물리학자에서 데이터 과학까지(과학 엔진에서 사무용 플랑크톤까지). 세 번째 부분

이 사진은 Arthur Kuzin(n01z3), 블로그 게시물의 내용을 매우 정확하게 요약합니다. 결과적으로 다음 이야기는 매우 유용하고 기술적이라기보다는 금요일 이야기처럼 인식되어야 합니다. 게다가 본문에 영어단어가 풍부하다는 점도 주목할 만하다. 나는 그 중 일부를 올바르게 번역하는 방법을 모르고 일부는 번역하고 싶지 않습니다.

첫 번째 부분.
두 번째 부분.

학문적 환경에서 산업적 환경으로의 전환이 어떻게 이루어졌는지는 처음 두 에피소드에서 드러납니다. 이번 대화에서는 다음에 무슨 일이 일어났는지에 대해 이야기하겠습니다.

2017년 XNUMX월이었습니다. 그 당시 저는 XNUMX년 남짓의 직장 경험을 가지고 있었고 샌프란시스코에서 회사에서 근무를 하고 있었습니다. 트루어코드 선생님처럼 데이터 과학자.

TrueAccord는 채권 추심 스타트업입니다. 쉽게 말하면 콜렉션 에이전시입니다. 수집가들은 대개 전화를 많이 합니다. 우리는 이메일을 많이 보냈지만 전화는 거의 하지 않았습니다. 각 이메일은 회사 웹사이트로 연결되어 채무자에게 부채 할인을 제공하고 심지어 분할 지불도 허용했습니다. 이러한 접근 방식을 통해 더 나은 수집이 가능해졌고, 확장이 가능해졌으며, 소송에 대한 노출도 줄어 들었습니다.

회사는 평범했어요. 제품이 깔끔합니다. 관리는 제정신입니다. 위치가 좋습니다.

평균적으로 계곡 사람들은 한 곳에서 약 XNUMX년 반 정도 일한다. 즉, 당신이 일하는 회사는 단지 작은 단계일 뿐입니다. 이 단계에서 당신은 이력서에 약간의 돈을 모으고 새로운 지식, 기술, 연결 및 라인을 습득하게 됩니다. 그 후에는 다음 단계로 전환됩니다.

TrueAccord에서 저는 이메일 뉴스레터에 추천 시스템을 첨부하고 전화 통화의 우선순위를 정하는 일에 참여했습니다. 영향은 이해할 수 있으며 A/B 테스트를 통해 달러 단위로 꽤 잘 측정되었습니다. 제가 오기 전에는 머신러닝이 없었기 때문에 제가 하는 일의 임팩트는 나쁘지 않았습니다. 다시 말하지만, 이미 크게 최적화된 것보다 무언가를 개선하는 것이 훨씬 쉽습니다.

이 시스템을 사용한 지 150개월이 지나자 기본급이 163만 달러에서 XNUMX만 XNUMX천 달러로 인상되었습니다. 커뮤니티에서 개방형 데이터 과학(ODS) 약 163달러에 관한 밈이 있습니다. 여기에서 다리가 자라납니다.

이 모든 것이 훌륭했지만 어디로도 이어지지 않았거나, 이어졌지만 거기에는 없었습니다.

저는 TrueAccord와 제가 함께 일했던 회사와 직원 모두를 매우 존경합니다. 그들로부터 많은 것을 배웠지만, 컬렉션 대행업체에서 추천 시스템 관련 일을 오랫동안 하고 싶지 않았습니다. 이 단계에서 당신은 어떤 방향으로 나아가야 했습니다. 앞으로나 위로 올라가지 않는다면 적어도 옆으로.

내가 뭘 좋아하지 않았나요?

1. 기계 학습의 관점에서 볼 때 문제는 나를 흥분시키지 않았습니다. 나는 유행하고 젊은 것, 즉 딥 러닝, 컴퓨터 비전, 과학이나 적어도 연금술에 가까운 것을 원했습니다.
2. 스타트업, 심지어 콜렉션 에이전시조차 우수한 인력을 채용하는 데 문제가 있습니다. 스타트업으로서는 많은 비용을 지불할 수 없습니다. 그러나 수금 대행업체로서 지위가 상실됩니다. 대충 말하자면, 데이트 중인 여자가 어디서 일하는지 묻는다면? 귀하의 답변은 'Google에서'가 '수금 대행업체'보다 훨씬 더 좋게 들립니다. 저와 달리 Google과 Facebook에서 일하는 친구들에게는 회사 이름이 다음과 같은 문을 열어준다는 사실이 약간 마음에 걸렸습니다. 컨퍼런스나 모임에 연사로 초대받을 수 있거나 더 흥미로운 사람들이 LinkedIn에 글을 쓸 수 있습니다. 만나서 차 한잔 마시며 이야기하자고 제안한 것입니다. 저는 제가 모르는 사람들과 직접 소통하는 것을 정말 좋아합니다. 그러니 샌프란시스코에 살고 계시다면 주저하지 말고 글을 쓰세요. 커피 마시러 가서 이야기 나누세요.
3. 저 외에 세 명의 데이터 과학자가 회사에서 근무했습니다. 저는 머신러닝 분야에서 일하고 있었고 그들은 지금부터 내일까지 어느 스타트업에서나 흔히 볼 수 있는 다른 데이터 과학 작업을 하고 있었습니다. 결과적으로 그들은 머신러닝을 제대로 이해하지 못했습니다. 하지만 성장하려면 결국 누군가와 소통하고, 기사와 최신 동향에 대해 토론하고, 조언을 구해야 합니다.

무엇을 이용할 수 있었나요?

1. 교육: 컴퓨터 과학이 아닌 물리학.
2. 내가 아는 유일한 프로그래밍 언어는 Python이었습니다. C++로 전환해야 한다는 느낌이 들었지만 여전히 적응할 수 없었습니다.
3. 업계에서 일한 지 XNUMX년 반. 게다가 직장에서는 딥러닝이나 컴퓨터 비전도 공부하지 않았습니다.
4. 이력서에 Deep Learning/Computer Vision에 대한 기사가 하나도 없습니다.
5. 캐글 마스터 업적이 있었습니다.

무엇을 원 하셨나요?

1. 많은 네트워크를 훈련해야 하는 위치이며, 컴퓨터 비전에 더 가깝습니다.
2. 구글, 테슬라, 페이스북, 우버, 링크드인 등과 같은 대기업이면 더 좋습니다. 비록 위기에 처하더라도 스타트업은 그렇게 할 것입니다.
3. 제가 팀에서 가장 큰 머신러닝 전문가가 될 필요는 없습니다. 학습 과정의 속도를 높이기 위해 선배 동지, 멘토 및 모든 종류의 의사 소통이 절실히 필요했습니다.
4. 산업 경험이 없는 졸업생이 연간 총 300~500달러의 보상을 받는다는 블로그 게시물을 읽은 후, 나도 같은 범위에 들어가고 싶었습니다. 별로 신경쓰이는 건 아니지만 흔한 현상이라고 하는데 제가 가진 게 적으니 신호예요.

그 일은 완전히 해결 가능한 것처럼 보였지만, 어느 회사에든 뛰어들 수 있다는 의미는 아니지만 오히려 굶으면 모든 것이 잘 될 것이라는 의미에서였습니다. 즉, 수십, 수백 번의 시도와 모든 실패와 거부로 인한 고통을 통해 집중력을 높이고 기억력을 향상시키며 하루를 36시간으로 늘려야 합니다.

나는 이력서를 수정하여 보내고 인터뷰를 시작했습니다. 나는 HR과의 커뮤니케이션 단계에서 대부분을 지나쳤습니다. 많은 사람들이 C++를 요구하는데 저는 그걸 몰랐고, C++를 요구하는 직위에 별로 관심이 없을 것 같다는 느낌이 강했어요.

거의 동시에 Kaggle 대회 유형에 단계적 전환이 있었다는 점은 주목할 가치가 있습니다. 2017년 이전에는 표 형식의 데이터가 많았고 사진 데이터는 거의 없었지만, 2017년부터는 컴퓨터 비전 작업이 많았습니다.

인생은 다음과 같은 방식으로 흘러갔습니다.

1. 낮에는 일하세요.
2. 기술 화면/현장에서는 휴식을 취합니다.
3. 저녁 및 주말 Kaggle + 기사/책/블로그 게시물

2016년의 마지막은 제가 커뮤니티에 가입했다는 사실로 표시되었습니다. 개방형 데이터 과학(ODS), 많은 것을 단순화했습니다. 커뮤니티에는 풍부한 산업 경험을 가진 사람들이 많이 있기 때문에 우리는 어리석은 질문을 많이 하고 현명한 답변을 많이 얻을 수 있었습니다. 또한 모든 분야의 매우 강력한 기계 학습 전문가가 많이 있는데, 이를 통해 예기치 않게 ODS를 통해 데이터 과학에 대한 정기적인 심층 커뮤니케이션을 통해 문제를 마무리할 수 있었습니다. 지금까지 ML 측면에서 ODS는 제가 직장에서 얻는 것보다 몇 배 더 많은 것을 제공합니다.

음, 평소와 같이 ODS에는 Kaggle 및 기타 사이트의 대회에 충분한 전문가가 있습니다. 팀으로 문제를 해결하는 것이 더 재미 있고 생산적이므로 농담, 욕설, 밈 및 기타 괴상한 오락을 통해 문제를 하나씩 해결하기 시작했습니다.

2017년 XNUMX월 - Serega Mushinsky 팀에서 - XNUMX위 Dstl 위성 이미지 특징 감지. Kaggle 금메달 + 20개에 $XNUMX. 이 작업에서는 UNet을 통한 위성 이미지 + 이진 분할 작업이 개선되었습니다. 이 주제에 대한 Habré의 블로그 게시물입니다.

같은 XNUMX월에 저는 NVidia에서 Self Driving 팀과 인터뷰를 하러 갔습니다. 나는 객체 감지에 관한 질문으로 정말 어려움을 겪었습니다. 지식이 부족했습니다.

다행히 동시에 동일한 DSTL의 항공 이미지에 대한 객체 감지 경쟁이 시작되었습니다. 하나님께서는 문제를 해결하고 업그레이드하라고 친히 명령하셨습니다. 한 달의 저녁과 주말. 나는 지식을 습득하고 XNUMX 위를 차지했습니다. 이 대회에는 규칙에 흥미로운 뉘앙스가 있어서 러시아에서 연방 채널이 아닌 연방 채널을 통해 저를 소개하게 되었습니다. 나는 탔다 홈 Lenta.ru, 그리고 다양한 인쇄 및 온라인 출판물에서. Mail Ru Group은 내 비용과 자체 비용으로 약간의 긍정적인 홍보를 받았으며 러시아의 기초 과학이 12000파운드 증가했습니다. 평소와 같이 이 주제로 작성되었습니다. Hubr의 블로그 게시물. 자세한 내용을 보려면 해당 페이지로 이동하세요.

동시에 Tesla 채용 담당자가 저에게 연락하여 Computer Vision 직책에 대해 이야기해 주겠다고 제안했습니다. 나는 동의했다. 나는 집으로 돌아가서 두 개의 기술 화면과 현장 인터뷰를 마치고 Tesla에 AI 이사로 막 고용된 Andrei Karpathy와 매우 즐거운 대화를 나눴습니다. 다음 단계는 신원 조사입니다. 그 후 Elon Musk는 내 지원서를 직접 승인해야 했습니다. Tesla는 엄격한 NDA(비밀유지 협약)를 맺고 있습니다.
뒷조사를 통과하지 못했습니다. 채용 담당자는 제가 온라인에서 채팅을 많이 하며 NDA를 위반했다고 말했습니다. 내가 Tesla 인터뷰에 대해 언급한 유일한 곳은 ODS 였기 때문에 현재 가설은 누군가가 스크린샷을 찍어 Tesla의 HR에 글을 썼고 나는 피해를 입지 않기 위해 경주에서 제외되었다는 것입니다. 그때는 부끄러운 일이었습니다. 이제 문제가 해결되지 않아서 다행입니다. 내 현재 위치는 훨씬 더 좋습니다. 비록 Andrey와 함께 일하는 것이 매우 흥미로울 것입니다.

그 직후부터 Kaggle의 위성 이미지 대회에 뛰어들었습니다. 플래닛 랩 - 우주에서 아마존을 이해하다. 문제는 간단하고 극도로 지루해서 아무도 문제를 풀고 싶어하지 않았지만 모두가 무료로 금메달이나 상금을 원했습니다. 그래서 우리는 7명으로 구성된 Kaggle Masters 팀과 함께 철을 던지기로 합의했습니다. 우리는 'fit_predict' 모드에서 480개의 네트워크를 훈련하고 그로부터 XNUMX층짜리 앙상블을 만들었습니다. 우리는 일곱 번째로 마쳤습니다. Arthur Kuzin의 솔루션을 설명하는 블로그 게시물. 그런데, 창작자로 널리 알려진 제레미 하워드(Jeremy Howard)는 Fast.AI 23일 끝났다.

대회가 끝난 후 AdRoll에서 일했던 친구를 통해 그들의 구내에서 Meetup을 조직했습니다. Planet Labs의 대표자들은 대회 조직과 데이터 마킹이 어떻게 생겼는지에 대해 이야기했습니다. Kaggle에서 근무하며 대회를 감독한 Wendy Kwan이 이를 어떻게 보았는지 이야기했습니다. 저는 우리의 솔루션, 요령, 기술 및 기술적 세부 사항을 설명했습니다. 청중의 23분의 XNUMX가 이 문제를 해결했기 때문에 질문이 요점까지 이루어졌고 전반적으로 모든 것이 멋졌습니다. 제레미 하워드도 거기에 있었습니다. 그는 모델을 쌓는 방법을 몰랐고, 앙상블을 구성하는 이 방법에 대해 전혀 몰랐기 때문에 XNUMX위를 차지한 것으로 나타났습니다.

머신러닝 계곡에서의 모임은 모스크바에서의 모임과 매우 다릅니다. 원칙적으로 계곡에서의 모임은 바닥입니다. 그러나 우리는 좋은 것으로 판명되었습니다. 아쉽게도 버튼을 누르고 모든 것을 녹음해야 했던 동지는 버튼을 누르지 않았습니다 :)

그 후, 저는 같은 Planet Labs의 딥 러닝 엔지니어 직위와 즉시 현장에서 대화하도록 초대받았습니다. 나는 그것을 통과하지 못했습니다. 거절의 표현은 딥러닝에 대한 지식이 부족하다는 것입니다.

저는 각 대회를 하나의 프로젝트로 디자인했습니다. 링크드인. DSTL 문제에 대해 우리가 작성한 사전 인쇄 그리고 그것을 arxiv에 게시했습니다. 기사는 아니지만 여전히 빵입니다. 나는 또한 다른 모든 사람들에게 대회, 기사, 기술 등을 통해 LinkedIn 프로필을 부풀릴 것을 권장합니다. LinkedIn 프로필에 있는 키워드 수와 사람들이 귀하에게 메시지를 보내는 빈도 사이에는 긍정적인 상관관계가 있습니다.

겨울과 봄에 내가 매우 기술적이었다면 XNUMX월에는 지식과 자신감이 모두 생겼습니다.

XNUMX월 말, Lyft에서 데이터 과학 관리자로 일했던 한 남자가 LinkedIn에서 저에게 연락하여 커피를 마시며 인생, Lyft, TrueAccord에 대해 이야기를 나누자고 초대했습니다. 우리는 이야기. 그는 데이터 과학자 자리를 위해 그의 팀과 인터뷰를 제안했습니다. 아침부터 저녁까지 컴퓨터 비전/딥 러닝이면 옵션이 작동한다고 말했습니다. 그는 자신의 입장에서는 이의가 없다고 확신했습니다.

나는 이력서를 보냈고 그는 그것을 Lyft의 내부 포털에 업로드했습니다. 그 후, 채용 담당자가 저에게 전화를 걸어 이력서를 열어보고 저에 대해 더 알아보도록 했습니다. 그의 이력서에서 "나는 Lyft의 자료가 아닙니다"라는 것이 그에게 분명했기 때문에 첫 번째 단어에서 이것이 그에게 형식적인 것이 분명했습니다. 그 후 내 이력서가 쓰레기통에 들어간 것 같아요.

인터뷰를하는 동안 저는 ODS에서의 실패와 몰락에 대해 논의했고 사람들은 저에게 피드백을주고 가능한 모든 방법으로 조언을 제공했지만 평소와 같이 친절한 트롤링도 많이있었습니다.

ODS 회원 중 한 명이 Lyft의 엔지니어링 이사인 친구와 저를 연결해 주겠다고 제안했습니다. 말하자마자 행동했습니다. 나는 점심 먹으러 Lyft에 왔는데, 이 친구 외에 데이터 과학 책임자와 딥 러닝의 열렬한 팬인 제품 관리자도 있습니다. 점심 시간에 우리는 DL을 통해 이야기를 나눴습니다. 그리고 반년 동안 연중무휴로 네트워크를 훈련하고, 입방미터의 문헌을 읽고, Kaggle에서 작업을 실행하여 어느 정도 명확한 결과를 얻었기 때문에 새로운 기사와 측면에서 몇 시간 동안 딥 러닝에 대해 이야기할 수 있었습니다. 실용적인 기술 .

점심 식사 후 그들은 나를보고 말했습니다. 당신이 잘 생겼다는 것이 즉시 분명해졌습니다. 우리와 이야기하고 싶습니까? 게다가 집에 가져가기 + 기술 화면을 건너뛸 수 있다는 것이 분명하다고 덧붙였습니다. 그리고 즉시 현장으로 초대될 것입니다. 나는 동의했다.

그 후, 그 채용 담당자가 현장 면접 일정을 잡기 위해 저에게 전화를 했고, 그는 불만족스러워했습니다. 그는 당신의 머리 위로 뛰어오르지 말라고 중얼거렸습니다.

왔다. 현장 인터뷰. 다양한 사람들과 XNUMX시간 동안 소통합니다. 딥러닝이나 머신러닝에 대한 원칙적인 질문은 단 한 건도 없었습니다. Deep Learning/Computer Vision이 없기 때문에 관심이 없습니다. 따라서 면접 결과는 직교했습니다.

이 채용 담당자가 전화해서 이렇게 말합니다. 축하합니다. 두 번째 현장 인터뷰에 합격하셨습니다. 이것은 모두 놀라운 일입니다. 두 번째 현장은 무엇입니까? 나는 그런 말을 들어본 적이 없습니다. 나는 갔다. 몇 시간 정도 진행됩니다. 이번에는 전통적인 기계 학습에 관한 모든 내용을 다룹니다. 그게 낫다. 하지만 여전히 흥미롭지 않습니다.

채용담당자는 제가 XNUMX차 현장면접에 합격했다고 축하전화를 하며 이번이 마지막 면접이 될 것이라고 다짐했습니다. 보러 갔는데 DL과 CV가 둘 다 있었어요.

나는 제안이 없을 것이라고 말한 사전에 몇 달 동안 있었습니다. 나는 기술적 인 기술이 아닌 부드러운 기술을 훈련하겠습니다. 부드러운 측면이 아니라 직위가 종료되거나 회사가 아직 채용하지 않고 단순히 시장과 후보자 수준을 테스트하고 있다는 사실에 관한 것입니다.

8월 중순. 맥주 잘 마셨어요. 어두운 생각. XNUMX개월이 지났지만 아직 제안이 없습니다. 특히 창의성이 이상한 경우에는 맥주 아래에서 창의력을 발휘하는 것이 좋습니다. 아이디어가 떠오릅니다. 당시 MIT에서 박사후 연구원이었던 Alexey Shvets와 이 내용을 공유합니다.

가장 가까운 DL/CV 컨퍼런스에 참여하고, 그 일환으로 개최되는 대회를 시청하고, 무언가를 훈련하고 제출한다면 어떻게 될까요? 그곳의 모든 전문가들이 이것에 관해 경력을 쌓고 수개월, 심지어 수년 동안 이 일을 해왔기 때문에 우리에게는 기회가 없습니다. 그러나 그것은 무섭지 않습니다. 우리는 의미 있는 제출을 하고 최하위로 날아간 다음, 우리가 다른 사람들과 어떻게 다른지에 대한 사전 인쇄나 기사를 작성하고 우리의 결정에 대해 이야기합니다. 그리고 기사는 이미 LinkedIn과 이력서에 있습니다.

즉, 관련성이 있는 것 같고 이력서에 더 정확한 키워드가 있어 기술 화면에 들어갈 확률이 약간 높아질 것입니다. 내가 작성한 코드와 제출물, Alexey가 보낸 텍스트. 물론 게임이지만 왜 안되겠습니까?

말하자마자 행동했습니다. 우리가 검색한 가장 가까운 컨퍼런스는 MICCAI였으며 실제로 거기에서 대회가 있었습니다. 우리는 첫 번째를 쳤습니다. 그것은 위장관영상분석(GIANA). 작업에는 3개의 하위 작업이 있습니다. 마감까지 8일 남았습니다. 나는 아침에 술에서 깨어났지만 그 생각을 포기하지 않았습니다. 저는 Kaggle의 파이프라인을 가져와 위성 데이터에서 의료용 데이터로 전환했습니다. '적합_예측'. Alexey는 각 문제에 대한 해결책에 대한 두 페이지 분량의 설명을 준비하여 보냈습니다. 준비가 된. 이론적으로는 숨을 내쉴 수 ​​있습니다. 그런데 같은 작업장에 또 다른 과제가 있다는 사실이 밝혀졌습니다.로봇 기기 분할) 4개의 하위 작업이 있고 마감일이 XNUMX일 앞당겨졌다는 것입니다. 즉, 거기에서 'fit_predict'를 수행하여 보낼 수 있습니다. 그것이 우리가 한 일입니다.

Kaggle과 달리 이 대회에는 학문적 특성이 있었습니다.

1. 리더보드가 없습니다. 제출물은 이메일로 전송됩니다.
2. 팀 대표가 워크샵 컨퍼런스에서 솔루션을 발표하지 않을 경우 귀하는 제외될 것입니다.
3. 리더보드에서의 귀하의 위치는 회의 중에만 알려집니다. 일종의 학술 드라마.

MICCAI 2017 컨퍼런스가 퀘벡시티에서 개최되었습니다. 솔직히 말해서 XNUMX월부터 지치기 시작해서 일주일간 회사를 쉬고 캐나다로 갈 생각이 재미있어 보였습니다.

컨퍼런스에 왔습니다. 저는 이 워크숍에 왔는데 아는 사람도 없고 구석에 앉아 있어요. 모두가 서로를 알고, 소통하고, 기발한 의학 용어를 쏟아냅니다. 첫 번째 대회 리뷰입니다. 참가자들은 자신의 결정에 대해 말하고 이야기합니다. 거기는 반짝거리고 시원해요. 내 차례. 그리고 왠지 부끄럽기도 해요. 그들은 문제를 해결하고, 그것에 대해 연구하고, 과학을 발전시켰으며, 우리는 과학을 위해서가 아니라 이력서를 향상시키기 위해 과거 개발로부터 순전히 "적합 예측"합니다.

그는 나와서 나도 의학 전문가가 아니라고 하면서 시간을 낭비한 것에 대해 사과하고 해결책이 담긴 슬라이드를 한 장 보여주었다. 나는 홀로 내려갔다.

그들은 첫 번째 하위 작업을 발표합니다. 우리가 첫 번째이고 약간의 차이가 있습니다.
두 번째, 세 번째 소식이 공개되었습니다.
그들은 세 번째를 발표합니다. 다시 한 번 리드를 가지고 있습니다.
일반이 첫 번째입니다.

공식 보도 자료.

청중 중 일부는 미소를 지으며 존경심을 표합니다. 이 분야의 전문가로 여겨지는 다른 사람들은 이 작업에 대한 보조금을 받고 수년 동안 이 일을 해왔으며 얼굴에 약간 왜곡된 표정이 있었습니다.

다음은 두 번째 작업으로, XNUMX개의 하위 작업이 있고 XNUMX일 앞으로 이동되었습니다.

여기서도 사과하고 슬라이드 하나를 다시 보여주었습니다.
같은 이야기. 두 개가 먼저, XNUMX초가 먼저, 공통이 먼저입니다.

아마도 컬렉션 대행업체가 의료 영상 대회에서 우승한 것은 역사상 처음이 아닐까 싶습니다.

그리고 지금 나는 무대에 서 있는데, 그들은 나에게 어떤 종류의 졸업장을 건네주었고 나는 포격을 받았습니다. 도대체 어떻게 그럴 수가 있지? 이 학자들은 납세자의 돈을 쓰고 의사의 업무 질, 즉 이론적으로는 내 기대 수명을 단순화하고 향상시키기 위해 노력하고 있으며 일부 기관은 며칠 저녁 만에이 전체 학계 직원을 영국 국기로 찢어 놓았습니다.

이에 대한 보너스는 다른 팀에서 수개월 동안 이러한 작업을 수행한 대학원생이 HR에 매력적인 이력서를 갖게 된다는 것입니다. 즉, 기술 화면에 쉽게 접근할 수 있다는 것입니다. 그리고 내 눈앞에는 새로 받은 이메일이 있습니다.

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.

일반적으로 저는 무대에서 바로 청중에게 이렇게 묻습니다. “내가 어디서 일하는지 아는 사람 있나요?” 대회 주최자 중 한 명은 TrueAccord가 무엇인지 Google에서 검색했습니다. 나머지는 그렇지 않습니다. 나는 계속해서 이렇게 말합니다. “저는 수금 대행사에서 일하고 직장에서는 컴퓨터 비전이나 딥 러닝을 하지 않습니다. 그리고 여러 면에서 이런 일이 발생하는 이유는 Google Brain과 Deepmind의 HR 부서가 내 이력서를 필터링하여 나에게 기술 교육을 보여줄 기회를 주지 않기 때문입니다. "

그들은 인증서를 넘겨주고 휴식을 취했습니다. 한 무리의 학자들이 나를 옆으로 끌어당깁니다. 알고 보니 Deepmind가 속한 건강 그룹이었습니다. 그들은 매우 감동받았기 때문에 즉시 팀의 연구 엔지니어 공석에 대해 나와 이야기하고 싶어했습니다. (이야기를 나눴습니다. 이 대화는 6개월 동안 이어졌고, 집에 가져가기, 퀴즈를 통과했지만 테크 화면에서 중단되었습니다. 테크 화면에 대한 통신 시작부터 6개월은 긴 시간입니다. 오랜 기다림이 맛을 줍니다. 런던 딥마인드 연구원, 트루어코드를 배경으로 강력한 승격이 있었지만, 현재의 직위를 배경으로 한 계단 내려간 모습이다.그로부터 XNUMX년이 지난 거리에서 보면 좋다. 그렇지 않았다는 것입니다.)

결론

비슷한 시기에 Lyft로부터 제안을 받았고 이를 수락했습니다.
MICCAI와의 두 대회 결과를 바탕으로 다음과 같은 내용이 발표되었습니다.

1. 딥러닝을 이용한 로봇 보조 수술의 자동 기구 분할
2. 심층 컨벌루션 신경망을 사용한 혈관 이형성증 탐지 및 위치 파악
3. 2017 로봇기기 분할 챌린지

즉, 아이디어의 야생성에도 불구하고 경쟁을 통해 증분 기사와 사전 인쇄를 추가하는 것이 효과적입니다. 그리고 이후 몇 년 동안 우리는 상황을 더욱 악화시켰습니다.

저는 지난 몇 년간 Lyft에서 자율주행차를 위한 컴퓨터 비전/딥러닝 업무를 맡아왔습니다. 즉, 내가 원하는 것을 얻었습니다. 그리고 업무, 지위가 높은 회사, 강력한 동료 및 기타 모든 좋은 점.

지난 몇 달 동안 저는 대기업인 Google, Facebook, Uber, LinkedIn 및 다양한 규모의 수많은 스타트업과 소통했습니다.

이번 달 내내 아팠어요. 우주는 매일 별로 유쾌하지 않은 말을 합니다. 정기적인 거절, 정기적인 실수 등 이 모든 것은 지속적인 절망감으로 가득 차 있습니다. 성공할 것이라는 보장은 없지만 바보라는 느낌이 듭니다. 대학 졸업 후 바로 취업을 위해 노력했던 모습이 많이 생각납니다.

많은 사람들이 계곡에서 일자리를 찾고 있었고 모든 것이 훨씬 쉬웠던 것 같습니다. 내 생각에 비결은 이것이다. 당신이 이해하고, 풍부한 경험을 가지고 있고, 이력서에 동일한 내용이 기재되어 있는 분야에서 일자리를 찾고 있다면 문제가 없습니다. 나는 그것을 가져다가 발견했다. 빈자리가 많습니다.

그러나 새로운 분야에서 일자리를 찾고 있다면, 즉 지식도 없고 인맥도 없고 이력서에 뭔가 잘못된 것이 적혀 있는 경우, 이 순간 모든 것이 매우 흥미로워집니다.

현재 채용 담당자들은 정기적으로 저에게 편지를 보내 제가 지금 하고 있는 일을 다른 회사에서 하도록 제안합니다. 이제 정말 직업을 바꿔야 할 때입니다. 하지만 내가 이미 잘하는 일을 계속할 필요는 없습니다. 무엇을 위해?

하지만 내가 원하는 것에 대해서는 이력서에 지식도 없고 내용도 없습니다. 이 모든 것이 어떻게 끝나는지 봅시다. 잘되면 다음편을 쓰겠습니다. 🙂

출처 : habr.com