ពីអ្នករូបវិទ្យាទៅវិទ្យាសាស្ត្រទិន្នន័យ (ពីម៉ាស៊ីនវិទ្យាសាស្ត្ររហូតដល់ការិយាល័យ Plankton) ។ ផ្នែកទីបី

រូបភាពនេះគឺដោយ Arthur Kuzin (n01z3) សង្ខេបខ្លឹមសារនៃការប្រកាសប្លក់យ៉ាងត្រឹមត្រូវ។ ជាលទ្ធផល ការនិទានរឿងខាងក្រោមនេះគួរត្រូវបានយល់ឃើញថា ដូចជារឿងថ្ងៃសុក្រ ជាជាងអ្វីដែលមានប្រយោជន៍ និងបច្ចេកទេសបំផុត។ លើស​ពី​នេះ​ទៅ​ទៀត វា​គួរ​ឱ្យ​កត់​សម្គាល់​ថា អត្ថបទ​សម្បូរ​ទៅ​ដោយ​ពាក្យ​អង់គ្លេស។ ខ្ញុំ​មិន​ចេះ​បក​ប្រែ​ខ្លះ​ឲ្យ​បាន​ត្រឹម​ត្រូវ​ទេ ហើយ​ខ្ញុំ​គ្រាន់​តែ​មិន​ចង់​បក​ប្រែ​ខ្លះ​ដែរ។

ផ្នែកដំបូង។
ផ្នែកទីពីរ។

របៀបដែលការផ្លាស់ប្តូរពីបរិយាកាសសិក្សាទៅបរិយាកាសឧស្សាហកម្មបានកើតឡើងត្រូវបានបង្ហាញនៅក្នុងវគ្គពីរដំបូង។ នៅក្នុងមួយនេះ ការសន្ទនានឹងនិយាយអំពីអ្វីដែលបានកើតឡើងបន្ទាប់។

វាគឺខែមករា 2017 ។ ពេល​នោះ​ខ្ញុំ​មាន​បទ​ពិសោធ​ការងារ​ជាង​មួយ​ឆ្នាំ​បន្តិច ហើយ​ខ្ញុំ​ធ្វើ​ការ​នៅ San Francisco ក្នុង​ក្រុមហ៊ុន TrueAccord ដូចជា Sr. អ្នកវិទ្យាសាស្ត្រទិន្នន័យ។

TrueAccord គឺជាការចាប់ផ្តើមប្រមូលបំណុល។ នៅក្នុងពាក្យសាមញ្ញ - ទីភ្នាក់ងារប្រមូល។ អ្នកប្រមូលជាធម្មតាហៅច្រើន។ យើង​បាន​ផ្ញើ​អ៊ីមែល​ជា​ច្រើន ប៉ុន្តែ​បាន​ហៅ​ចេញ​តិច​តួច។ អ៊ីមែលនីមួយៗនាំទៅដល់គេហទំព័ររបស់ក្រុមហ៊ុន ដែលកូនបំណុលត្រូវបានផ្តល់ជូនការបញ្ចុះតម្លៃលើបំណុល ហើយថែមទាំងអនុញ្ញាតឱ្យបង់រំលោះទៀតផង។ វិធីសាស្រ្តនេះនាំឱ្យមានការប្រមូលបានប្រសើរជាងមុន អនុញ្ញាតឱ្យធ្វើមាត្រដ្ឋាន និងមិនសូវប្រឈមនឹងការប្តឹងផ្តល់។

ក្រុមហ៊ុនគឺធម្មតា។ ផលិតផលគឺច្បាស់។ ការគ្រប់គ្រងមានភាពឆ្លាតវៃ។ ទីតាំងគឺល្អ។

ជា​មធ្យម មនុស្ស​នៅ​ជ្រលង​ភ្នំ​ធ្វើ​ការ​នៅ​កន្លែង​មួយ​ប្រហែល​មួយ​ឆ្នាំ​កន្លះ។ នោះគឺក្រុមហ៊ុនណាមួយដែលអ្នកធ្វើការឱ្យគឺគ្រាន់តែជាជំហានតូចមួយប៉ុណ្ណោះ។ នៅជំហាននេះ អ្នកនឹងរៃអង្គាសប្រាក់ខ្លះ ទទួលបានចំណេះដឹងថ្មីៗ ជំនាញ ការតភ្ជាប់ និងបន្ទាត់នៅក្នុងប្រវត្តិរូបសង្ខេបរបស់អ្នក។ បន្ទាប់ពីនេះមានការផ្លាស់ប្តូរទៅជំហានបន្ទាប់។

នៅ TrueAccord ខ្លួនខ្ញុំផ្ទាល់ ខ្ញុំបានចូលរួមក្នុងការភ្ជាប់ប្រព័ន្ធណែនាំទៅសំបុត្រព័ត៌មានតាមអ៊ីមែល ក៏ដូចជាការផ្តល់អាទិភាពដល់ការហៅទូរសព្ទ។ ផលប៉ះពាល់គឺអាចយល់បាន ហើយត្រូវបានវាស់យ៉ាងល្អជាប្រាក់ដុល្លារតាមរយៈការធ្វើតេស្ត A/B ។ ដោយសារមិនមានម៉ាស៊ីនរៀនមុនពេលមកដល់ ឥទ្ធិពលនៃការងាររបស់ខ្ញុំគឺមិនអាក្រក់ទេ។ ជា​ថ្មី​ម្តង​ទៀត វា​ជា​ការ​ងាយ​ស្រួល​ជាង​ក្នុង​ការ​កែ​លម្អ​អ្វី​មួយ​ជា​ជាង​អ្វី​ដែល​ត្រូវ​បាន​ធ្វើ​ឲ្យ​ប្រសើរ​ខ្លាំង​រួច​ទៅ​ហើយ។

បន្ទាប់ពីធ្វើការលើប្រព័ន្ធទាំងនេះអស់រយៈពេលប្រាំមួយខែ ពួកគេថែមទាំងដំឡើងប្រាក់ខែគោលរបស់ខ្ញុំពី $150k ទៅ $163k។ នៅក្នុងសហគមន៍ វិទ្យាសាស្ត្រទិន្នន័យបើកចំហ (ODS) មាន meme ប្រហែល $163k ។ វាដុះដោយជើងរបស់វាពីទីនេះ។

ទាំងអស់នេះគឺអស្ចារ្យណាស់ ប៉ុន្តែវាមិនបានដឹកនាំទៅណាទេ ឬវាបានដឹកនាំ ប៉ុន្តែមិនមែននៅទីនោះទេ។

ខ្ញុំមានការគោរពយ៉ាងខ្លាំងចំពោះ TrueAccord ទាំងក្រុមហ៊ុន និងបុរសដែលខ្ញុំបានធ្វើការជាមួយនៅទីនោះ។ ខ្ញុំបានរៀនច្រើនពីពួកគេ ប៉ុន្តែខ្ញុំមិនចង់ធ្វើការយូរលើប្រព័ន្ធណែនាំនៅភ្នាក់ងារប្រមូលផ្ដុំទេ។ ពីជំហាននេះអ្នកត្រូវបោះជំហានក្នុងទិសដៅណាមួយ។ បើមិនទៅមុខ និងឡើងលើទេ យ៉ាងហោចណាស់បែរទៅម្ខាង។

អ្វី​ដែល​ខ្ញុំ​មិន​ចូលចិត្ត?

1. តាមទស្សនៈរបស់ម៉ាស៊ីនរៀន បញ្ហាមិនបានធ្វើឱ្យខ្ញុំរំភើបចិត្តទេ។ ខ្ញុំចង់បានអ្វីដែលទាន់សម័យ ក្មេងជាងវ័យ នោះគឺការរៀនជ្រៅជ្រះ ចក្ខុវិស័យកុំព្យូទ័រ ជាអ្វីដែលជិតស្និទ្ធនឹងវិទ្យាសាស្ត្រ ឬយ៉ាងហោចណាស់ក៏ដើម្បីលេងល្បែងប្រជាប្រិយ។
2. ការចាប់ផ្តើមអាជីវកម្ម និងសូម្បីតែភ្នាក់ងារប្រមូលផ្ដុំ មានបញ្ហាក្នុងការជួលបុគ្គលិកដែលមានសមត្ថភាពខ្ពស់។ ក្នុងនាមជាអ្នកចាប់ផ្តើមដំបូង វាមិនអាចចំណាយច្រើនទេ។ ប៉ុន្តែក្នុងនាមជាភ្នាក់ងារប្រមូល វាបាត់បង់ឋានៈ។ និយាយ​ឲ្យ​ចំ​បើ​នារី​ណាត់​ជួប​សួរ​ថា​ធ្វើ​ការ​នៅ​ណា? ចម្លើយរបស់អ្នក៖ “នៅលើ Google” ស្តាប់ទៅមានលំដាប់លំដោយប្រសើរជាង “ភ្នាក់ងារប្រមូល”។ ខ្ញុំមានការធុញថប់បន្តិចដោយការពិតដែលថាសម្រាប់មិត្តភ័ក្តិរបស់ខ្ញុំដែលធ្វើការនៅ Google និង Facebook មិនដូចខ្ញុំទេ ឈ្មោះក្រុមហ៊ុនរបស់ពួកគេបានបើកទ្វារដូចជា៖ អ្នកអាចត្រូវបានអញ្ជើញឱ្យចូលរួមសន្និសិទ ឬការប្រជុំជាវាគ្មិន ឬមនុស្សគួរឱ្យចាប់អារម្មណ៍ជាច្រើនទៀតសរសេរនៅលើ LinkedIn ជាមួយនឹងការផ្តល់ជូនដើម្បីជួប និងជជែកលើតែមួយកែវ។ ខ្ញុំពិតជាចូលចិត្តទំនាក់ទំនងជាមួយមនុស្សដែលខ្ញុំមិនស្គាល់ដោយផ្ទាល់។ ដូច្នេះប្រសិនបើអ្នករស់នៅ San Francisco កុំស្ទាក់ស្ទើរក្នុងការសរសេរ - តោះទៅផឹកកាហ្វេ ហើយនិយាយគ្នា។
3. ក្រៅពីខ្ញុំ អ្នកវិទ្យាសាស្ត្រទិន្នន័យបីនាក់បានធ្វើការនៅក្នុងក្រុមហ៊ុន។ ខ្ញុំកំពុងធ្វើការលើការរៀនម៉ាស៊ីន ហើយពួកគេកំពុងធ្វើការលើកិច្ចការវិទ្យាសាស្ត្រទិន្នន័យផ្សេងទៀត ដែលជារឿងធម្មតានៅក្នុងការចាប់ផ្ដើមអាជីវកម្មណាមួយពីទីនេះដល់ថ្ងៃស្អែក។ ជាលទ្ធផល ពួកគេពិតជាមិនយល់ពីការរៀនម៉ាស៊ីនទេ។ ប៉ុន្តែ​ដើម្បី​រីកចម្រើន ខ្ញុំ​ត្រូវ​ទាក់ទង​ជាមួយ​នរណា​ម្នាក់ ពិភាក្សា​អំពី​អត្ថបទ និង​ការ​អភិវឌ្ឍ​ចុងក្រោយ​បង្អស់ និង​សុំ​យោបល់​នៅ​ទីបញ្ចប់។

តើមានអ្វីខ្លះ?

1. ការអប់រំ៖ រូបវិទ្យា មិនមែនវិទ្យាសាស្ត្រកុំព្យូទ័រទេ។
2. ភាសាសរសេរកម្មវិធីតែមួយគត់ដែលខ្ញុំដឹងគឺ Python ។ មាន​អារម្មណ៍​ថា​ខ្ញុំ​ត្រូវ​ការ​ប្ដូរ​ទៅ C++ ប៉ុន្តែ​ខ្ញុំ​នៅ​តែ​មិន​អាច​ចូល​ទៅ​ជុំវិញ​វា​។
3. មួយឆ្នាំកន្លះនៃការងារនៅក្នុងឧស្សាហកម្មនេះ។ ជាងនេះទៅទៀត នៅកន្លែងធ្វើការ ខ្ញុំមិនបានសិក្សាទាំង Deep Learning ឬ Computer Vision ទេ។
4. មិនមែនជាអត្ថបទមួយស្តីពី Deep Learning / Computer Vision នៅក្នុងប្រវត្តិរូបសង្ខេបទេ។
5. មានសមិទ្ធិផល Kaggle Master ។

តើអ្នកចង់បានអ្វី?

1. ទីតាំងមួយដែលវានឹងចាំបាច់ក្នុងការបណ្តុះបណ្តាលបណ្តាញជាច្រើន ហើយកាន់តែខិតទៅជិតចក្ខុវិស័យកុំព្យូទ័រ។
2. វាប្រសើរជាងប្រសិនបើវាជាក្រុមហ៊ុនធំដូចជា Google, Tesla, Facebook, Uber, LinkedIn ជាដើម។ ថ្វីត្បិតតែក្នុងកម្រិតមួយ ការចាប់ផ្តើមនឹងធ្វើ។
3. ខ្ញុំមិនចាំបាច់ជាអ្នកជំនាញការរៀនម៉ាស៊ីនដ៏ធំបំផុតនៅក្នុងក្រុមនោះទេ។ មានតម្រូវការយ៉ាងខ្លាំងសម្រាប់សមមិត្តជាន់ខ្ពស់ អ្នកណែនាំ និងការប្រាស្រ័យទាក់ទងគ្រប់ប្រភេទ ដែលត្រូវបានសន្មត់ថាបង្កើនល្បឿនដំណើរការសិក្សា។
4. បន្ទាប់ពីអានអត្ថបទប្លក់អំពីរបៀបដែលនិស្សិតបញ្ចប់ការសិក្សាដោយគ្មានបទពិសោធន៍ក្នុងឧស្សាហកម្មមានប្រាក់សំណងសរុប 300-500k ក្នុងមួយឆ្នាំ ខ្ញុំចង់ចូលទៅក្នុងជួរដូចគ្នា។ វា​មិន​មែន​ថា​វា​រំខាន​ខ្ញុំ​ខ្លាំង​នោះ​ទេ ប៉ុន្តែ​ដោយសារ​ពួកគេ​និយាយ​ថា​នេះ​ជា​បាតុភូត​ធម្មតា ប៉ុន្តែ​ខ្ញុំ​មាន​តិច​នោះ​ហើយ​ជា​សញ្ញា។

កិច្ចការនេះហាក់ដូចជាអាចដោះស្រាយបានទាំងស្រុង ទោះបីជាមិនមែនក្នុងន័យថាអ្នកអាចចូលទៅក្នុងក្រុមហ៊ុនណាមួយក៏ដោយ ប៉ុន្តែផ្ទុយទៅវិញ ប្រសិនបើអ្នកស្រេកឃ្លាន អ្វីៗនឹងដំណើរការ។ នោះគឺការប៉ុនប៉ងរាប់សិប ឬរាប់រយដង និងការឈឺចាប់ពីរាល់ការបរាជ័យ និងរាល់ការបដិសេធ គួរតែត្រូវបានប្រើដើម្បីធ្វើឱ្យការផ្តោតអារម្មណ៍ ធ្វើអោយប្រសើរឡើងនូវការចងចាំ និងពង្រីកថ្ងៃដល់ 36 ម៉ោង។

ខ្ញុំបានកែប្រែប្រវត្តិរូបសង្ខេបរបស់ខ្ញុំ ចាប់ផ្តើមផ្ញើវាចេញ និងទៅសម្ភាសន៍។ ខ្ញុំបានឆ្លងកាត់ពួកគេភាគច្រើននៅដំណាក់កាលនៃការទំនាក់ទំនងជាមួយធនធានមនុស្ស។ មនុស្សជាច្រើនទាមទារ C++ ប៉ុន្តែខ្ញុំមិនដឹងទេ ហើយខ្ញុំមានអារម្មណ៍ខ្លាំងថាខ្ញុំនឹងមិនចាប់អារម្មណ៍ខ្លាំងចំពោះមុខតំណែងដែលទាមទារ C++ នោះទេ។

គួរកត់សម្គាល់ថានៅពេលជាមួយគ្នានោះមានការផ្លាស់ប្តូរដំណាក់កាលមួយនៅក្នុងប្រភេទនៃការប្រកួតនៅលើ Kaggle ។ មុនឆ្នាំ 2017 មានទិន្នន័យតារាងច្រើន និងកម្រមានទិន្នន័យរូបភាព ប៉ុន្តែចាប់ពីឆ្នាំ 2017 មានកិច្ចការមើលកុំព្យូទ័រច្រើន។

ជីវិត​បាន​ដើរ​តាម​របៀប​ដូច​ខាង​ក្រោម៖

1. ធ្វើការនៅពេលថ្ងៃ។
2. នៅពេលដែលអេក្រង់បច្ចេកវិទ្យា / នៅនឹងកន្លែង អ្នកត្រូវសម្រាក។
3. ពេលល្ងាច និងចុងសប្តាហ៍ Kaggle + អត្ថបទ / សៀវភៅ / ប្រកាសប្លក់

ចុងបញ្ចប់នៃឆ្នាំ 2016 ត្រូវបានសម្គាល់ដោយការពិតដែលថាខ្ញុំបានចូលរួមសហគមន៍ វិទ្យាសាស្ត្រទិន្នន័យបើកចំហ (ODS)ដែល​បាន​សម្រួល​រឿង​ជា​ច្រើន។ មានបុរសជាច្រើននៅក្នុងសហគមន៍ដែលមានបទពិសោធន៍ឧស្សាហកម្មសម្បូរបែប ដែលអនុញ្ញាតឱ្យយើងសួរសំណួរឆោតល្ងង់ជាច្រើន និងទទួលបានចម្លើយដ៏ឆ្លាតវៃជាច្រើន។ វាក៏មានអ្នកជំនាញការរៀនម៉ាស៊ីនខ្លាំងៗជាច្រើននៃឆ្នូតទាំងអស់ ដែលមិននឹកស្មានដល់បានអនុញ្ញាតឱ្យខ្ញុំតាមរយៈ ODS ដើម្បីបិទបញ្ហានេះជាមួយនឹងការទំនាក់ទំនងស៊ីជម្រៅជាទៀងទាត់អំពីវិទ្យាសាស្ត្រទិន្នន័យ។ រហូតមកដល់ពេលនេះ បើនិយាយពី ML, ODS ផ្តល់ឱ្យខ្ញុំច្រើនដងច្រើនជាងអ្វីដែលខ្ញុំទទួលបាននៅកន្លែងធ្វើការ។

ជាការប្រសើរណាស់ ជាធម្មតា ODS មានអ្នកឯកទេសគ្រប់គ្រាន់ក្នុងការប្រកួតប្រជែងនៅលើ Kaggle និងគេហទំព័រផ្សេងទៀត។ ការដោះស្រាយបញ្ហានៅក្នុងក្រុមគឺកាន់តែមានភាពសប្បាយរីករាយ និងមានផលិតភាព ដូច្នេះជាមួយនឹងការលេងសើច ការស្បថ អនុស្សាវរីយ៍ និងការកម្សាន្តដ៏គួរឱ្យធុញទ្រាន់ផ្សេងទៀត យើងបានចាប់ផ្តើមដោះស្រាយបញ្ហាម្តងមួយៗ។

នៅខែមីនាឆ្នាំ 2017 - នៅក្នុងក្រុមជាមួយ Serega Mushinsky - ចំណាត់ថ្នាក់ទីបីសម្រាប់ ការរកឃើញលក្ខណៈពិសេសរូបភាពផ្កាយរណប Dstl. មេដាយមាសបានលើកីឡាករ Kaggle + $20k សម្រាប់ពីរ។ នៅលើកិច្ចការនេះ ការងារជាមួយរូបភាពផ្កាយរណប + ការបែងចែកប្រព័ន្ធគោលពីរតាមរយៈ UNet ត្រូវបានធ្វើឱ្យប្រសើរឡើង។ ប្រកាសប្លក់លើ Habre លើប្រធានបទនេះ។

ខែមីនាដដែលនោះ ខ្ញុំបានទៅសម្ភាសន៍នៅ NVidia ជាមួយក្រុមបើកបរខ្លួនឯង។ ខ្ញុំពិតជាមានបញ្ហាជាមួយនឹងសំណួរអំពីការរកឃើញវត្ថុ។ មិនមានចំណេះដឹងគ្រប់គ្រាន់ទេ។

ជាសំណាងល្អ ក្នុងពេលជាមួយគ្នានោះ ការប្រកួតប្រជែងការស្វែងរកវត្ថុលើរូបភាពពីលើអាកាសពី DSTL ដូចគ្នាបានចាប់ផ្តើម។ ព្រះ​អង្គ​ទ្រង់​បាន​បញ្ជា​ឲ្យ​ដោះ​ស្រាយ​បញ្ហា ហើយ​ធ្វើ​ឲ្យ​ប្រសើរ​ឡើង។ ខែនៃពេលល្ងាចនិងចុងសប្តាហ៍។ ខ្ញុំ​បាន​យក​ចំណេះ​ដឹង​មក​បញ្ចប់​ទី​ពីរ។ ការប្រកួតប្រជែងនេះមានភាពខុសប្លែកគ្នាគួរឱ្យចាប់អារម្មណ៍នៅក្នុងច្បាប់ ដែលនាំឱ្យខ្ញុំត្រូវបានបង្ហាញនៅក្នុងប្រទេសរុស្ស៊ីនៅលើបណ្តាញសហព័ន្ធ និងមិនមែនជាបណ្តាញសហព័ន្ធ។ ខ្ញុំបានបន្ត ផ្ទះ Lenta.ruនិងនៅក្នុងបណ្តុំនៃការបោះពុម្ព និងការបោះពុម្ពលើអ៊ីនធឺណិត។ Mail Ru Group បានទទួល PR វិជ្ជមានតិចតួចដោយការចំណាយរបស់ខ្ញុំ និងប្រាក់ផ្ទាល់ខ្លួនរបស់វា ហើយវិទ្យាសាស្រ្តជាមូលដ្ឋាននៅក្នុងប្រទេសរុស្ស៊ីត្រូវបានបង្កើនដោយ 12000 ផោន។ ដូចធម្មតាវាត្រូវបានសរសេរលើប្រធានបទនេះ។ ប្រកាសប្លក់នៅលើមជ្ឈមណ្ឌល. ទៅទីនោះសម្រាប់ព័ត៌មានលម្អិត។

ក្នុងពេលជាមួយគ្នានោះ អ្នកជ្រើសរើសបុគ្គលិក Tesla បានទាក់ទងមកខ្ញុំ ហើយបានស្នើឱ្យនិយាយអំពីមុខតំណែង Computer Vision ។ ខ្ញុំ​បាន​យល់ព្រម។ ខ្ញុំបានឆ្លងកាត់ការទទួលយកទៅផ្ទះ អេក្រង់បច្ចេកវិទ្យាពីរ ការសម្ភាសន៍នៅនឹងកន្លែង ហើយមានការសន្ទនាដ៏រីករាយជាមួយ Andrei Karpathy ដែលទើបតែត្រូវបានជួលនៅ Tesla ជានាយក AI ។ ដំណាក់កាលបន្ទាប់គឺការពិនិត្យផ្ទៃខាងក្រោយ។ បន្ទាប់ពីនោះ Elon Musk ត្រូវយល់ព្រមដោយផ្ទាល់នូវពាក្យសុំរបស់ខ្ញុំ។ Tesla មានកិច្ចព្រមព្រៀងមិនបង្ហាញព័ត៌មានដ៏តឹងរឹង (NDA) ។
ខ្ញុំមិនបានឆ្លងកាត់ការត្រួតពិនិត្យផ្ទៃខាងក្រោយទេ។ អ្នកជ្រើសរើសបាននិយាយថា ខ្ញុំជជែកគ្នាច្រើនតាមអ៊ីនធឺណិត ដោយបំពាន NDA។ កន្លែងតែមួយគត់ដែលខ្ញុំនិយាយអ្វីទាំងអស់អំពីការសម្ភាសន៍នៅ Tesla គឺ ODS ដូច្នេះសម្មតិកម្មបច្ចុប្បន្នគឺថាមាននរណាម្នាក់បានថតអេក្រង់ហើយសរសេរទៅ HR នៅ Tesla ហើយខ្ញុំត្រូវបានគេដកចេញពីការប្រណាំងដោយគ្មានគ្រោះថ្នាក់។ វា​ជា​ការ​អាម៉ាស់​ពេល​នោះ​។ ឥឡូវនេះខ្ញុំរីករាយដែលវាមិនដំណើរការ។ មុខតំណែងបច្ចុប្បន្នរបស់ខ្ញុំគឺប្រសើរជាង បើទោះជាវាគួរឱ្យចាប់អារម្មណ៍ខ្លាំងក្នុងការធ្វើការជាមួយ Andrey ក៏ដោយ។

ភ្លាមៗបន្ទាប់ពីនោះ ខ្ញុំបានធ្លាក់ចូលទៅក្នុងការប្រកួតប្រជែងរូបភាពផ្កាយរណបនៅលើ Kaggle ពី Planet Labs - ការយល់ដឹងអំពី Amazon ពីលំហ. បញ្ហាគឺសាមញ្ញ និងគួរឱ្យធុញខ្លាំងណាស់ គ្មាននរណាម្នាក់ចង់ដោះស្រាយនោះទេ ប៉ុន្តែគ្រប់គ្នាចង់បានមេដាយមាស ឬប្រាក់រង្វាន់ដោយឥតគិតថ្លៃ។ ដូច្នេះហើយ ជាមួយនឹងក្រុម Kaggle Masters ដែលមានគ្នា 7 នាក់ យើងបានយល់ព្រមថា យើងនឹងគប់ដែក។ យើងបានបណ្តុះបណ្តាលបណ្តាញចំនួន 480 នៅក្នុងរបៀប 'fit_predict' ហើយបានបង្កើតក្រុមបីជាន់ចេញពីពួកគេ។ យើងបានបញ្ចប់ទីប្រាំពីរ។ ប្រកាសប្លក់ពិពណ៌នាអំពីដំណោះស្រាយពី Arthur Kuzin. ដោយវិធីនេះលោក Jeremy Howard ដែលត្រូវបានគេស្គាល់យ៉ាងទូលំទូលាយថាជាអ្នកបង្កើត Fast.AI ចប់ ២៣.

បន្ទាប់ពីបញ្ចប់ការប្រកួត តាមរយៈមិត្តម្នាក់ដែលធ្វើការនៅ AdRoll ខ្ញុំបានរៀបចំ Meetup នៅកន្លែងរបស់ពួកគេ។ អ្នកតំណាងនៃ Planet Labs បាននិយាយនៅទីនោះអំពីអ្វីដែលការរៀបចំនៃការប្រកួតប្រជែង និងការសម្គាល់ទិន្នន័យមើលទៅដូចនៅក្នុងផ្នែករបស់ពួកគេ។ Wendy Kwan ដែលធ្វើការនៅ Kaggle និងមើលការខុសត្រូវលើការប្រកួតនោះបាននិយាយអំពីរបៀបដែលនាងបានឃើញវា។ ខ្ញុំបានពិពណ៌នាអំពីដំណោះស្រាយ ល្បិច បច្ចេកទេស និងព័ត៌មានលម្អិតបច្ចេកទេសរបស់យើង។ ពីរភាគបីនៃទស្សនិកជនបានដោះស្រាយបញ្ហានេះ ដូច្នេះសំណួរត្រូវបានសួរដល់ចំណុច ហើយជាទូទៅអ្វីគ្រប់យ៉ាងគឺត្រជាក់។ Jeremy Howard ក៏នៅទីនោះដែរ។ វាប្រែថាគាត់បានបញ្ចប់ក្នុងចំណាត់ថ្នាក់ទី 23 ដោយសារតែគាត់មិនដឹងពីរបៀបជង់គំរូហើយថាគាត់មិនដឹងអំពីវិធីសាស្រ្តនៃការសាងសង់ក្រុមនេះទាល់តែសោះ។

ការជួបប្រជុំគ្នានៅជ្រលងភ្នំលើការរៀនម៉ាស៊ីនគឺខុសពីការប្រជុំនៅទីក្រុងមូស្គូ។ តាមក្បួនមួយការជួបគ្នានៅតាមជ្រលងភ្នំគឺជាបាត។ ប៉ុន្តែរបស់យើងបានប្រែជាល្អ។ ជាអកុសល សមមិត្តដែលត្រូវចុចប៊ូតុង និងកត់ត្រាអ្វីគ្រប់យ៉ាងមិនបានចុចប៊ូតុង :)

បន្ទាប់ពីនោះមក ខ្ញុំត្រូវបានគេអញ្ជើញឱ្យនិយាយជាមួយមុខតំណែងនៃ Deep Learning Engineer នៅ Planet Labs ដូចគ្នានេះ ហើយភ្លាមៗនៅនឹងកន្លែង។ ខ្ញុំមិនបានឆ្លងកាត់វាទេ។ ពាក្យបដិសេធគឺថាមិនមានចំណេះដឹងគ្រប់គ្រាន់នៅក្នុង Deep Learning ។

ខ្ញុំបានរចនាការប្រកួតប្រជែងនីមួយៗជាគម្រោងក្នុង LinkedIn. ចំពោះបញ្ហា DSTL យើងបានសរសេរ បោះពុម្ពជាមុន ហើយបានបង្ហោះវានៅលើ arxiv ។ មិនមែនជាអត្ថបទទេ ប៉ុន្តែនៅតែជានំប៉័ង។ ខ្ញុំក៏សូមណែនាំដល់អ្នកគ្រប់គ្នាឱ្យពង្រីកទម្រង់ LinkedIn របស់ពួកគេតាមរយៈការប្រកួតប្រជែង អត្ថបទ ជំនាញ និងអ្វីៗផ្សេងទៀត។ មានការជាប់ទាក់ទងគ្នាជាវិជ្ជមានរវាងចំនួនពាក្យគន្លឹះដែលអ្នកមាននៅក្នុងប្រវត្តិរូប LinkedIn របស់អ្នក និងចំនួនញឹកញាប់ដែលមនុស្សផ្ញើសារមកអ្នក។

ប្រសិនបើក្នុងរដូវរងា និងរដូវផ្ការីក ខ្ញុំមានបច្ចេកទេសខ្លាំង នោះដល់ខែសីហា ខ្ញុំមានទាំងចំណេះដឹង និងទំនុកចិត្តលើខ្លួនឯង។

នៅចុងខែកក្កដា បុរសម្នាក់ដែលធ្វើការជាអ្នកគ្រប់គ្រងផ្នែក Data Science នៅ Lyft បានទាក់ទងខ្ញុំនៅលើ LinkedIn ហើយបានអញ្ជើញខ្ញុំឱ្យពិសារកាហ្វេ និងជជែកអំពីជីវិត អំពី Lyft អំពី TrueAccord ។ យើងបាននិយាយ។ លោក​បាន​ផ្តល់​បទសម្ភាសន៍​ជាមួយ​ក្រុម​របស់​លោក​សម្រាប់​មុខ​តំណែង​ជា Data Scientist។ ខ្ញុំ​បាន​និយាយ​ថា ជម្រើស​នេះ​កំពុង​ដំណើរការ​ដោយ​ផ្តល់​ថា​វា​ជា Computer Vision / Deep Learning ពី​ព្រឹក​ដល់​ល្ងាច។ លោក​ធានា​ថា​មិន​មាន​ការ​ជំទាស់​ពី​ខាង​លោក​ឡើយ។

ខ្ញុំបានផ្ញើប្រវត្តិរូបរបស់ខ្ញុំ ហើយគាត់បានបញ្ចូលវាទៅក្នុងវិបផតថលខាងក្នុងរបស់ Lyft ។ បន្ទាប់មក អ្នកជ្រើសរើសបុគ្គលិកបានទូរស័ព្ទមកខ្ញុំ ដើម្បីបើកប្រវត្តិរូបសង្ខេបរបស់ខ្ញុំ និងស្វែងយល់បន្ថែមអំពីខ្ញុំ។ ពីពាក្យដំបូងវាច្បាស់ណាស់ថាសម្រាប់គាត់នេះគឺជាទម្រង់មួយព្រោះវាច្បាស់សម្រាប់គាត់ពីប្រវត្តិរូបរបស់គាត់ថា "ខ្ញុំមិនមែនជាសម្ភារៈសម្រាប់ Lyft ទេ" ។ ខ្ញុំគិតថាបន្ទាប់ពីនោះ ប្រវត្តិរូបសង្ខេបរបស់ខ្ញុំបានចូលទៅក្នុងធុងសំរាម។

គ្រប់ពេលវេលានេះ ខណៈពេលដែលខ្ញុំកំពុងត្រូវបានសម្ភាសន៍ ខ្ញុំបានពិភាក្សាអំពីការបរាជ័យ និងការធ្លាក់ចុះរបស់ខ្ញុំនៅក្នុង ODS ហើយបុរសបានផ្តល់មតិត្រឡប់ និងជួយខ្ញុំតាមគ្រប់មធ្យោបាយដែលអាចធ្វើទៅបានជាមួយនឹងដំបូន្មាន ទោះបីជាធម្មតាក៏ដោយ ក៏មានការនិយាយលេងសើចច្រើននៅទីនោះដែរ។

សមាជិក ODS ម្នាក់បានស្នើឱ្យភ្ជាប់ខ្ញុំជាមួយមិត្តរបស់គាត់ ដែលជានាយកផ្នែកវិស្វកម្មនៅ Lyft ។ មិនមែននិយាយលឿនជាងធ្វើទេ។ ខ្ញុំមក Lyft សម្រាប់អាហារថ្ងៃត្រង់ ហើយក្រៅពីមិត្តម្នាក់នេះ ក៏មានប្រធានផ្នែក Data Science និងជាអ្នកគ្រប់គ្រងផលិតផល ដែលជាអ្នកគាំទ្រដ៏ធំនៃ Deep Learning ផងដែរ។ នៅពេលអាហារថ្ងៃត្រង់ យើងបានជជែកគ្នាលើ DL ។ ហើយចាប់តាំងពីខ្ញុំបានបណ្តុះបណ្តាលបណ្តាញ 24/7 អស់រយៈពេលកន្លះឆ្នាំ អានអក្សរសិល្ប៍ម៉ែត្រគូប និងដំណើរការការងារលើ Kaggle ជាមួយនឹងលទ្ធផលច្បាស់លាស់តិចឬច្រើន ខ្ញុំអាចនិយាយអំពី Deep Learning ជាច្រើនម៉ោង ទាំងនៅក្នុងអត្ថបទថ្មី និង បច្ចេកទេសជាក់ស្តែង។

បន្ទាប់ពីអាហារថ្ងៃត្រង់ ពួកគេបានមើលមកខ្ញុំ ហើយនិយាយថា - វាច្បាស់ណាស់ថាអ្នកសង្ហា តើអ្នកចង់និយាយជាមួយយើងទេ? លើសពីនេះទៅទៀត ពួកគេបានបន្ថែមថា វាច្បាស់ណាស់សម្រាប់ខ្ញុំថា អេក្រង់ take home + បច្ចេកវិទ្យាអាចរំលងបាន។ ហើយថាខ្ញុំនឹងត្រូវបានអញ្ជើញភ្លាមៗទៅកន្លែង។ ខ្ញុំ​បាន​យល់ព្រម។

បន្ទាប់​មក អ្នក​ជ្រើសរើស​ម្នាក់​នោះ​បាន​ទូរស័ព្ទ​មក​ខ្ញុំ​ដើម្បី​កំណត់​ពេល​សម្ភាសន៍​នៅ​នឹង​កន្លែង ហើយ​គាត់​មិន​ពេញ​ចិត្ត។ គាត់​បាន​រអ៊ូរទាំ​ថា​កុំ​លោត​ពីលើ​ក្បាល​របស់​អ្នក។

បានមក។ បទសម្ភាសន៍នៅនឹងកន្លែង។ ប្រាំម៉ោងនៃការទំនាក់ទំនងជាមួយមនុស្សផ្សេងគ្នា។ មិនមានសំណួរតែមួយអំពី Deep Learning ឬអំពី machine learning ជាគោលការណ៍ទេ។ ដោយសារមិនមាន Deep Learning/Computer Vision នោះខ្ញុំមិនចាប់អារម្មណ៍ទេ។ ដូច្នេះ លទ្ធផល​នៃ​ការ​សម្ភាស​គឺ​រាង​មូល​។

អ្នកជ្រើសរើសបុគ្គលិកនេះទូរស័ព្ទមក ហើយនិយាយថា - សូមអបអរសាទរ អ្នកបានឆ្លងកាត់ការសម្ភាសន៍នៅកន្លែងទីពីរ។ នេះគឺគួរឱ្យភ្ញាក់ផ្អើលទាំងអស់។ តើកន្លែងទីពីរគឺជាអ្វី? ខ្ញុំមិនដែលឮរឿងបែបនេះទេ។ ខ្ញុំ​បាន​ទៅ។ មានពេលពីរបីម៉ោងនៅទីនោះ លើកនេះនិយាយអំពីការរៀនម៉ាស៊ីនបែបបុរាណ។ នោះ​ល្អ​ជាង។ ប៉ុន្តែនៅតែមិនគួរឱ្យចាប់អារម្មណ៍។

អ្នកជ្រើសរើសទូរស័ព្ទសូមអបអរសាទរដែលខ្ញុំបានប្រឡងជាប់ការសម្ភាសន៍លើកទីបីនៅនឹងកន្លែង ហើយប្តេជ្ញាថានេះនឹងក្លាយជាចុងក្រោយ។ ខ្ញុំបានទៅមើលហើយមានទាំង DL និង CV ។

ខ្ញុំ​មាន​មុន​អស់​ជា​ច្រើន​ខែ ដែល​ប្រាប់​ខ្ញុំ​ថា​នឹង​មិន​មាន​ការ​ផ្តល់​ជូន​ទេ។ ខ្ញុំ​នឹង​បង្ហាត់​មិន​លើ​ជំនាញ​បច្ចេកទេស​ទេ ប៉ុន្តែ​លើ​ជំនាញ​ទន់។ មិនមែនលើផ្នែកទន់ទេ ប៉ុន្តែនៅលើការពិតដែលថាមុខតំណែងនឹងត្រូវបិទ ឬថាក្រុមហ៊ុនមិនទាន់ជួល ប៉ុន្តែគ្រាន់តែសាកល្បងទីផ្សារ និងកម្រិតបេក្ខជនប៉ុណ្ណោះ។

ពាក់កណ្តាលខែសីហា។ ខ្ញុំផឹកស្រាបៀរមិនអីទេ។ គំនិតងងឹត។ 8 ខែបានកន្លងផុតទៅហើយនៅតែមិនមានការផ្តល់ជូន។ វាជាការល្អក្នុងការច្នៃប្រឌិតនៅក្រោមស្រាបៀរ ជាពិសេសប្រសិនបើការច្នៃប្រឌិតគឺចម្លែក។ គំនិតមួយចូលមកក្នុងចិត្តខ្ញុំ។ ខ្ញុំចែករំលែកវាជាមួយ Alexey Shvets ដែលនៅពេលនោះជា postdoc នៅ MIT ។

ចុះបើអ្នកយកសន្និសីទ DL/CV ដែលនៅជិតបំផុត មើលការប្រកួតដែលធ្វើឡើងជាផ្នែកមួយនៃវា ហ្វឹកហាត់អ្វីមួយ ហើយដាក់ស្នើ? ដោយសារអ្នកជំនាញទាំងអស់នៅទីនោះកំពុងបង្កើតអាជីពរបស់ពួកគេលើបញ្ហានេះ ហើយបានធ្វើការនេះជាច្រើនខែ ឬច្រើនឆ្នាំមកនេះ យើងគ្មានឱកាសទេ។ ប៉ុន្តែវាមិនគួរឱ្យខ្លាចទេ។ យើងធ្វើការដាក់ស្នើដែលមានអត្ថន័យមួយចំនួន ហោះហើរទៅកាន់កន្លែងចុងក្រោយ ហើយបន្ទាប់ពីនោះយើងសរសេរការបោះពុម្ពជាមុន ឬអត្ថបទអំពីរបៀបដែលយើងមិនដូចអ្នកផ្សេង ហើយនិយាយអំពីការសម្រេចចិត្តរបស់យើង។ ហើយអត្ថបទនេះមាននៅលើ LinkedIn និងក្នុងប្រវត្តិរូបសង្ខេបរបស់អ្នករួចហើយ។

នោះគឺវាហាក់ដូចជាពាក់ព័ន្ធ ហើយមានពាក្យគន្លឹះត្រឹមត្រូវបន្ថែមទៀតនៅក្នុងប្រវត្តិរូបសង្ខេប ដែលគួរតែបង្កើនឱកាសបន្តិចក្នុងការចូលទៅកាន់អេក្រង់បច្ចេកវិទ្យា។ លេខកូដ និងការបញ្ជូនពីខ្ញុំ អត្ថបទពី Alexey ។ ជាការពិតណាស់ហ្គេមប៉ុន្តែហេតុអ្វីមិន?

មិនមែននិយាយលឿនជាងធ្វើទេ។ សន្និសីទដែលនៅជិតបំផុតដែលយើងបានស្វែងរកគឺ MICCAI ហើយពិតជាមានការប្រកួតប្រជែងនៅទីនោះ។ យើងវាយទីមួយ។ វាគឺ ការវិភាគរូបភាពក្រពះពោះវៀន (GIANA). កិច្ចការមាន 3 កិច្ចការរង។ នៅសល់ 8 ថ្ងៃមុនថ្ងៃផុតកំណត់។ ខ្ញុំ​ភ្ញាក់​ពី​ព្រលឹម ប៉ុន្តែ​ខ្ញុំ​មិន​បោះបង់​គំនិត​នោះ​ទេ។ ខ្ញុំបានយកបំពង់បង្ហូរប្រេងរបស់ខ្ញុំពី Kaggle ហើយប្តូរវាពីទិន្នន័យផ្កាយរណបទៅជាទិន្នន័យវេជ្ជសាស្ត្រ។ 'fit_predict' ។ Alexey បានរៀបចំការពិពណ៌នាពីរទំព័រនៃដំណោះស្រាយសម្រាប់បញ្ហានីមួយៗ ហើយយើងបានផ្ញើវា។ រួចរាល់។ តាមទ្រឹស្តី អ្នកអាចដកដង្ហើមចេញបាន។ ប៉ុន្តែវាបានប្រែក្លាយថាមានកិច្ចការមួយផ្សេងទៀតសម្រាប់សិក្ខាសាលាដូចគ្នា (ការបែងចែកឧបករណ៍មនុស្សយន្ត) ជាមួយនឹងកិច្ចការរងចំនួនបី ហើយកាលបរិច្ឆេទកំណត់របស់នាងត្រូវបានផ្លាស់ប្តូរឡើងត្រឹម 4 ថ្ងៃ ពោលគឺយើងអាចធ្វើ 'fit_predict' នៅទីនោះ ហើយផ្ញើវា។ នោះហើយជាអ្វីដែលយើងបានធ្វើ។

មិនដូច Kaggle ការប្រកួតទាំងនេះមានលក្ខណៈពិសេសសិក្សាផ្ទាល់ខ្លួនរបស់ពួកគេ:

1. គ្មានតារាងពិន្ទុ។ ការដាក់ស្នើត្រូវបានផ្ញើតាមអ៊ីមែល។
2. អ្នកនឹងត្រូវបានដកចេញ ប្រសិនបើអ្នកតំណាងក្រុមមិនមកធ្វើបទបង្ហាញអំពីដំណោះស្រាយនៅក្នុងសន្និសីទនៅឯសិក្ខាសាលា។
3. កន្លែងរបស់អ្នកនៅលើតារាងពិន្ទុត្រូវបានស្គាល់តែក្នុងអំឡុងពេលសន្និសីទប៉ុណ្ណោះ។ ប្រភេទនៃល្ខោនអប់រំ។

សន្និសីទ MICCAI 2017 ត្រូវបានធ្វើឡើងនៅទីក្រុងកេបិច។ និយាយឱ្យត្រង់ទៅ ត្រឹមខែកញ្ញា ខ្ញុំចាប់ផ្តើមឆេះអស់ហើយ ដូច្នេះគំនិតនៃការឈប់សម្រាកមួយសប្តាហ៍ពីការងារ ហើយធ្វើដំណើរទៅប្រទេសកាណាដាមើលទៅគួរឱ្យចាប់អារម្មណ៍។

បានមកសន្និសីទ។ ខ្ញុំ​មក​សិក្ខាសាលា​នេះ ខ្ញុំ​មិន​ស្គាល់​អ្នក​ណា​ទេ ខ្ញុំ​កំពុង​អង្គុយ​នៅ​ជ្រុង។ មនុស្សគ្រប់គ្នាស្គាល់គ្នា ពួកគេប្រាស្រ័យទាក់ទងគ្នា ពួកគេបញ្ចេញពាក្យវេជ្ជសាស្រ្តដ៏ឆ្លាតវៃ។ ការពិនិត្យឡើងវិញនៃការប្រកួតប្រជែងដំបូង។ អ្នកចូលរួមនិយាយនិងនិយាយអំពីការសម្រេចចិត្តរបស់ពួកគេ។ វាត្រជាក់នៅទីនោះ ជាមួយនឹងផ្កាភ្លើង។ វេន​របស់​ខ្ញុំ។ ហើយខ្ញុំក៏ខ្មាស់គេខ្លះដែរ។ ពួកគេបានដោះស្រាយបញ្ហា ធ្វើការលើវា វិទ្យាសាស្រ្តជឿនលឿន ហើយយើងសុទ្ធសាធ "fit_predict" ពីការអភិវឌ្ឍន៍ពីមុន មិនមែនសម្រាប់វិទ្យាសាស្រ្តទេ ប៉ុន្តែដើម្បីជំរុញប្រវត្តិរូបរបស់យើង។

គាត់​បាន​ចេញ​មក​និយាយ​ថា ខ្ញុំ​ក៏​មិន​មែន​ជា​អ្នក​ជំនាញ​ខាង​ថ្នាំ​ដែរ សុំទោស​ដែល​ខ្ជះខ្ជាយ​ពេល​វេលា ហើយ​បង្ហាញ​ស្លាយ​មួយ​ជាមួយ​ដំណោះ​ស្រាយ។ ខ្ញុំបានចុះទៅសាល។

ពួកគេប្រកាសកិច្ចការរងដំបូង - យើងជាដំបូង និងដោយរឹមមួយ។
ទីពីរនិងទីបីត្រូវបានប្រកាស។
ពួកគេប្រកាសទីបី - ម្តងហើយម្តងទៀតដោយនាំមុខ។
ទូទៅគឺទីមួយ។

សេចក្តីប្រកាសព័ត៌មានផ្លូវការ។

ទស្សនិកជនខ្លះញញឹម ហើយមើលមកខ្ញុំដោយការគោរព។ អ្នកផ្សេងទៀត ដែលត្រូវបានចាត់ទុកថាជាអ្នកជំនាញក្នុងវិស័យនេះ បានទទួលជំនួយសម្រាប់កិច្ចការនេះ ហើយបាននិងកំពុងធ្វើកិច្ចការនេះអស់រយៈពេលជាច្រើនឆ្នាំ មានការបញ្ចេញទឹកមុខខុសបន្តិច។

បន្ទាប់​គឺ​ជា​កិច្ចការ​ទី​ពីរ គឺ​កិច្ចការ​មួយ​ដែល​មាន​កិច្ចការ​រង​ចំនួន​បី ហើយ​ត្រូវ​បាន​ផ្លាស់ទី​ទៅ​មុខ​ដោយ​បួន​ថ្ងៃ។

នៅទីនេះខ្ញុំក៏បានសុំទោស និងបង្ហាញស្លាយរបស់យើងម្តងទៀត។
រឿងដដែល។ ពីរ ទីមួយ មួយ វិនាទី ធម្មតា ទីមួយ។

ខ្ញុំគិតថានេះប្រហែលជាជាលើកដំបូងក្នុងប្រវត្តិសាស្ត្រដែលទីភ្នាក់ងារប្រមូលផ្ដុំបានឈ្នះការប្រកួតប្រជែងរូបភាពវេជ្ជសាស្ត្រ។

ហើយ​ឥឡូវ​នេះ​ខ្ញុំ​កំពុង​ឈរ​លើ​ឆាក ពួកគេ​កំពុង​ប្រគល់​សញ្ញាបត្រ​ដល់​ខ្ញុំ ហើយ​ខ្ញុំ​ត្រូវ​បាន​គេ​ទម្លាក់​គ្រាប់បែក។ តើវាអាចទៅរួចយ៉ាងដូចម្តេច? អ្នកសិក្សាទាំងនេះកំពុងចំណាយប្រាក់របស់អ្នកជាប់ពន្ធ ធ្វើការដើម្បីសម្រួល និងលើកកំពស់គុណភាពការងារសម្រាប់វេជ្ជបណ្ឌិត ពោលគឺតាមទ្រឹស្តី អាយុសង្ឃឹមរស់របស់ខ្ញុំ ហើយរាងកាយខ្លះបានហែកបុគ្គលិកសិក្សាទាំងមូលនេះទៅក្នុងទង់ជាតិអង់គ្លេសនៅប៉ុន្មានល្ងាច។

ប្រាក់រង្វាន់សម្រាប់នេះគឺថានៅក្នុងក្រុមផ្សេងទៀត និស្សិតបញ្ចប់ការសិក្សាដែលបានធ្វើការងារទាំងនេះអស់រយៈពេលជាច្រើនខែនឹងមានប្រវត្តិរូបដែលទាក់ទាញសម្រាប់ធនធានមនុស្ស ពោលគឺពួកគេនឹងបានយ៉ាងងាយស្រួលទៅកាន់អេក្រង់បច្ចេកវិទ្យា។ ហើយ​នៅ​ចំពោះ​មុខ​ខ្ញុំ មាន​អ៊ីមែល​ទើប​ទទួល​បាន៖

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.

ជា​ទូទៅ ខ្ញុំ​សួរ​ទស្សនិកជន​ថា​៖ «​តើ​មាន​អ្នក​ណា​ដឹង​ថា​ខ្ញុំ​ធ្វើ​ការ​នៅ​កន្លែង​ណា? ម្នាក់ក្នុងចំនោមអ្នករៀបចំការប្រកួតបានដឹងថា - គាត់ Google ថា TrueAccord ជាអ្វី។ នៅសល់មិនមែនទេ។ ខ្ញុំ​បន្ត​ថា​៖ «​ខ្ញុំ​ធ្វើ​ការ​ឱ្យ​ភ្នាក់ងារ​ប្រមូល​ផ្តុំ​មួយ ហើយ​នៅ​កន្លែង​ធ្វើ​ការ​ខ្ញុំ​មិន​ធ្វើ​ Computer Vision ឬ Deep Learning ទេ។ ហើយតាមវិធីជាច្រើន វាកើតឡើងដោយសារតែនាយកដ្ឋានធនធានមនុស្សរបស់ Google Brain និង Deepmind ត្រងប្រវត្តិរូបសង្ខេបរបស់ខ្ញុំ មិនផ្តល់ឱកាសឱ្យខ្ញុំបង្ហាញការបណ្តុះបណ្តាលបច្ចេកទេសទេ។ "

ពួកគេបានប្រគល់វិញ្ញាបនបត្រ, សម្រាក។ អ្នកសិក្សាមួយក្រុមទាញខ្ញុំទៅម្ខាង។ វាបានប្រែក្លាយថានេះគឺជាក្រុមសុខភាពជាមួយ Deepmind ។ ពួកគេមានការចាប់អារម្មណ៍ជាខ្លាំង ដែលពួកគេចង់និយាយជាមួយខ្ញុំភ្លាមៗអំពីតំណែងវិស្វករស្រាវជ្រាវដែលទំនេរនៅក្នុងក្រុមរបស់ពួកគេ។ (យើងបាននិយាយ។ ការសន្ទនានេះមានរយៈពេល 6 ខែ ខ្ញុំបានឆ្លងកាត់ការទទួលយកទៅផ្ទះ សំណួរ ប៉ុន្តែត្រូវបានកាត់បន្ថយនៅលើអេក្រង់បច្ចេកវិទ្យា។ 6 ខែចាប់តាំងពីការចាប់ផ្តើមនៃការទំនាក់ទំនងទៅកាន់អេក្រង់បច្ចេកវិទ្យាគឺជាពេលវេលាដ៏យូរ។ ការរង់ចាំដ៏យូរផ្តល់នូវរសជាតិ។ វិស្វករស្រាវជ្រាវនៅ Deepmind នៅទីក្រុងឡុងដ៍ ប្រឆាំងនឹងផ្ទៃខាងក្រោយនៃ TrueAccord មានការកើនឡើងយ៉ាងខ្លាំង ប៉ុន្តែប្រឆាំងនឹងផ្ទៃខាងក្រោយនៃមុខតំណែងបច្ចុប្បន្នរបស់ខ្ញុំ វាគឺជាការបោះជំហានចុះពីចម្ងាយពីរឆ្នាំដែលបានកន្លងផុតទៅតាំងពីពេលនោះមក។ ថាវាមិនបាន។ )

សេចក្តីសន្និដ្ឋាន

ក្នុងពេលជាមួយគ្នានេះ ខ្ញុំបានទទួលការផ្តល់ជូនពី Lyft ដែលខ្ញុំបានទទួលយក។
ផ្អែកលើលទ្ធផលនៃការប្រកួតទាំងពីរនេះជាមួយ MICCAI ខាងក្រោមនេះត្រូវបានចុះផ្សាយ៖

1. ការបែងចែកឧបករណ៍ដោយស្វ័យប្រវត្តិនៅក្នុងការវះកាត់ជំនួយដោយមនុស្សយន្ត ដោយប្រើការរៀនស៊ីជម្រៅ
2. ការរកឃើញ និងការធ្វើមូលដ្ឋានីយកម្ម Angiodysplasia ដោយប្រើបណ្តាញសរសៃប្រសាទស៊ីជម្រៅ
3. ការប្រកួតប្រជែងផ្នែកឧបករណ៍មនុស្សយន្តឆ្នាំ 2017

នោះ​គឺ​ទោះ​បី​ជា​គំនិត​ខុស​ឆ្គង​ក៏​ដោយ ការ​បន្ថែម​អត្ថបទ​បន្ថែម និង​ការ​បោះពុម្ព​មុន​តាម​រយៈ​ការ​ប្រកួត​ប្រជែង​ដំណើរការ​បាន​ល្អ។ ហើយ​នៅ​ឆ្នាំ​បន្តបន្ទាប់​ទៀត យើង​បាន​ធ្វើ​ឲ្យ​វា​កាន់​តែ​អាក្រក់។

ខ្ញុំបានធ្វើការនៅ Lyft អស់រយៈពេលពីរបីឆ្នាំចុងក្រោយនេះ ដោយធ្វើ Computer Vision/Deep Learning for Self Driving cars។ នោះគឺខ្ញុំទទួលបានអ្វីដែលខ្ញុំចង់បាន។ និងការងារ និងក្រុមហ៊ុនដែលមានឋានៈខ្ពស់ និងសហការីដ៏រឹងមាំ និងលាភសំណាងផ្សេងៗទៀត។

ក្នុងរយៈពេលប៉ុន្មានខែនេះ ខ្ញុំមានការប្រាស្រ័យទាក់ទងជាមួយក្រុមហ៊ុនធំៗទាំង Google, Facebook, Uber, LinkedIn និងជាមួយសមុទ្រនៃការចាប់ផ្តើមអាជីវកម្មដែលមានទំហំផ្សេងៗ។

វាឈឺគ្រប់ខែ។ សកលលោក​ប្រាប់​អ្នក​នូវ​អ្វី​ដែល​មិន​សូវ​រីករាយ​ជា​រៀង​រាល់​ថ្ងៃ។ ការ​បដិសេធ​ជា​ប្រចាំ ធ្វើ​ខុស​ជា​ប្រចាំ ហើយ​អ្វីៗ​ទាំង​អស់​នេះ​ត្រូវ​បាន​ភ្លក់​ដោយ​អារម្មណ៍​អស់​សង្ឃឹម​ជា​និច្ច។ គ្មាន​ការ​ធានា​ថា​អ្នក​នឹង​ជោគជ័យ​ទេ ប៉ុន្តែ​មាន​អារម្មណ៍​ថា​អ្នក​ជា​មនុស្ស​ល្ងង់។ វា​ជា​ការ​នឹក​ឃើញ​យ៉ាង​ខ្លាំង​ពី​របៀប​ដែល​ខ្ញុំ​បាន​ព្យាយាម​ស្វែង​រក​ការងារ​នៅ​បន្ទាប់​ពី​សាកលវិទ្យាល័យ។

ខ្ញុំគិតថាមនុស្សជាច្រើនកំពុងស្វែងរកការងារនៅជ្រលងភ្នំ ហើយអ្វីៗគឺងាយស្រួលជាងសម្រាប់ពួកគេ។ ល្បិចនេះតាមគំនិតខ្ញុំ។ ប្រសិនបើអ្នកកំពុងស្វែងរកការងារនៅក្នុងវិស័យដែលអ្នកយល់ មានបទពិសោធន៍ច្រើន ហើយប្រវត្តិរូបសង្ខេបរបស់អ្នកនិយាយដូចគ្នានោះ វាមិនមានបញ្ហាអ្វីនោះទេ។ ខ្ញុំបានយកវាហើយរកឃើញ។ មានកន្លែងទំនេរច្រើន។

ប៉ុន្តែប្រសិនបើអ្នកកំពុងស្វែងរកការងារនៅក្នុងវិស័យដែលថ្មីសម្រាប់អ្នក នោះគឺនៅពេលដែលគ្មានចំណេះដឹង គ្មានការភ្ជាប់ទំនាក់ទំនង ហើយប្រវត្តិរូបសង្ខេបរបស់អ្នកនិយាយថាមានអ្វីខុស - នៅពេលនេះអ្វីៗទាំងអស់ក្លាយជាគួរឱ្យចាប់អារម្មណ៍បំផុត។

ឥឡូវនេះ អ្នកជ្រើសរើសបុគ្គលិកតែងតែសរសេរមកខ្ញុំ ហើយស្នើឱ្យធ្វើរឿងដូចគ្នាដែលខ្ញុំកំពុងធ្វើឥឡូវនេះ ប៉ុន្តែនៅក្នុងក្រុមហ៊ុនផ្សេង។ វាជាពេលវេលាដើម្បីផ្លាស់ប្តូរការងារ។ ប៉ុន្តែ​គ្មាន​ចំណុច​ណា​មួយ​ក្នុង​ការ​ធ្វើ​អ្វី​ដែល​ខ្ញុំ​ពូកែ​នោះ​ទេ។ ដើម្បីអ្វី?

ប៉ុន្តែ​សម្រាប់​អ្វី​ដែល​ខ្ញុំ​ចង់​បាន ខ្ញុំ​ក៏​មិន​មាន​ចំណេះ​ដឹង ឬ​បន្ទាត់​ក្នុង​ប្រវត្តិរូប​ខ្ញុំ​ដែរ។ ចាំមើលថាតើរឿងនេះបញ្ចប់ដោយរបៀបណា។ ប្រសិនបើអ្វីៗដំណើរការល្អ ខ្ញុំនឹងសរសេរភាគបន្ត។ 🙂

ប្រភព: www.habr.com