מפיזיקאים ל-Data Science (ממנועי המדע ועד פלנקטון משרדי). החלק השלישי

התמונה הזו היא מאת ארתור קוזין (n01z3), מסכם בצורה די מדויקת את תוכן הפוסט בבלוג. כתוצאה מכך, הנרטיב הבא צריך להיתפס יותר כמו סיפור שישי מאשר כמשהו שימושי וטכני ביותר. בנוסף, ראוי לציין שהטקסט עשיר במילים באנגלית. אני לא יודע איך לתרגם חלק מהם נכון, ואני פשוט לא רוצה לתרגם חלק מהם.

חלק ראשון.
החלק השני.

כיצד התרחש המעבר מסביבה אקדמית לסביבה תעשייתית נחשף בשני הפרקים הראשונים. בשיחה זו, השיחה תהיה על מה שקרה אחר כך.

זה היה בינואר 2017. באותה תקופה, היה לי קצת יותר משנה של ניסיון בעבודה ועבדתי בסן פרנסיסקו בחברה TrueAccord כמו Sr. מדען נתונים.

TrueAccord הוא סטארט-אפ לגביית חובות. במילים פשוטות - סוכנות גבייה. אספנים בדרך כלל מתקשרים הרבה. שלחנו הרבה מיילים, אבל ביצענו מעט שיחות. כל מייל הוביל לאתר החברה, שם הוצעה לחייב הנחה על החוב, ואף הורשה לשלם בתשלומים. גישה זו הובילה לאיסוף טוב יותר, אפשרה קנה מידה ופחות חשיפה לתביעות משפטיות.

החברה הייתה רגילה. המוצר ברור. ההנהלה שפויה. המיקום טוב.

בממוצע עובדים בעמק במקום אחד כשנה וחצי. כלומר, כל חברה בה אתה עובד היא רק צעד קטן. בשלב זה תגייס קצת כסף, תרכוש ידע, מיומנויות, קשרים וקווים חדשים בקורות החיים שלך. לאחר מכן יש מעבר לשלב הבא.

ב-TrueAccord עצמה עסקתי בצירוף מערכות המלצות לניוזלטרים באימייל, כמו גם בתעדוף שיחות טלפון. ההשפעה מובנת ונמדדה די טוב בדולרים באמצעות בדיקות A/B. מכיוון שלא הייתה למידת מכונה לפני הגעתי, ההשפעה של העבודה שלי לא הייתה רעה. שוב, הרבה יותר קל לשפר משהו מאשר משהו שכבר עבר אופטימיזציה רבה.

אחרי שישה חודשים של עבודה על המערכות האלה, הם אפילו העלו את השכר הבסיסי שלי מ-$150 ל-$163. בקהילה Open Data Science (ODS) יש מם בערך 163 אלף דולר. הוא צומח עם הרגליים מכאן.

כל זה היה נפלא, אבל זה לא הוביל לשום מקום, או שהוביל, אבל לא לשם.

יש לי כבוד גדול ל-TrueAccord, גם לחברה וגם לחבר'ה שעבדתי איתם שם. למדתי מהם הרבה, אבל לא רציתי לעבוד הרבה זמן על מערכות המלצות בסוכנות גבייה. מהצעד הזה היית צריך לצעוד בכיוון כלשהו. אם לא קדימה ולמעלה, אז לפחות הצידה.

מה לא אהבתי?

1. מנקודת מבט של למידת מכונה, הבעיות לא ריגשו אותי. רציתי משהו אופנתי, צעיר, כלומר Deep Learning, Computer Vision, משהו שקרוב למדי למדע או לפחות לאלכימיה.
2. לסטארטאפ, ואפילו לסוכנות גבייה, יש בעיות בגיוס כוח אדם מיומן. כסטארט-אפ, זה לא יכול לשלם הרבה. אבל כסוכנות גבייה, היא מאבדת ממעמד. בגדול, אם בחורה בדייט שואלת איפה אתה עובד? התשובה שלך: "בגוגל" נשמע בסדרי גודל טוב יותר מ"סוכנות גבייה". קצת הטרידה אותי העובדה שעבור החברים שלי שעובדים בגוגל ובפייסבוק, בניגוד אליי, שם החברה שלהם פתח דלתות כמו: אפשר להזמין אותך לכנס או למפגש בתור דובר, או שאנשים מעניינים יותר כותבים בלינקדאין עם הצעה להיפגש ולפטפט על כוס תה. אני מאוד אוהב לתקשר עם אנשים שאני לא מכיר באופן אישי. אז אם אתם גרים בסן פרנסיסקו, אל תהססו לכתוב - בואו נלך לשתות קפה ולדבר.
3. בנוסף אלי, עבדו בחברה שלושה מדעני נתונים. עבדתי על למידת מכונה, והם עבדו על משימות אחרות של Data Science, הנפוצות בכל סטארט-אפ מכאן ועד מחר. כתוצאה מכך, הם לא ממש הבינו למידת מכונה. אבל כדי לצמוח, אני צריך לתקשר עם מישהו, לדון במאמרים ובהתפתחויות האחרונות, ולבקש עצה, בסופו של דבר.

מה היה זמין?

1. השכלה: פיזיקה, לא מדעי המחשב.
2. שפת התכנות היחידה שהכרתי היא Python. הייתה תחושה שאני צריך לעבור ל-C++, אבל עדיין לא הצלחתי להגיע לזה.
3. שנה וחצי של עבודה בתעשייה. יתרה מכך, בעבודה לא למדתי לא למידה עמוקה ולא ראיית מחשב.
4. אין מאמר אחד על Deep Learning / Computer Vision בקורות החיים.
5. היה הישג של Kaggle Master.

מה רצית?

1. תפקיד בו יהיה צורך להכשיר רשתות רבות, וקרוב יותר לראייה ממוחשבת.
2. עדיף אם זו חברה גדולה כמו גוגל, טסלה, פייסבוק, אובר, לינקדאין וכו'. למרות שבקיצור, סטארטאפ יצליח.
3. אני לא צריך להיות המומחה הגדול ביותר של למידת מכונה בצוות. היה צורך גדול בחברים בכירים, חונכים וכל מיני תקשורת, מה שאמור היה לזרז את תהליך הלמידה.
4. אחרי שקראתי פוסטים בבלוג על האופן שבו לבוגרים ללא ניסיון תעשייתי יש פיצוי כולל של 300-500 אלף דולר בשנה, רציתי להיכנס לאותו טווח. זה לא שזה כל כך מפריע לי, אבל מכיוון שאומרים שזו תופעה נפוצה, אבל יש לי פחות, אז זה איתות.

המשימה נראתה פתירה לחלוטין, אם כי לא במובן שאפשר לקפוץ לכל חברה, אלא שאם תרעבו, הכל יסתדר. כלומר, יש להשתמש בעשרות או מאות ניסיונות, והכאב מכל כישלון ומכל דחייה, כדי לחדד את המיקוד, לשפר את הזיכרון ולמתוח את היום ל-36 שעות.

שיפצתי את קורות החיים שלי, התחלתי לשלוח אותם והלכתי לראיונות. טסתי על פני רובם בשלב התקשורת עם משאבי אנוש. אנשים רבים דרשו C++, אבל לא ידעתי את זה, והייתה לי הרגשה חזקה שלא אתעניין במיוחד בתפקידים שדורשים C++.

ראוי לציין שבערך באותו זמן היה מעבר פאזה בסוג התחרויות ב-Kaggle. לפני 2017 היו הרבה נתונים טבלאיים ולעיתים רחוקות מאוד נתוני תמונות, אבל החל מ-2017 היו הרבה משימות ראייה ממוחשבת.

החיים זרמו במצב הבא:

1. עבודה במהלך היום.
2. כאשר מסך טכנולוגי / באתר אתה לוקח חופש.
3. ערבים וסופי שבוע Kaggle + מאמרים / ספרים / פוסטים בבלוג

סוף 2016 היה בסימן העובדה שהצטרפתי לקהילה Open Data Science (ODS), מה שפשט הרבה דברים. יש הרבה חבר'ה בקהילה עם ניסיון תעשייתי עשיר, מה שאפשר לנו לשאול הרבה שאלות מטופשות ולקבל הרבה תשובות חכמות. יש גם הרבה מומחי למידת מכונה חזקים מכל השכבות, שבאופן בלתי צפוי אפשרו לי, דרך ODS, לסגור את הנושא עם תקשורת מעמיקה קבועה על Data Science. עד עכשיו, מבחינת ML, ODS נותן לי פי הרבה יותר ממה שאני מקבל בעבודה.

ובכן, כרגיל, ל-ODS יש מספיק מומחים בתחרויות בקאגגל ובאתרים אחרים. פתרון בעיות בצוות הוא יותר כיף ופורה, אז עם בדיחות, קללות, ממים ועוד בידור חנוני, התחלנו לפתור בעיות אחת אחת.

במרץ 2017 - בצוות עם סרגה מושינסקי - מקום שלישי עבור זיהוי תכונת תמונת לוויין Dstl. מדליית זהב על Kaggle + 20 אלף דולר לשניים. במשימה זו שופרה העבודה עם תמונות לוויין + פילוח בינארי באמצעות UNet. פוסט בבלוג על Habré בנושא זה.

באותו חודש מרץ, הלכתי לראיון ב-NVidia עם צוות נהיגה עצמית. ממש נאבקתי בשאלות על זיהוי אובייקטים. לא היה מספיק ידע.

למרבה המזל, במקביל, התחילה תחרות זיהוי האובייקטים על צילומי אוויר מאותו DSTL. אלוהים עצמו הורה לפתור את הבעיה ולשדרג. חודש של ערבים וסופי שבוע. אספתי את הידע וסיימתי במקום השני. לתחרות הזו היה ניואנס מעניין בכללים, מה שהוביל להצגה ברוסיה בערוצים פדרליים ולא כל כך פדרליים. עליתי בית Lenta.ru, ובחבורה של פרסומים מודפסים ומקוונים. Mail Ru Group קיבלו מעט יחסי ציבור חיוביים על חשבוני ועל הכסף שלהם, והמדע הבסיסי ברוסיה הועשר ב-12000 פאונד. כרגיל, זה נכתב על הנושא הזה פוסט בבלוג על hubr. כנס לשם לפרטים.

במקביל, מגייס טסלה פנה אליי והציע לי לדבר על עמדת Computer Vision. הסכמתי. עברתי דרך ה-Take Home, שני מסכים טכניים, ראיון במקום, וניהלתי שיחה נעימה מאוד עם אנדריי קרפטי, שזה עתה התקבל לעבודה בטסלה כמנהל AI. השלב הבא הוא בדיקת רקע. לאחר מכן, אילון מאסק נאלץ לאשר באופן אישי את הבקשה שלי. לטסלה יש הסכם סודיות קפדני (NDA).
לא עברתי את בדיקת הרקע. המגייס אמר שאני מפטפט הרבה באינטרנט, מה שמפר את ה-NDA. המקום היחיד שבו אמרתי משהו על ראיון בטסלה היה ODS, אז ההשערה הנוכחית היא שמישהו צילם מסך וכתב ל-HR בטסלה, ואני הורחקתי מהמירוץ שלא יפגע. אז זה היה חבל. עכשיו אני שמח שזה לא הסתדר. המיקום הנוכחי שלי הרבה יותר טוב, אם כי יהיה מעניין מאוד לעבוד עם אנדריי.

מיד לאחר מכן, צללתי לתחרות צילומי לוויין ב-Kaggle from Planet Labs - הבנת האמזונס מהחלל. הבעיה הייתה פשוטה ומשעממת ביותר; אף אחד לא רצה לפתור אותה, אבל כולם רצו מדליית זהב בחינם או כסף פרסים. לכן, עם צוות מאסטרים של Kaggle של 7 אנשים, סיכמנו שנזרוק ברזל. אימנו 480 רשתות במצב 'fit_predict' ויצרנו מהן אנסמבל בן שלוש קומות. סיימנו במקום השביעי. פוסט בבלוג המתאר את הפתרון מאת ארתור קוזין. אגב, ג'רמי הווארד, הידוע ברבים כיוצר מהיר.AI סיים 23.

לאחר סיום התחרות, דרך חבר שעבד ב-AdRoll, ארגנתי מפגש במתחם שלהם. נציגי Planet Labs דיברו שם על איך נראה ארגון התחרות וסימון הנתונים מצידם. וונדי קוואן, שעובדת ב-Kaggle ופיקחה על התחרות, דיברה על איך ראתה את זה. תיארתי את הפתרון, הטריקים, הטכניקות והפרטים הטכניים שלנו. שני שליש מהקהל פתרו את הבעיה הזו, אז השאלות נשאלו לעניין ובאופן כללי הכל היה מגניב. גם ג'רמי הווארד היה שם. התברר שהוא סיים במקום ה-23 כי הוא לא ידע איך לערום את הדגם ושהוא בכלל לא ידע על השיטה הזו של בניית הרכבים.

מפגשים בעמק בנושא למידת מכונה שונים מאוד ממפגשים במוסקבה. ככלל, מפגשים בעמק הם התחתית. אבל שלנו יצא טוב. לצערי, החבר שהיה אמור ללחוץ על הכפתור ולהקליט הכל לא לחץ על הכפתור :)

לאחר מכן, הוזמנתי לשוחח עם התפקיד של Deep Learning Engineer באותה אותה Planet Labs, ומיד במקום. לא עברתי את זה. נוסח הסירוב הוא שאין מספיק ידע ב-Deep Learning.

עיצבתי כל תחרות כפרויקט ב לינקדין. לבעיית ה-DSTL כתבנו הדפסה מראש ופרסם את זה ב-arxiv. לא כתבה, אבל עדיין לחם. אני ממליץ גם לכל אחד אחר לנפח את פרופיל הלינקדאין שלהם באמצעות תחרויות, מאמרים, כישורים וכדומה. יש מתאם חיובי בין מספר מילות המפתח שיש לך בפרופיל הלינקדאין שלך לבין התדירות שבה אנשים שולחים לך הודעות.

אם בחורף ובאביב הייתי מאוד טכני, אז עד אוגוסט היה לי גם ידע וגם ביטחון עצמי.

בסוף יולי, בחור שעבד כמנהל Data Science בליפט פנה אלי בלינקדאין והזמין אותי לשתות קפה ולשוחח על החיים, על Lyft, על TrueAccord. דברנו. הוא הציע להתראיין עם הצוות שלו לתפקיד מדען נתונים. אמרתי שהאופציה עובדת בתנאי שמדובר ב-Computer Vision / Deep Learning מהבוקר עד הערב. הוא הבטיח שאין התנגדויות מצידו.

שלחתי את קורות החיים שלי והוא העלה אותם לפורטל הפנימי של Lyft. לאחר מכן, המגייס התקשר אליי לפתוח את קורות החיים שלי ולברר עליי עוד. כבר במילים הראשונות היה ברור שעבורו מדובר בפורמליות, שכן מהרזומה שלו היה ברור ש"אני לא חומר עבור Lyft". אני מניח שאחרי זה קורות החיים שלי נכנסו לפח האשפה.

כל הזמן הזה, בזמן שהתראיינתי, דיברתי על הכישלונות והנפילות שלי ב-ODS והחבר'ה נתנו לי משוב ועזרו לי בכל דרך אפשרית עם עצות, אם כי, כרגיל, היו שם גם הרבה טרולים ידידותיים.

אחד מחברי ה-ODS הציע לי לחבר אותי עם חבר שלו, שהוא מנהל ההנדסה בליפט. לא מוקדם יותר מאשר נעשה. אני בא ל-Lyft לארוחת צהריים, וחוץ מהחבר הזה יש גם ראש מדעי נתונים ומנהל מוצר שהוא מעריץ גדול של Deep Learning. בצהריים שוחחנו על DL. ומכיוון שאני מתאמן רשתות 24/7 כבר חצי שנה, קורא מטר מעוקב ספרות והרצתי משימות על Kaggle עם תוצאות פחות או יותר ברורות, יכולתי לדבר על Deep Learning במשך שעות, גם מבחינת מאמרים חדשים וגם מבחינת מאמרים חדשים. טכניקות מעשיות.

אחרי ארוחת הצהריים הם הסתכלו עליי ואמרו - זה מיד ברור שאתה חתיך, אתה רוצה לדבר איתנו? יתרה מכך, הוסיפו שברור לי שאפשר לדלג על take home + tech screen. ושאוזמן מיד לאתר. הסכמתי.

לאחר מכן, המגייס התקשר אלי לקבוע ראיון במקום, והוא לא היה מרוצה. הוא מלמל משהו על כך לא לקפוץ לך מעל הראש.

הגיע. ראיון במקום. חמש שעות של תקשורת עם אנשים שונים. לא הייתה שאלה אחת על Deep Learning, או על למידת מכונה באופן עקרוני. מכיוון שאין למידה עמוקה / ראיית מחשב, אז אני לא מעוניין. לפיכך, תוצאות הראיון היו אורתוגונליות.

המגייס הזה מתקשר ואומר - מזל טוב, הגעת לראיון השני באתר. כל זה מפתיע. מהו המקום השני באתר? מעולם לא שמעתי על דבר כזה. הלכתי. יש שם כמה שעות, הפעם הכל על למידת מכונה מסורתית. זה יותר טוב. אבל עדיין לא מעניין.

המגייס מתקשר עם ברכות שעברתי את הראיון השלישי באתר ונשבע שזה יהיה האחרון. הלכתי לראות את זה והיה גם DL וגם קורות חיים.

היה לי פריור במשך חודשים רבים שאמר לי שלא תהיה הצעה. אני אתאמן לא על כישורים טכניים, אלא על רכים. לא על הצד הרך, אלא על כך שהתפקיד ייסגר או שהחברה עדיין לא מגייסת עובדים, אלא פשוט בוחנת את השוק ואת רמת המועמדים.

אמצע אוגוסט. שתיתי בירה בסדר. מחשבות אפלות. עברו 8 חודשים ועדיין אין הצעה. זה טוב להיות יצירתי מתחת לבירה, במיוחד אם היצירתיות מוזרה. עולה במוחי רעיון. אני חולק את זה עם אלכסיי שבץ, שבאותה תקופה היה פוסט דוקטורט ב-MIT.

מה אם תקחו את כנס DL/CV הקרוב, צפו בתחרויות שמתקיימות במסגרתו, תאמנו משהו ותגישו? מכיוון שכל המומחים שם בונים על זה את הקריירה שלהם ועושים את זה כבר חודשים רבים ואפילו שנים, אין לנו סיכוי. אבל זה לא מפחיד. אנחנו עושים הגשה משמעותית, טסים למקום האחרון, ואחרי זה אנחנו כותבים טרום-דפוס או מאמר על איך אנחנו לא כמו כולם ומדברים על ההחלטה שלנו. והמאמר כבר נמצא בלינקדאין וברזומה שלכם.

כלומר, נראה שזה רלוונטי ויש יותר מילות מפתח נכונות בקורות החיים, מה שאמור להגדיל מעט את הסיכוי להגיע למסך הטכנולוגי. קוד והגשות ממני, טקסטים מאלכסיי. משחק, כמובן, אבל למה לא?

לא מוקדם יותר מאשר נעשה. הכנס הקרוב ביותר שחיפשנו בגוגל היה MICCAI ולמעשה היו שם תחרויות. פגענו בראשון. זה היה ניתוח תמונה של מערכת העיכול (GIANA). למשימה 3 תתי משימות. נותרו 8 ימים לפני המועד האחרון. התפכחתי בבוקר, אבל לא ויתרתי על הרעיון. לקחתי את הצינורות שלי מקאגל והחלפתי אותם מנתוני לוויין לנתונים רפואיים. 'התאמת_נבא'. אלכסיי הכין תיאור בן שני עמודים של פתרונות לכל בעיה, ושלחנו אותו. מוּכָן. בתיאוריה, אתה יכול לנשוף. אבל התברר שיש עוד משימה לאותה סדנה (פילוח מכשירים רובוטיים) עם שלוש משימות משנה ושהדדליין שלה הועלה ב-4 ימים, כלומר, אנחנו יכולים לעשות שם 'fit_predict' ולשלוח אותו. זה מה שעשינו.

שלא כמו Kaggle, לתחרויות האלה היו פרטים אקדמיים משלהן:

1. ללא Leaderboard. הגשות נשלחות במייל.
2. תוסר אם נציג צוות לא יגיע להציג את הפתרון בכנס בסדנה.
3. מקומך ב-Leaderboard נודע רק במהלך הוועידה. סוג של דרמה אקדמית.

כנס MICCAI 2017 נערך בקוויבק סיטי. למען האמת, בספטמבר התחלתי להישרף, אז הרעיון של לקחת שבוע חופש מהעבודה ולנסוע לקנדה נראה מעניין.

הגיע לכנס. הגעתי לסדנה הזו, אני לא מכיר אף אחד, אני יושב בפינה. כולם מכירים אחד את השני, הם מתקשרים, הם זורקים מילים רפואיות חכמות. סקירה של התחרות הראשונה. המשתתפים מדברים ומדברים על ההחלטות שלהם. מגניב שם, עם נצנוץ. תורי. ואיכשהו אני אפילו מתבייש. הם פתרו את הבעיה, עבדו עליה, קידמו את המדע, ואנחנו רק "לנבא" מהתפתחויות קודמות, לא בשביל המדע, אלא כדי להגביר את קורות החיים שלנו.

הוא יצא ואמר שגם אני לא מומחה ברפואה, התנצל על בזבוז הזמן והראה לי שקופית אחת עם הפתרון. ירדתי למסדרון.

הם מכריזים על תת-המשימה הראשונה - אנחנו ראשונים, ובפער.
השניים והשלישיים מוכרזים.
הם מכריזים על השלישי - שוב ראשון ושוב עם יתרון.
גנרל הוא הראשון.

הודעה רשמית לעיתונות.

חלק מהקהל מחייכים ומסתכלים עלי בכבוד. לאחרים, אלה שנחשבו כנראה מומחים בתחום, זכו במענק למשימה זו ועשו זאת שנים רבות, הבעת פניהם מעט מעוותת.

לאחר מכן היא המשימה השנייה, זו עם שלוש משימות משנה ואשר הוזזה קדימה בארבעה ימים.

כאן גם התנצלתי והצגתי שוב את השקף האחד שלנו.
אותו סיפור. שניים ראשונים, שנייה אחת, קודם נפוצים.

אני חושב שזו כנראה הפעם הראשונה בהיסטוריה שסוכנות איסוף זוכה בתחרות הדמיה רפואית.

ועכשיו אני עומד על הבמה, נותנים לי איזושהי דיפלומה ואני מופגז. איך לעזאזל זה יכול להיות? האקדמאים האלה מוציאים את כספי משלמי המסים, פועלים לפישוט ושיפור איכות העבודה לרופאים, כלומר, בתיאוריה, תוחלת החיים שלי, ואיזה גוף קרע את כל הסגל האקדמי הזה לתוך הדגל הבריטי תוך כמה ערבים.

בונוס לכך הוא שבצוותים אחרים, לסטודנטים לתארים מתקדמים שעובדים על המשימות הללו חודשים רבים יהיה קורות חיים אטרקטיביים ל-HR, כלומר, הם יגיעו בקלות למסך הטכנולוגי. ולנגד עיני יש מייל שהתקבל לאחרונה:

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.

באופן כללי, כבר מהבמה, אני שואל את הקהל: "מישהו יודע איפה אני עובד?" אחד ממארגני התחרות ידע - הוא חיפש בגוגל מה זה TrueAccord. השאר לא. אני ממשיך: "אני עובד בסוכנות גבייה, ובעבודה אני לא עוסק ב-Computer Vision ולא ב-Deep Learning. ובמובנים רבים, זה קורה בגלל שמחלקות משאבי האנוש של Google Brain ו-Deepmind מסננות את קורות החיים שלי, ולא נותנות לי הזדמנות להציג הכשרה טכנית. "

הם מסרו את התעודה, הפסקה. קבוצה של אקדמאים מושכת אותי הצידה. התברר שמדובר בקבוצת Health עם Deepmind. הם כל כך התרשמו שהם רצו מיד לדבר איתי על המשרה הפנויה של מהנדס מחקר בצוות שלהם. (אכן דיברנו. השיחה הזו נמשכה 6 חודשים, עברתי קח הביתה, חידון, אבל נקטעתי במסך הטכנולוגי. 6 חודשים מתחילת התקשורת למסך הטכנולוגי זה הרבה זמן. ההמתנה הארוכה נותנת טעם של חוסר תועלת. מהנדס מחקר ב-Deepmind בלונדון, על רקע TrueAccord הייתה עלייה חזקה, אבל על רקע התפקיד הנוכחי שלי זו ירידה. ממרחק של שנתיים שחלפו מאז, זה טוב שזה לא קרה.)

מסקנה

בערך באותו זמן קיבלתי הצעה מחברת Lyft שקיבלתי אותה.
בהתבסס על תוצאות שתי התחרויות הללו עם MICCAI, פורסמו הדברים הבאים:

1. פילוח מכשירים אוטומטי בניתוח בעזרת רובוט תוך שימוש בלמידה עמוקה
2. זיהוי ולוקליזציה של אנגיודיספלסיה באמצעות רשתות עצביות קונבולוציוניות עמוקות
3. אתגר פילוח מכשירים רובוטי 2017

כלומר, למרות הפראות של הרעיון, הוספת מאמרים ופרינטים מצטברים דרך תחרויות עובדת היטב. ובשנים שלאחר מכן החמרנו את זה עוד יותר.

עבדתי ב- Lyft בשנתיים האחרונות ב-Computer Vision/Deep Learning עבור מכוניות בנהיגה עצמית. כלומר, קיבלתי את מה שרציתי. ומשימות, וחברה במעמד גבוה, ועמיתים חזקים, וכל שאר הטובים.

במהלך החודשים הללו הייתה לי תקשורת עם שתי החברות הגדולות גוגל, פייסבוק, אובר, לינקדאין ועם ים של סטארטאפים בגדלים שונים.

זה כאב כל החודשים האלה. היקום אומר לך משהו לא נעים כל יום. דחייה קבועה, ביצוע טעויות באופן קבוע וכל זה מתובל בתחושה מתמשכת של חוסר תקווה. אין ערובה שתצליח, אבל יש תחושה שאתה טיפש. זה מאוד מזכיר איך ניסיתי למצוא עבודה מיד אחרי האוניברסיטה.

אני חושב שרבים חיפשו עבודה בעמק והכל היה להם הרבה יותר קל. הטריק, לדעתי, הוא זה. אם אתה מחפש עבודה בתחום שאתה מבין בו, בעל ניסיון רב וקורות החיים שלך אומר את אותו הדבר, אין בעיות. לקחתי את זה ומצאתי את זה. יש הרבה משרות פנויות.

אבל אם אתם מחפשים עבודה בתחום שחדש לכם, כלומר כשאין ידע, אין קשרים וקורות החיים שלכם אומרים משהו לא בסדר - ברגע זה הכל הופך למעניין ביותר.

כרגע, מגייסים כותבים לי באופן קבוע ומציעים לעשות את אותו הדבר שאני עושה עכשיו, אבל בחברה אחרת. באמת הגיע הזמן להחליף מקום עבודה. אבל אין טעם ללכת לעשות את מה שאני כבר טוב בו. בשביל מה?

אבל בשביל מה שאני רוצה, שוב אין לי את הידע ולא את השורות בקורות החיים שלי. בוא נראה איך כל זה יסתיים. אם הכל ילך כשורה, אכתוב את החלק הבא. 🙂

מקור: www.habr.com