā hui ma Moscow. E like me ke kānāwai, ʻo nā hui ma ke awāwa ka lalo. Akā ua maikaʻi kā mākou. ʻO ka mea pōʻino, ʻo ka hoa i manaʻo ʻia e kaomi i ke pihi a hoʻopaʻa i nā mea āpau ʻaʻole i kaomi i ke pihi :)
Ma hope o kēlā, ua kono ʻia au e kamaʻilio i ke kūlana o Deep Learning Engineer ma kēia Planet Labs, a ma ka pūnaewele koke. ʻAʻole au i hala. ʻO ka huaʻōlelo o ka hōʻole ʻana ʻaʻole lawa ka ʻike ma Deep Learning.
Ua hoʻolālā au i kēlā me kēia hoʻokūkū ma ke ʻano he papahana ma . No ka pilikia DSTL ua kākau mākou a kau ma ka arxiv. ʻAʻole he ʻatikala, akā mau ka berena. Manaʻo wau i nā mea ʻē aʻe e hoʻonui i kā lākou ʻaoʻao LinkedIn ma o nā hoʻokūkū, nā ʻatikala, nā mākau, a pēlā aku. Aia ka pilina maikaʻi ma waena o ka nui o nā huaʻōlelo i loaʻa iā ʻoe ma kāu ʻaoʻao LinkedIn a me ka manawa pinepine o ka poʻe e leka uila iā ʻoe.
Inā i ka hoʻoilo a me ka pūnāwai he loea nui wau, a laila ma ʻAukake ua loaʻa iaʻu ka ʻike a me ka hilinaʻi iā ia iho.
I ka hopena o Iulai, ua hoʻopili mai kekahi kanaka i hana ma ke ʻano he Data Science manager ma Lyft ma LinkedIn a kono mai iaʻu e inu kofe a kamaʻilio e pili ana i ke ola, e pili ana iā Lyft, e pili ana iā TrueAccord. Ua kamaʻilio mākou. Ua hāʻawi ʻo ia e ninaninau me kāna hui no ke kūlana ʻo Data Scientist. Ua ʻōlelo au e hana ana ke koho, inā ʻo ia ʻo Computer Vision / Deep Learning mai kakahiaka a ahiahi. Ua hōʻoia ʻo ia ʻaʻohe mea kūʻē i kāna ʻaoʻao.
Ua hoʻouna au i kaʻu resume a ua hoʻouka ʻo ia i ka puka kūloko o Lyft. Ma hope o kēlā, ua kāhea ka mea hoʻolimalima iaʻu e wehe i kaʻu resume a ʻike hou e pili ana iaʻu. Mai nā huaʻōlelo mua loa, ua ʻike maopopo ʻia ʻo ia ka mea maʻamau, no ka mea, ua maopopo iā ia mai kāna hoʻomaka ʻana "ʻaʻole wau he mea no Lyft." Manaʻo wau ma hope o kēlā ua hele kaʻu resume i loko o ka pahu ʻōpala.
I kēia manawa a pau, i koʻu wā e ninaninau ʻia ai, ua kūkākūkā au i koʻu mau hemahema a me ka hāʻule ʻana ma ODS a ua hāʻawi mai nā kāne iaʻu i nā manaʻo a kōkua iaʻu i nā ʻano āpau me ka ʻōlelo aʻo, ʻoiai, e like me ka mea maʻamau, ua nui ka trolling aloha ma laila.
Ua hāʻawi mai kekahi o nā lālā ODS e hoʻopili iaʻu me kāna hoaaloha, ʻo ia ka Luna Hoʻokele o ka ʻenekinia ma Lyft. ʻAʻole i ʻōlelo koke ʻia. Hele mai au i Lyft no ka ʻaina awakea, a ma waho aʻe o kēia hoa aia kekahi Poʻo o ka ʻIke ʻIkepili a me kahi mea hoʻokele huahana he mea makemake nui i ka Deep Learning. I ka ʻaina awakea, ua kamaʻilio mākou ma luna o DL. A no ka mea, ua hoʻomaʻamaʻa au i nā pūnaewele 24/7 no ka hapalua makahiki, heluhelu i nā mika cubic o ka palapala, a holo i nā hana ma Kaggle me nā hopena ʻoi aʻe a liʻiliʻi paha, hiki iaʻu ke kamaʻilio e pili ana i ka Deep Learning no nā hola, ma ke ʻano o nā ʻatikala hou a ʻenehana hana .
Ma hope o ka ʻaina awakea, nānā mai lākou iaʻu a ʻōlelo mai - ua ʻike koke ʻoe he uʻi ʻoe, makemake ʻoe e kamaʻilio me mākou? Eia kekahi, ua hoʻohui lākou ua maopopo iaʻu e hiki ke hoʻokuʻu ʻia ka pale home + tech. A e kono koke ʻia au e hele ma luna. Ua ʻae au.
Ma hope o kēlā, ua kāhea mai kēlā mea hoʻolimalima iaʻu e hoʻonohonoho i kahi hālāwai ninaninau ma ka pūnaewele, a ua hauʻoli ʻo ia. Ua ʻōlelo ʻo ia i kekahi mea no ka lele ʻole ʻana ma luna o kou poʻo.
Hele mai. Nīnauele ma ka pūnaewele. ʻElima hola o ke kamaʻilio ʻana me nā kānaka like ʻole. ʻAʻohe nīnau e pili ana i ka Deep Learning, a i ʻole e pili ana i ke aʻo ʻana i ka mīkini ma ke kumu. No ka mea ʻaʻohe Deep Learning / Computer Vision, a laila ʻaʻole wau hoihoi. No laila, he orthogonal nā hopena ninaninau.
Kāhea kēia mea hoʻolimalima a ʻōlelo - aloha, ua hiki ʻoe i ka nīnauele lua ma ka pūnaewele. He mea kahaha keia. He aha ka lua ma ka pae? ʻAʻole au i lohe i kēlā mea. Ua hele. Aia kekahi mau hola ma laila, ʻo kēia manawa e pili ana i ke aʻo ʻana i ka mīkini kuʻuna. ʻOi aku ka maikaʻi. Akā ʻaʻole hoihoi.
Kāhea mai ka mea hoʻolimalima me ka mahalo no koʻu hala ʻana i ke kolu o ka nīnauele ma ka pūnaewele a hoʻohiki ʻo ia ka hope. Ua hele au e ʻike iā ia a aia he DL a me CV.
Ua loaʻa iaʻu kahi palapala mua no nā mahina he nui i haʻi mai iaʻu ʻaʻohe hāʻawi. ʻAʻole wau e aʻo i nā mākau loea, akā ma nā mea palupalu. ʻAʻole ma ka ʻaoʻao palupalu, akā ma ka ʻoiaʻiʻo e pani ʻia ke kūlana a ʻaʻole i hoʻolimalima ʻia ka hui, akā ke hoʻāʻo wale nei i ka mākeke a me ka pae o nā moho.
Mawaena o Augate. Ua inu pia au. Nā manaʻo ʻeleʻele. 8 mahina i hala a ʻaʻohe hāʻawi. Maikaʻi ka noʻonoʻo ʻana ma lalo o ka pia, ʻoi aku ka maikaʻi inā ʻokoʻa ka noʻonoʻo. Hiki mai kekahi manaʻo i koʻu manaʻo. Kaʻana like wau me Alexey Shvets, ʻo ia ka postdoc ma MIT i kēlā manawa.
He aha inā ʻoe e lawe i ka hālāwai kūkā DL/CV kokoke loa, e nānā i nā hoʻokūkū i mālama ʻia ma ke ʻano o ia mea, e hoʻomaʻamaʻa i kekahi mea a waiho? No ka mea ke kūkulu nei nā poʻe akamai a pau i kā lākou ʻoihana ma kēia a ua hana lākou i kēia no nā mahina he nui a i ʻole mau makahiki, ʻaʻohe o mākou manawa. Akā ʻaʻole makaʻu. Hāʻawi mākou i kahi hoʻouna koʻikoʻi, lele i kahi hope, a ma hope e kākau mākou i kahi paʻi mua a i ʻole kahi ʻatikala e pili ana i ko mākou ʻano like ʻole me nā mea ʻē aʻe a kamaʻilio e pili ana i kā mākou hoʻoholo. A aia ka ʻatikala ma LinkedIn a i kāu hoʻomau.
ʻO ia hoʻi, he mea kūpono a ʻoi aku ka nui o nā huaʻōlelo pololei i ka hoʻomaka, pono e hoʻonui iki i ka manawa e hiki ai i ka ʻenehana ʻenehana. Code a me nā hoʻouna mai iaʻu, nā kikokikona mai Alexey. ʻO ka pāʻani, ʻoiaʻiʻo, akā no ke aha ʻaʻole?
ʻAʻole i ʻōlelo koke ʻia. ʻO ka hālāwai kūkā kokoke loa a mākou i googled ʻo MICCAI a aia maoli nā hoʻokūkū ma laila. Paʻi mākou i ka mea mua. Ua ___ ia . He 3 mau subtasks ka hana. He 8 mau lā i koe ma mua o ka lā palena. Ua kuʻo wau i ke kakahiaka, akā ʻaʻole wau i haʻalele i ka manaʻo. Lawe au i kaʻu mau paipu mai Kaggle a hoʻololi iā lākou mai ka ʻikepili satellite i ka ʻikepili olakino. 'fit_predict'. Ua hoʻomākaukau ʻo Alexey i kahi wehewehe ʻelua ʻaoʻao o nā hoʻonā no kēlā me kēia pilikia, a hoʻouna mākou iā ia. Mākaukau. Ma ke kumumanaʻo, hiki iā ʻoe ke exhale. Akā ua ʻike ʻia aia kekahi hana ʻē aʻe no ka hale hana like () me ʻekolu mau subtasks a ua hoʻoneʻe ʻia kona palena manawa e 4 mau lā, ʻo ia hoʻi, hiki iā mākou ke hana 'fit_predict' ma laila a hoʻouna. ʻO ia kā mākou i hana ai.
ʻAʻole like me Kaggle, ua loaʻa i kēia mau hoʻokūkū kā lākou mau kikoʻī hoʻonaʻauao:
- ʻAʻohe papa alakaʻi. Hoʻouna ʻia nā hoʻouna ma ka leka uila.
- E hoʻoneʻe ʻia ʻoe inā ʻaʻole hele mai kahi ʻelele hui e hōʻike i ka hopena ma ka hālāwai kūkā ma ka Workshop.
- ʻIke ʻia kou wahi ma ka papa alakaʻi i ka wā o ka ʻaha kūkā. He ʻano hana keaka hoʻonaʻauao.
Ua mālama ʻia ka hālāwai kūkā MICCAI 2017 ma Quebec City. ʻO kaʻoiaʻiʻo, ma ka mahina ʻo Kepakemapa ua hoʻomaka wau e ʻā, no laila he mea hoihoi ka manaʻo e hoʻomaha i hoʻokahi pule mai ka hana a hele i Kanada.
Hele mai i ka ʻaha kūkā. Hele mai au i kēia Workshop, ʻaʻole au i ʻike i kekahi, ke noho nei au ma ke kihi. Ua ʻike nā kānaka a pau, kamaʻilio lākou, hoʻolei lākou i nā ʻōlelo lapaʻau akamai. Nānā i ka hoʻokūkū mua. 'Ōlelo a kamaʻilio ka poʻe e pili ana i kā lākou hoʻoholo. Ma'alili ma laila, me ka ʻālohilohi. ʻO koʻu manawa. A hilahila wau. Ua hoʻoponopono lākou i ka pilikia, hana ma luna o ia mea, ʻepekema holomua, a he "fit_predict" mākou mai nā hanana i hala, ʻaʻole no ka ʻepekema, akā e hoʻoikaika i kā mākou holomua.
Ua puka mai ʻo ia a ʻōlelo mai ʻaʻole wau he loea i ka lāʻau lapaʻau, ua kala mai no ka hoʻopau ʻana i ko lākou manawa, a hōʻike mai iaʻu i kahi paheʻe me ka hopena. Iho au i ke keena.
Hoʻolaha lākou i ka subtask mua - ʻo mākou ka mua, a ma kahi palena.
Hoʻolaha ʻia ka lua a me ke kolu.
Hoʻolaha lākou i ke kolu - hou mua a hou me ke alakaʻi.
ʻO General ka mua.
ʻO kekahi o ka poʻe e ʻakaʻaka a nānā mai iaʻu me ka mahalo. ʻO ka poʻe ʻē aʻe, ka poʻe i manaʻo ʻia he poʻe akamai i ka hana, ua loaʻa iā lākou kahi haʻawina no kēia hana a ua hana lākou i kēia no nā makahiki he nui, he ʻano ʻano ʻino iki ko lākou mau helehelena.
ʻO ka lua o ka hana, ʻo ia me ʻekolu mau hana a ua neʻe ʻia i mua e nā lā ʻehā.
Eia nō hoʻi au i kala mai a hōʻike hou i kā mākou paheʻe hoʻokahi.
ʻO ka moʻolelo like. ʻElua mua, hoʻokahi kekona, mua maʻamau.
Manaʻo wau ʻo kēia paha ka manawa mua ma ka mōʻaukala i lanakila ai kahi hui hōʻiliʻili i ka hoʻokūkū kiʻi lāʻau.
A i kēia manawa ke kū nei au ma ke kahua, hāʻawi mai lākou iaʻu i kekahi ʻano diploma a hoʻopā wau. Pehea e hiki ai ia mea? Ke hoʻolilo nei kēia mau mea hoʻonaʻauao i ke kālā o ka poʻe ʻauhau, e hana ana i ka maʻalahi a me ka hoʻomaikaʻi ʻana i ka maikaʻi o ka hana no nā kauka, ʻo ia hoʻi, ma ke kumumanaʻo, koʻu ola ola, a ua haehae kekahi kino i kēia limahana kula holoʻokoʻa i ka hae Pelekane i kekahi mau ahiahi.
ʻO kahi bonus i kēia, ʻo ia ma nā hui ʻē aʻe, nā haumāna puka e hana nei i kēia mau hana no nā mahina he nui e loaʻa i kahi resume i hoihoi i ka HR, ʻo ia hoʻi, e maʻalahi lākou i ka ʻenehana ʻenehana. A i mua o koʻu mau maka he leka uila i loaʻa hou mai:
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.Ma keʻano laulā, mai ke kahua, nīnau wau i ka lehulehu: "Ua ʻike anei kekahi i kahi aʻu e hana ai?" Ua ʻike kekahi o nā mea hoʻonohonoho o ka hoʻokūkū - ʻike ʻo ia iā Google i ke ʻano o TrueAccord. ʻAʻole nā mea i koe. Ke hoʻomau nei au: "Ke hana nei au no kahi hui hōʻiliʻili, a ma ka hana ʻaʻole wau e hana i ka Computer Vision a i ʻole Deep Learning. A ma nā ʻano he nui, hiki mai kēia ma muli o ka kānana ʻana o nā keʻena HR o Google Brain a me Deepmind i kaʻu resume, ʻaʻole e hāʻawi iaʻu i kahi manawa e hōʻike i ka hoʻomaʻamaʻa ʻenehana. "
Hāʻawi lākou i ka palapala hōʻoia, hoʻomaha. Hoʻokaʻawale kekahi hui o nā mea hoʻonaʻauao iaʻu. Ua ʻike ʻia he hui Health kēia me Deepmind. Ua hauʻoli loa lākou no laila ua makemake koke lākou e kamaʻilio me aʻu e pili ana i ka hakahaka o ka Research Engineer i kā lākou hui. (Ua kamaʻilio mākou. Ua hala kēia kamaʻilio ʻana no 6 mau mahina, ua hala au i ka lawe ʻana i ka home, quiz, akā ua ʻoki pōkole ʻia ma ka ʻaoʻao ʻenehana. ʻO ka waiwai ʻole. ʻO ka ʻenekini noiʻi ma Deepmind ma Lākana, e kūʻē i ka hope o TrueAccord ua piʻi ikaika, akā ma ke ʻano o koʻu kūlana i kēia manawa he ʻanuʻu i lalo. Mai kahi mamao o ʻelua makahiki i hala mai ia manawa, maikaʻi. ʻaʻole i loaʻa.)
hopena
Ma kahi o ka manawa like, ua loaʻa iaʻu kahi hāʻawi mai Lyft, a ua ʻae wau.
Ma muli o nā hopena o kēia mau hoʻokūkū ʻelua me MICCAI, ua paʻi ʻia kēia mau mea:
ʻO ia hoʻi, ʻoiai ʻo ka ʻāhiu o ka manaʻo, ʻo ka hoʻohui ʻana i nā ʻatikala incremental a me nā paʻi mua ma o nā hoʻokūkū e hana maikaʻi. A i nā makahiki ma hope mai, ua ʻoi aku ka ʻino.
Ke hana nei au ma Lyft no nā makahiki ʻelua i hala e hana ana i Computer Vision/Deep Learning no nā kaʻa hoʻokele ponoʻī. ʻO ia hoʻi, loaʻa iaʻu kaʻu mea i makemake ai. A me nā hana, a me kahi hui kūlana kiʻekiʻe, a me nā hoa hana ikaika, a me nā mea maikaʻi ʻē aʻe a pau.
I kēia mau mahina, ua kamaʻilio wau me nā hui nui ʻelua Google, Facebook, Uber, LinkedIn, a me ke kai o ka hoʻomaka ʻana o nā ʻano nui.
Ua ʻeha kēia mau mahina a pau. Hōʻike ka honua iā ʻoe i kahi mea ʻoluʻolu ʻole i kēlā me kēia lā. ʻO ka hōʻole maʻamau, hana mau i nā hewa a me kēia mau mea a pau me ka manaʻo hoʻomau o ka manaʻolana ʻole. ʻAʻohe mea hōʻoiaʻiʻo e lanakila ana ʻoe, akā aia ka manaʻo he naʻaupō ʻoe. Hoʻomanaʻo loa ia i koʻu hoʻāʻo ʻana e ʻimi i kahi hana ma hope o ke kulanui.
Manaʻo wau he nui ka poʻe e ʻimi nei i ka hana ma ke awāwa a ua maʻalahi nā mea āpau iā lākou. ʻO ka maalea, i koʻu manaʻo, ʻo ia kēia. Inā ʻoe e ʻimi nei i kahi hana ma kahi kula āu e hoʻomaopopo ai, nui ka ʻike, a ʻōlelo like kāu resume, ʻaʻohe pilikia. Lawe au a loaa. Nui nā hakahaka.
Akā inā ʻoe e ʻimi nei i kahi hana ma kahi ʻano mea hou iā ʻoe, ʻo ia hoʻi, inā ʻaʻohe ʻike, ʻaʻohe pilina a haʻi hewa kāu resume - i kēia manawa lilo nā mea āpau i mea hoihoi loa.
I kēia manawa, kākau mau nā mea hoʻolimalima iaʻu a hāʻawi mai e hana i ka mea like aʻu e hana nei i kēia manawa, akā ma kahi hui ʻē aʻe. ʻO ka manawa maoli kēia e hoʻololi i nā hana. Akā, ʻaʻohe kumu o ka hele ʻana e hana i kaʻu mea i maikaʻi ai. He aha ke kumu?
Akā no kaʻu mea e makemake ai, ʻaʻohe oʻu ʻike a me nā laina i loko o kaʻu resume. E ʻike kākou pehea e pau ai kēia mau mea. Inā maikaʻi nā mea a pau, e kākau wau i ka ʻāpana aʻe. 🙂
Source: www.habr.com