ရူပဗေဒပညာရှင်များမှ ဒေတာသိပ္ပံအထိ (သိပ္ပံအင်ဂျင်များမှ ရုံးခန်းရေမျောခြင်းအထိ)။ တတိယအပိုင်း

ဤပုံသည် Arthur Kuzin (n01z3) သည် ဘလော့ဂ်ပို့စ်၏ အကြောင်းအရာကို အတိအကျ အကျဉ်းချုံးပါသည်။ ရလဒ်အနေဖြင့်၊ အောက်ပါဇာတ်ကြောင်းကို အလွန်အသုံးဝင်ပြီး နည်းပညာဆိုင်ရာအရာတစ်ခုအဖြစ်ထက် သောကြာနေ့ဇာတ်လမ်းနှင့် ပိုတူသည်ဟု ယူဆသင့်သည်။ ထို့အပြင် စာသားသည် အင်္ဂလိပ်စကား ကြွယ်ဝကြောင်း သတိပြုသင့်သည်။ အချို့ကို မှန်ကန်စွာ ဘာသာပြန်ဆိုရန် ကျွန်ုပ်မသိပါ၊ ၎င်းတို့ထဲမှ အချို့ကို ဘာသာပြန်ရန် မလိုပါ။

ပထမဦးဆုံးအစိတျအပိုငျး။
ဒုတိယပိုင်း။

ပညာရပ်ဆိုင်ရာပတ်ဝန်းကျင်မှ စက်မှုပတ်ဝန်းကျင်သို့ အသွင်ကူးပြောင်းမှုအား ပထမအပိုင်းနှစ်ပိုင်း၌ ဖော်ပြသည်။ ဒီတစ်ခေါက်မှာတော့ နောက်ဆက်တွဲ ဖြစ်ပျက်ခဲ့တဲ့ အကြောင်းအရာတွေကို ဆွေးနွေးသွားမှာပါ။

၎င်းသည် 2017 ဇန်နဝါရီဖြစ်သည်။ အဲဒီတုန်းက ကျွန်တော့်မှာ လုပ်ငန်းအတွေ့အကြုံ တစ်နှစ်ကျော်ရှိပြီး ကုမ္ပဏီမှာ ဆန်ဖရန်စစ္စကိုမှာ လုပ်ခဲ့တယ်။ ဟုတ်တယ် Sr လိုမျိုး Data ပညာရှင်။

TrueAccord သည် ကြွေးမြီစုဆောင်းခြင်းစတင်သည့်လုပ်ငန်းဖြစ်သည်။ ရိုးရိုးရှင်းရှင်းပြောရရင် - စုစည်းမှုအေဂျင်စီ။ စုဆောင်းသူများသည် အများအားဖြင့် ခေါ်ကြသည်။ အီးမေးလ်များစွာ ပို့ခဲ့သော်လည်း ဖုန်းခေါ်ဆိုမှု အနည်းငယ်သာ ပြုလုပ်ခဲ့သည်။ အီးမေးလ်တစ်ခုစီသည် ကြွေးမြီရှင်အား အကြွေးအပေါ် လျှော့စျေးပေးကာ အရစ်ကျပေးချေရန်ပင် ခွင့်ပြုသည့် ကုမ္ပဏီ၏ဝဘ်ဆိုက်သို့ ပို့ဆောင်ခဲ့သည်။ ဤချဉ်းကပ်မှုသည် ပိုမိုကောင်းမွန်သော စုဆောင်းမှုကို ဖြစ်စေသည်၊ အတိုင်းအတာ ချဲ့ထွင်ရန်နှင့် တရားစွဲမှုများကို ထိတွေ့မှု နည်းပါးစေသည်။

ကုမ္ပဏီက ပုံမှန်ပါပဲ။ ထုတ်ကုန်ကရှင်းပါတယ်။ စီမံခန့်ခွဲမှုက ရိုးသားတယ်။ နေရာကတော့ ကောင်းပါတယ်။

ပျမ်းမျှအားဖြင့် ချိုင့်ဝှမ်းရှိလူများသည် တစ်နေရာတည်းတွင် တစ်နှစ်ခွဲခန့် အလုပ်လုပ်ကြသည်။ ဆိုလိုသည်မှာ သင်လုပ်ကိုင်နေသည့် မည်သည့်ကုမ္ပဏီမဆို သေးငယ်သော ခြေလှမ်းတစ်ခုမျှသာ ဖြစ်သည်။ ဤအဆင့်တွင် သင်သည် သင့်ကိုယ်ရေးရာဇဝင်တွင် အသိပညာ၊ ကျွမ်းကျင်မှု၊ ချိတ်ဆက်မှုများနှင့် လိုင်းများကို စုဆောင်းပြီး ငွေအနည်းငယ် စုဆောင်းမည်ဖြစ်သည်။ ဒီနောက်မှာတော့ နောက်တစ်ဆင့်ကို ကူးပြောင်းသွားပါပြီ။

TrueAccord ကိုယ်တိုင်တွင်၊ ကျွန်ုပ်သည် အီးမေးလ်သတင်းလွှာများထံသို့ အကြံပြုချက်စနစ်များကို ပူးတွဲထည့်သွင်းခြင်းအပြင် ဖုန်းခေါ်ဆိုမှုများကို ဦးစားပေးလုပ်ဆောင်ခြင်းတွင်လည်း ပါဝင်ခဲ့ပါသည်။ သက်ရောက်မှုကို နားလည်နိုင်ပြီး A/B စမ်းသပ်မှုမှတစ်ဆင့် ဒေါ်လာဖြင့် ကောင်းစွာတိုင်းတာသည်။ ကျွန်တော်ရောက်မလာခင်မှာ machine learning မရှိတဲ့အတွက် ကျွန်တော့်အလုပ်ရဲ့ သက်ရောက်မှုက မဆိုးပါဘူး။ တစ်ဖန်၊ အလွန်ကောင်းမွန်သော ပြုပြင်ပြီးသားအရာထက် တစ်ခုခုကို မြှင့်တင်ရန် ပိုမိုလွယ်ကူပါသည်။

ဒီစနစ်တွေကို ခြောက်လကြာ အလုပ်လုပ်ပြီးနောက်၊ သူတို့က ကျွန်တော့်ရဲ့ အခြေခံလစာကို ဒေါ်လာ ၁၅၀ဝ ကနေ ၁၆၃ သိန်းအထိ တိုးပေးခဲ့တယ်။ အသိုင်းအဝိုင်းထဲမှာ Open Data Science (ODS) meme တစ်ခုက $163k လောက်ရှိတယ်။ ဤနေရာမှ ၎င်း၏ခြေထောက်များဖြင့် ကြီးထွားလာသည်။

ဒါတွေအားလုံးက အံ့ဩစရာပါပဲ၊ ဒါပေမယ့် ဘယ်ကိုမှ ဦးဆောင်မသွားဘူး၊ ဒါမှမဟုတ် ဦးဆောင်သွားပေမယ့် အဲဒီမှာမဟုတ်ဘူး။

ကျွန်တော် TrueAccord ကို အရမ်းလေးစားပါတယ်၊ ကုမ္ပဏီနဲ့ အဲဒီ့မှာ အလုပ်လုပ်ခဲ့တဲ့ ယောက်ျားတွေရော။ သူတို့ဆီက အများကြီး သင်ယူခဲ့တယ်၊ ဒါပေမယ့် စုစည်းမှုအေဂျင်စီမှာ အကြံပြုချက်စနစ်နဲ့ အချိန်အကြာကြီး အလုပ်မလုပ်ချင်ခဲ့ဘူး။ ဒီအဆင့်ကနေ လမ်းကြောင်းတစ်ခုခုကို လှမ်းရမယ်။ ရှေ့မတိုးရင် အနည်းဆုံးတော့ ဘေးတိုက်။

ဘာကို မကြိုက်ခဲ့တာလဲ။

1. စက်သင်ယူမှု ရှုထောင့်မှကြည့်လျှင် ပြဿနာများသည် ကျွန်ုပ်ကို စိတ်လှုပ်ရှားစေမည်မဟုတ်ပါ။ ဖက်ရှင်ကျကျ၊ ငယ်ရွယ်နုပျိုတဲ့ အရာတစ်ခုဖြစ်တဲ့ Deep Learning၊ Computer Vision၊ သိပ္ပံနဲ့ အတော်လေးနီးစပ်တဲ့ အရာ ဒါမှမဟုတ် အနည်းဆုံး အဂ္ဂိရတ်ပညာကို လိုချင်တယ်။
2. စတင်တည်ထောင်သူနှင့် စုဆောင်းရေးအေဂျင်စီတစ်ခုပင်လျှင် အရည်အချင်းပြည့်မီသော ဝန်ထမ်းများကို ငှားရမ်းရာတွင် ပြဿနာများရှိသည်။ Startup တစ်ယောက်အနေနဲ့ လစာအများကြီးမပေးရပါဘူး။ သို့သော် စုစည်းမှုအေဂျင်စီအနေဖြင့် ၎င်းသည် အဆင့်အတန်းနိမ့်ကျသည်။ အကြမ်းဖျင်းပြောရရင် ချိန်းတွေ့တဲ့မိန်းကလေးက မင်းဘယ်မှာအလုပ်လုပ်လဲလို့မေးရင်။ သင့်အဖြေ- "Google တွင်" သည် "စုဆောင်းမှုအေဂျင်စီ" ထက် ပြင်းအားအစီအစဥ်များကို အသံထွက်သည်။ ကျွန်ုပ်နှင့်မတူဘဲ Google နှင့် Facebook တွင်အလုပ်လုပ်သော ကျွန်ုပ်၏သူငယ်ချင်းများအတွက် ၎င်းတို့ကုမ္ပဏီ၏အမည်သည် တံခါးဖွင့်ထားသည်- ကွန်ဖရင့်သို့ တက်ရောက်ရန် သို့မဟုတ် တွေ့ဆုံပွဲသို့ ဖိတ်ကြားခံရနိုင်သည် သို့မဟုတ် ပိုမိုစိတ်ဝင်စားဖွယ်ကောင်းသော လူများကို LinkedIn တွင် ရေးသားဖော်ပြခြင်းကြောင့် အနည်းငယ် စိတ်အနှောင့်အယှက်ဖြစ်မိပါသည်။ လက်ဖက်ရည်တစ်ခွက်နဲ့ တွေ့ဆုံစကားပြောဖို့ ကမ်းလှမ်းချက်တစ်ခုနဲ့။ ကိုယ်မသိတဲ့လူနဲ့ အဆက်အသွယ်ရတာ အရမ်းကြိုက်တယ်။ ဒါကြောင့် သင် ဆန်ဖရန်စစ္စကိုမှာနေတယ်ဆိုရင် စာရေးဖို့ မတွန့်ဆုတ်ပါနဲ့ - ကော်ဖီသောက်ပြီး စကားပြောကြရအောင်။
3. ကျွန်ုပ်အပြင်၊ ကုမ္ပဏီတွင် Data Scientists သုံးဦးပါ၀င်သည်။ ကျွန်ုပ်သည် စက်သင်ယူခြင်းတွင် အလုပ်လုပ်နေပြီး ၎င်းတို့သည် ဤနေရာမှ မနက်ဖြန်အထိ မည်သည့် startup တွင်မဆို တွေ့ရလေ့ရှိသည့် အခြားသော Data Science လုပ်ငန်းများကို လုပ်ဆောင်နေပါသည်။ ရလဒ်အနေနဲ့ သူတို့ဟာ machine learning ကို တကယ်နားမလည်ခဲ့ပါဘူး။ ဒါပေမယ့် ကြီးပွားတိုးတက်ဖို့အတွက် တစ်စုံတစ်ယောက်နဲ့ ဆက်သွယ်ဖို့၊ ဆောင်းပါးတွေနဲ့ နောက်ဆုံးဖြစ်ပေါ်တိုးတက်မှုတွေကို ဆွေးနွေးပြီး အဆုံးမှာ အကြံဉာဏ်တောင်းဖို့ လိုပါတယ်။

ဘာတွေ ရရှိနိုင်သလဲ

1. ပညာရေး- ရူပဗေဒ၊ ကွန်ပြူတာသိပ္ပံ။
2. ကျွန်တော်သိသော တစ်ခုတည်းသော ပရိုဂရမ်ဘာသာစကားမှာ Python ဖြစ်သည်။ C++ သို့ပြောင်းရန် လိုအပ်သည်ဟု ခံစားမိသော်လည်း ၎င်းကို မပြေလည်နိုင်သေးပါ။
3. ဒီလုပ်ငန်းမှာ တစ်နှစ်ခွဲလောက် လုပ်တယ်။ ဒါ့အပြင် လုပ်ငန်းခွင်မှာ Deep Learning ဒါမှမဟုတ် Computer Vision ကိုလည်း မလေ့လာခဲ့ပါဘူး။
4. ကိုယ်ရေးရာဇဝင်တွင် Deep Learning / Computer Vision အကြောင်း ဆောင်းပါးတစ်ပုဒ်မျှ မဟုတ်ပါ။
5. Kaggle Master အောင်မြင်မှု ရှိခဲ့ပါတယ်။

ဘာလိုချင်တာလဲ။

1. ကွန်ရက်များစွာကို လေ့ကျင့်ရန်နှင့် ကွန်ပြူတာအမြင်နှင့် ပိုမိုနီးစပ်ရန် လိုအပ်သည့် အနေအထားတစ်ခုဖြစ်သည်။
2. Google၊ Tesla၊ Facebook၊ Uber၊ LinkedIn အစရှိတဲ့ ကုမ္ပဏီကြီးတွေက ပိုကောင်းပါတယ်။ အနည်းနဲ့အများတော့ startup တစ်ခုလုပ်မယ်။
3. ကျွန်ုပ်သည် အဖွဲ့တွင် အကြီးဆုံး စက်သင်ယူမှု ကျွမ်းကျင်သူ ဖြစ်ရန် မလိုအပ်ပါ။ သင်ကြားရေး လုပ်ငန်းစဉ်ကို အရှိန်မြှင့်ရန် လိုအပ်သော အကြီးတန်း ရဲဘော်များ၊ လမ်းညွှန်ဆရာများနှင့် ဆက်သွယ်မှု အမျိုးမျိုးတို့အတွက် များစွာ လိုအပ်နေပါသည်။
4. စက်မှုလုပ်ငန်းအတွေ့အကြုံမရှိသောဘွဲ့ရများသည် တစ်နှစ်လျှင် စုစုပေါင်းလျော်ကြေးငွေ ဒေါ်လာ ၃၀၀-၅၀၀k ရှိကြောင်း ဘလော့ဂ်ပို့စ်များကို ဖတ်ပြီးနောက်၊ ကျွန်ုပ်သည် တူညီသောအကွာအဝေးသို့ သွားချင်ခဲ့သည်။ ဒါကငါ့ကိုဒီလောက်အနှောက်အယှက်ဖြစ်စေတာမဟုတ်ဘူး၊ ဒါပေမယ့်ဒါကဖြစ်ရိုးဖြစ်စဉ်တစ်ခုလို့ပြောပေမယ့်ငါနည်းနည်းရှိတယ်၊ အဲဒါကအချက်ပြမှုတစ်ခုပဲ။

အလုပ်က လုံးဝပြေလည်သွားပုံရတယ်၊ ဘယ်ကုမ္ပဏီမှာမဆို ခုန်ဆင်းနိုင်တယ်ဆိုတဲ့ အဓိပ္ပာယ်မဟုတ်ပေမယ့် မင်းငတ်ရင် အရာအားလုံးက ပြေလည်သွားလိမ့်မယ်။ ဆယ်ဂဏန်း သို့မဟုတ် ရာနှင့်ချီသော ကြိုးစားမှု၊ ကျရှုံးမှုတိုင်းနှင့် ငြင်းပယ်မှုတိုင်းတို့မှ နာကျင်မှုများကို အာရုံစူးစိုက်မှု ထက်မြက်စေရန်၊ မှတ်ဉာဏ်ကို တိုးတက်စေပြီး တစ်နေ့တာ ၃၆ နာရီအထိ ဆန့်ထုတ်ရန် အသုံးပြုသင့်သည်။

ကိုယ်ရေးရာဇဝင်ကို ပြုပြင်ပြောင်းလဲပြီး စတင်ပေးပို့ကာ အင်တာဗျူးများ ပြုလုပ်ခဲ့ပါသည်။ HR နဲ့ ဆက်သွယ်တဲ့ အဆင့်မှာ သူတို့ထဲက အများစုကို ကျော်ဖြတ်ခဲ့တယ်။ လူတော်တော်များများက C++ ကို လိုအပ်ပေမယ့် အဲဒါကို ကျွန်တော် မသိခဲ့သလို C++ လိုအပ်တဲ့ ရာထူးတွေကို ကျွန်တော် သိပ်စိတ်မဝင်စားဘူးလို့ ပြင်းပြင်းထန်ထန် ခံစားခဲ့ရတယ်။

တစ်ချိန်တည်းမှာပင် Kaggle တွင် ပြိုင်ပွဲအမျိုးအစားတွင် အဆင့်အကူးအပြောင်းရှိခဲ့သည်ကို သတိပြုသင့်သည်။ 2017 ခုနှစ်မတိုင်မီတွင် ဇယားဒေတာများစွာရှိပြီး အလွန်ရှားပါးသော ရုပ်ပုံဒေတာများ ရှိခဲ့သော်လည်း 2017 ခုနှစ်မှစတင်ကာ ကွန်ပျူတာအမြင်ဆိုင်ရာ လုပ်ဆောင်စရာများစွာရှိခဲ့သည်။

လူ့ဘဝသည် အောက်ပါမုဒ်တွင် စီးဆင်းခဲ့သည်။

1. နေ့ဘက်တွင် အလုပ်လုပ်ပါ။
2. နည်းပညာမျက်နှာပြင် / ဆိုက်ရောက်သောအခါသင်အားလပ်ချိန်ယူသည်။
3. ညနေပိုင်းနှင့် တနင်္ဂနွေများတွင် Kaggle + ဆောင်းပါးများ / စာအုပ်များ / ဘလော့ဂ်ပို့စ်များ

2016 နှစ်ကုန်ပိုင်းကို ကျွန်တော် အသိုင်းအ၀ိုင်းမှာ ပါဝင်ခဲ့တာကို အမှတ်အသားပြုခဲ့ပါတယ်။ Open Data Science (ODS)အရာများစွာကို ရိုးရှင်းစေပါသည်။ ကြွယ်ဝသောစက်မှုလုပ်ငန်းအတွေ့အကြုံရှိသည့် အသိုင်းအဝိုင်းတွင် ယောက်ျားလေးများစွာရှိပြီး၊ ကျွန်ုပ်တို့အား မိုက်မဲသောမေးခွန်းများစွာမေးနိုင်ပြီး စမတ်ကျသောအဖြေများစွာကို ရရှိစေပါသည်။ အစင်းကြောင်းအားလုံး၏ အလွန်အားကောင်းသော စက်သင်ယူရေးကျွမ်းကျင်သူများစွာလည်း ရှိပြီး၊ ၎င်းသည် ကျွန်ုပ်အား ODS မှတစ်ဆင့် Data Science နှင့်ပတ်သက်သော ပုံမှန်အတွင်းကျကျ ဆက်သွယ်မှုဖြင့် ပြဿနာကို ပိတ်ရန် မမျှော်လင့်ဘဲ ခွင့်ပြုခဲ့ပါသည်။ အခုအချိန်အထိ ML နဲ့ ပတ်သက်ရင် ODS က အလုပ်မှာရထားတာထက် အဆများစွာ ပိုပေးတယ်။

ကောင်းပြီ၊ ပုံမှန်အတိုင်း၊ ODS တွင် Kaggle နှင့် အခြားဆိုဒ်များတွင် ပြိုင်ပွဲများတွင် ပါရဂူများ အလုံအလောက်ရှိသည်။ အဖွဲ့တစ်ဖွဲ့ရှိ ပြဿနာများကို ဖြေရှင်းခြင်းသည် ပိုပျော်စရာကောင်းပြီး အကျိုးဖြစ်ထွန်းစေသောကြောင့် ဟာသများ၊ ဆဲဆိုခြင်း၊ memes နှင့် အခြားသော nerdy ဖျော်ဖြေမှုများဖြင့် ပြဿနာများကို တစ်ခုပြီးတစ်ခု စတင်ဖြေရှင်းကြသည်။

မတ်လ 2017 တွင် - Serega Mushinsky နှင့်အဖွဲ့တစ်ဖွဲ့တွင် - တတိယနေရာအတွက် Dstl ဂြိုလ်တုပုံရိပ်ရှာဖွေခြင်းအင်္ဂါရပ်. Kaggle တွင် ရွှေတံဆိပ် + နှစ်ခုအတွက် $20k။ ဤလုပ်ဆောင်စရာတွင်၊ UNet မှတစ်ဆင့် ဂြိုလ်တုဓာတ်ပုံများ + ဒွိအပိုင်းပိုင်းခွဲခြင်းနှင့် လုပ်ဆောင်ခြင်းအား တိုးတက်ကောင်းမွန်စေသည်။ ဤအကြောင်းအရာအတွက် Habré ဘလော့ဂ်ပို့စ်။

ထိုမတ်လတွင်ပင်၊ ကျွန်ုပ်သည် ကိုယ်ပိုင်ကားမောင်းအဖွဲ့နှင့် NVidia တွင် အင်တာဗျူးသွားခဲ့သည်။ Object Detection နဲ့ပတ်သက်တဲ့ မေးခွန်းတွေကို ကျွန်တော်တကယ်ရုန်းကန်ခဲ့ရပါတယ်။ လုံလောက်တဲ့ အသိပညာ မရှိခဲ့ပါဘူး။

ကံကောင်းစွာပဲ၊ တစ်ချိန်တည်းမှာပင် DSTL တစ်ခုတည်းမှ ဝေဟင်မှ ဝေဟင်ပုံရိပ်ရှာဖွေခြင်းဆိုင်ရာ ပြိုင်ဆိုင်မှု စတင်ခဲ့သည်။ ဘုရားသခင်ကိုယ်တိုင်က ပြဿနာကို ဖြေရှင်းဖို့ အမိန့်ပေးခဲ့တယ်။ တစ်လ၏ ညနေပိုင်းနှင့် စနေ၊ ဗဟုသုတတွေ ကောက်ယူပြီး ဒုတိယနှစ် ပြီးသွားတယ်။ ဤပြိုင်ပွဲသည် စည်းမျဉ်းများတွင် စိတ်ဝင်စားစရာကောင်းသော ကွဲလွဲချက်တစ်ခုရှိသောကြောင့် ကျွန်ုပ်အား ဖက်ဒရယ်နှင့် ဖက်ဒရယ်ချန်နယ်များမဟုတ်ဘဲ ရုရှားတွင် ပြသနိုင်စေခဲ့သည်။ ပေါ်တယ်။ အိမ်တွင် Lenta.ru၊ ပုံနှိပ်နှင့် အွန်လိုင်း စာစောင်များ အစုအဝေးတွင်ရှိသည်။ Mail Ru Group သည် ကျွန်ုပ်၏စရိတ်နှင့် ၎င်း၏ကိုယ်ပိုင်ငွေဖြင့် အပြုသဘောဆောင်သော PR အနည်းငယ်ကို ရရှိခဲ့ပြီး ရုရှားတွင် အခြေခံသိပ္ပံပညာသည် ပေါင် 12000 ဖြင့် ကြွယ်ဝခဲ့သည်။ ထုံးစံအတိုင်း ဒီအကြောင်းအရာကို ရေးထားတယ်။ hubr တွင် ဘလော့ဂ်ပို့စ်. အသေးစိတ်အတွက် အဲဒီကို သွားပါ။

တစ်ချိန်တည်းမှာပင် Tesla ဝန်ထမ်းတစ်ဦးသည် ကျွန်ုပ်အား ဆက်သွယ်ပြီး Computer Vision ရာထူးအကြောင်း ဆွေးနွေးရန် ကမ်းလှမ်းခဲ့သည်။ ငါသဘောတူခဲ့တယ်။ အိမ်ပြန်ခြင်း၊ နည်းပညာဖန်သားပြင်နှစ်ခု၊ အင်တာဗျူးတစ်ခုတို့ကို ဖြတ်ကျော်ပြီး Tesla တွင် AI ဒါရိုက်တာအဖြစ် ခန့်အပ်ခံထားရသော Andrei Karpathy နှင့် အလွန်သာယာသော စကားစမြည်ပြောခဲ့ပါသည်။ နောက်တစ်ဆင့်ကတော့ နောက်ခံစစ်ဆေးမှုပါ။ အဲဒီနောက်မှာတော့ Elon Musk ဟာ ကျွန်တော့်ရဲ့ လျှောက်လွှာကို ကိုယ်တိုင်ကိုယ်ကျ အတည်ပြုခဲ့ရပါတယ်။ Tesla တွင် တင်းကျပ်သော မထုတ်ဖော်ရေး သဘောတူညီချက် (NDA) ရှိသည်။
နောက်ခံစစ်ဆေးမှုကို ကျွန်ုပ် မအောင်မြင်ခဲ့ပါ။ NDA ကို ချိုးဖေါက်ပြီး အွန်လိုင်းမှာ စကားများများပြောကြတယ်လို့ လူသစ်စုဆောင်းသူက ပြောပါတယ်။ Tesla တွင် အင်တာဗျူးတစ်ခုနှင့် ပတ်သက်၍ ကျွန်ုပ်ပြောခဲ့သည့် တစ်ခုတည်းသောနေရာမှာ ODS ဖြစ်သည်၊ ထို့ကြောင့် လက်ရှိယူဆချက်မှာ တစ်စုံတစ်ဦးသည် ဖန်သားပြင်ဓာတ်ပုံရိုက်ပြီး Tesla တွင် HR သို့ စာရေးခဲ့ပြီး၊ ကျွန်ုပ်အား အန္တရာယ်မရှိသော ပြိုင်ပွဲမှ ဖယ်ရှားခံခဲ့ရသည်။ အဲဒီတုန်းက ရှက်စရာကြီး။ အခု အဆင်မပြေလို့ ဝမ်းသာပါတယ်။ Andrey နဲ့တွဲလုပ်ရတာ အရမ်းစိတ်ဝင်စားစရာကောင်းပေမယ့် ကျွန်တော့်ရဲ့လက်ရှိအနေအထားက ပိုကောင်းပါတယ်။

အဲဒီနောက် ချက်ချင်းဆိုသလိုပဲ Kaggle ကနေ ဂြိုလ်တုဓာတ်ပုံပြိုင်ပွဲမှာ ဝင်ပြိုင်ခဲ့တယ်။ Planet Labs - အာကာသမှ Amazon ကို နားလည်ခြင်း။. ပြဿနာက ရိုးရှင်းပြီး အလွန်ငြီးငွေ့စရာကောင်းပါတယ်၊ ဘယ်သူမှ မဖြေရှင်းချင်ပေမယ့် လူတိုင်းက အလကားရွှေတံဆိပ် ဒါမှမဟုတ် ဆုငွေကို လိုချင်ကြပါတယ်။ ထို့ကြောင့် လူ 7 ယောက်ရှိသော Kaggle Masters အဖွဲ့နှင့်အတူ ကျွန်ုပ်တို့သည် သံပစ်မည်ဟု သဘောတူညီခဲ့ကြသည်။ ကျွန်ုပ်တို့သည် 'fit_predict' မုဒ်တွင် ကွန်ရက်ပေါင်း 480 ကို လေ့ကျင့်သင်ကြားပြီး ၎င်းတို့ထဲမှ သုံးထပ်အုပ်စုကို ပြုလုပ်ခဲ့သည်။ သတ္တမမြောက်။ Arthur Kuzin မှ ဖြေရှင်းချက်ကို ဖော်ပြသည့် ဘလော့ပို့စ်. စကားမစပ်၊ ဖန်တီးသူအဖြစ် လူသိများသူ ဂျရမီ ဟောင်းဝပ် Fast.AI ၂၃။

ပြိုင်ပွဲပြီးဆုံးပြီးနောက်၊ AdRoll တွင်အလုပ်လုပ်သောသူငယ်ချင်းတစ်ဦးမှတစ်ဆင့် ကျွန်ုပ်သည် ၎င်းတို့၏အိမ်တွင် Meetup တစ်ခုကိုစီစဉ်ခဲ့ပါသည်။ Planet Labs ၏ ကိုယ်စားလှယ်များသည် ပြိုင်ဆိုင်မှု၏ အဖွဲ့အစည်းနှင့် ဒေတာ အမှတ်အသားပြုခြင်းတွင် ၎င်းတို့၏ အသွင်အပြင်ကို အကြောင်းပြု၍ ဆွေးနွေးခဲ့ကြသည်။ Kaggle မှာ အလုပ်လုပ်ပြီး ပြိုင်ပွဲကို ကြီးကြပ်တဲ့ Wendy Kwan က သူမမြင်ပုံကို ပြောပြခဲ့ပါတယ်။ ကျွန်ုပ်တို့၏ဖြေရှင်းချက်၊ လှည့်ကွက်များ၊ နည်းစနစ်များနှင့် နည်းပညာဆိုင်ရာ အသေးစိတ်များကို ကျွန်ုပ်ဖော်ပြခဲ့သည်။ ပရိသတ်သုံးပုံနှစ်ပုံက ဒီပြဿနာကို ဖြေရှင်းပေးတဲ့အတွက် မေးခွန်းတွေမေးပြီး ယေဘုယျအားဖြင့်တော့ အားလုံးအေးဆေးပါပဲ။ Jeremy Howard လည်းအဲဒီမှာရှိတယ်။ မော်ဒယ်ကို ဘယ်လိုစုရမလဲ မသိသလို အစုလိုက်တည်ဆောက်ပုံနည်းလမ်းကို လုံးဝမသိတာကြောင့် အဆင့် 23 မှာ ပြီးသွားခဲ့တာ ဖြစ်ပါတယ်။

စက်သင်ယူမှုဆိုင်ရာ ချိုင့်ဝှမ်းတွင် တွေ့ဆုံမှုများသည် မော်စကိုရှိ တွေ့ဆုံမှုများနှင့် အလွန်ကွာခြားပါသည်။ စည်းကမ်းအတိုင်း၊ ချိုင့်ဝှမ်းတွင်တွေ့ဆုံမှုများသည်အောက်ခြေဖြစ်သည်။ ဒါပေမယ့် ငါတို့ရဲ့ အခြေအနေက ကောင်းလာတယ်။ ကံမကောင်းစွာပဲ၊ ခလုတ်ကိုနှိပ်ပြီး အရာအားလုံးကိုမှတ်တမ်းတင်ရမည့်ရဲဘော်က ခလုတ်မနှိပ်ခဲ့ပါ။ :)

အဲဒီနောက်မှာတော့ ဒီ Planet Labs မှာ Deep Learning Engineer ရာထူးနဲ့ စကားပြောဖို့ ဖိတ်ခေါ်ခံရပြီး ချက်ချင်းပဲ ဆိုက်ဆိုက်မြိုက်မြိုက်ရောက်ပါတယ်။ ကျွန်တော် မလွန်ခဲ့ပါ။ ငြင်းဆိုထားသည့် အသုံးအနှုန်းမှာ Deep Learning တွင် လုံလောက်သော အသိပညာ မရှိခြင်းပင်ဖြစ်သည်။

ပြိုင်ပွဲတစ်ခုစီကို ပရောဂျက်တစ်ခုအနေနဲ့ ရေးဆွဲခဲ့တယ်။ LinkedIn တို့. DSTL ပြဿနာအတွက် ကျွန်တော်ရေးထားပါတယ်။ ကြိုတင်ပုံနှိပ်ပါ arxiv မှာ တင်ထားတယ်။ ဆောင်းပါးမဟုတ်ပေမယ့် မုန့်လုပ်နေတုန်းပါပဲ။ ယှဉ်ပြိုင်မှုများ၊ ဆောင်းပါးများ၊ ကျွမ်းကျင်မှုများနှင့် အခြားအရာများမှတစ်ဆင့် ၎င်းတို့၏ LinkedIn ပရိုဖိုင်ကို မြှင့်တင်ရန် အခြားလူတိုင်းကိုလည်း ကျွန်ုပ်အကြံပြုပါသည်။ သင်၏ LinkedIn ပရိုဖိုင်တွင် သင့်တွင် သော့ချက်စကားလုံးများ မည်မျှရှိသည်နှင့် လူများက သင့်ထံ မကြာခဏ မက်ဆေ့ချ်ပို့လေ့ရှိသည် အကြား အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိသည်။

ဆောင်းရာသီနဲ့ နွေဦးရာသီမှာ ကျွန်တော်ဟာ နည်းပညာပိုင်းအရ ကျွမ်းကျင်ခဲ့မယ်ဆိုရင် ဩဂုတ်လမှာ အသိပညာနဲ့ ကိုယ့်ကိုယ်ကိုယ် ယုံကြည်မှု နှစ်ခုစလုံး ရခဲ့တယ်။

ဇူလိုင်လကုန်တွင် Lyft တွင် Data Science မန်နေဂျာအဖြစ် အလုပ်လုပ်သော အမျိုးသားတစ်ဦးသည် LinkedIn တွင် ကျွန်ုပ်အား ဆက်သွယ်ခဲ့ပြီး TrueAccord အကြောင်း၊ Lyft အကြောင်း၊ ဘဝအကြောင်း ကော်ဖီသောက်ရန် ဖိတ်ခေါ်ခဲ့သည်။ ငါတို့စကားပြောတယ်။ Data Scientist ရာထူးအတွက် သူ့အဖွဲ့နှင့် အင်တာဗျူးရန် ကမ်းလှမ်းခဲ့သည်။ မနက်မှညနေအထိ Computer Vision/ Deep Learning သည် ရွေးချယ်မှုအလုပ်လုပ်သည်ဟု ကျွန်တော်ပြောခဲ့သည်။ သူ့ဘက်ကတော့ ကန့်ကွက်စရာမရှိဘူးလို့ အာမခံပါတယ်။

ကျွန်ုပ်၏ကိုယ်ရေးအကျဉ်းကို ပေးပို့ခဲ့ပြီး ၎င်းကို Lyft ၏ အတွင်းဘက်ပေါ်တယ်သို့ အပ်လုဒ်လုပ်ခဲ့သည်။ အဲဒီနောက်မှာတော့ စုဆောင်းရေးအရာရှိက ကျွန်မရဲ့ကိုယ်ရေးရာဇဝင်ကို ဖွင့်ပြီး ကျွန်မအကြောင်း ပိုသိလာဖို့ ခေါ်ပါတယ်။ ပထမစကားလုံးများမှ၊ ဤသည်မှာ သူ၏ကိုယ်ရေးရာဇဝင်မှ "ကျွန်ုပ်သည် Lyft အတွက် ပစ္စည်းမဟုတ်" ဟု သိသာထင်ရှားသောကြောင့် သူ့အတွက် ဤအရာသည် တရားဝင်မှုတစ်ခုဖြစ်ကြောင်း ထင်ရှားပါသည်။ အဲဒီနောက်မှာ ကျွန်တော်ရဲ့ ကိုယ်ရေးအကျဉ်းက အမှိုက်ပုံးထဲ ရောက်သွားမယ်ထင်တယ်။

ငါအင်တာဗျူးလုပ်နေချိန်မှာ ငါ ODS မှာ ကျရှုံးမှုတွေနဲ့ ကျရှုံးမှုတွေကို ဆွေးနွေးခဲ့ပြီး ယောက်ျားလေးတွေက ငါ့ကို အကြံဉာဏ်တွေပေးပြီး ဖြစ်နိုင်သမျှ နည်းလမ်းတိုင်းနဲ့ ကူညီပေးခဲ့ပေမဲ့ ထုံးစံအတိုင်း၊ အဲဒီမှာ ဖော်ရွေတဲ့ လှည့်စားမှုတွေလည်း အများကြီးရှိခဲ့တယ်။

ODS အဖွဲ့ဝင်တစ်ဦးသည် Lyft မှ အင်ဂျင်နီယာ ဒါရိုက်တာဖြစ်သော သူ့သူငယ်ချင်းနှင့် ကျွန်ုပ်ကို ဆက်သွယ်ရန် ကမ်းလှမ်းခဲ့သည်။ အမြဲတမ်းချက်ချင်းလုပ်မယ်လို့ပြောသည်။ ကျွန်တော် နေ့လည်စာစားဖို့ Lyft ကို လာပြီး ဒီသူငယ်ချင်းအပြင် ဒေတာသိပ္ပံရဲ့ အကြီးအကဲတစ်ဦးနဲ့ Deep Learning ရဲ့ အမာခံပရိသတ်ဖြစ်တဲ့ ထုတ်ကုန်မန်နေဂျာတစ်ယောက်လည်း ရှိပါသေးတယ်။ နေ့လယ်စာမှာ DL နဲ့ စကားစမြည်ပြောဖြစ်တယ်။ ကွန်ရက်များကို 24/7 နှစ်ဝက်ကြာ လေ့ကျင့်သင်ကြားခဲ့ပြီး၊ စာပေကုဗမီတာဖတ်ကာ Kaggle တွင် အလုပ်များကို အနည်းနှင့်အများ ရှင်းရှင်းလင်းလင်း ရလဒ်များနှင့်အတူ လုပ်ဆောင်ခဲ့ပြီး၊ ဆောင်းပါးအသစ်များနှင့် ဆောင်းပါးအသစ်များနှင့် နှစ်မျိုးလုံးတွင် Deep Learning အကြောင်း နာရီပေါင်းများစွာ ပြောဆိုနိုင်ခဲ့ပါသည်။ လက်တွေ့နည်းပညာများ။

နေ့လယ်စာစားပြီးနောက် သူတို့က ကျွန်တော့်ကို လှမ်းကြည့်ကာ ပြောသည်- မင်းက ချောမောတာပဲ၊ မင်း ငါတို့နဲ့ စကားပြောချင်တာလား? ထို့အပြင်၊ ယူသွား + နည်းပညာစခရင်ကို ကျော်သွားနိုင်သည်မှာ ကျွန်ုပ်အတွက် ရှင်းရှင်းလင်းလင်းဖြစ်ကြောင်း ၎င်းတို့က ပြောကြားခဲ့သည်။ ပြီး​တော့ ကျွန်​​တော့်​ကို ချက်​ချင်း လာ​ရောက်​ဖို့ ဖိတ်​​ခေါ်ပါတယ်​။ ငါသဘောတူခဲ့တယ်။

အဲဒီ့နောက်မှာတော့ အဲဒီလူသစ်စုဆောင်းရေးသမားက ကျွန်တော့်ကို အင်တာဗျူးစီစဉ်ဖို့ ခေါ်လိုက်တာနဲ့ သူ မကျေနပ်ဘူး။ မင်းခေါင်းကို ခုန်မချဖို့ တစ်ခုခုပြောနေခဲ့တယ်။

လာခဲ့တယ်။ အင်တာဗျူး။ မတူညီသောလူများနှင့် ငါးနာရီကြာ ဆက်သွယ်မှု။ နက်ရှိုင်းသောသင်ယူခြင်းအကြောင်း သို့မဟုတ် စက်သင်ယူခြင်းအကြောင်းမူအရ မေးခွန်းတစ်ခုတည်းမရှိပါ။ Deep Learning/Computer Vision မရှိတဲ့အတွက် စိတ်မဝင်စားပါဘူး။ ထို့ကြောင့် အင်တာဗျူးရလဒ်များသည် အချိုးညီညီဖြစ်သည်။

ဤအလုပ်ခန့်သူသည် ဖုန်းခေါ်ပြီး ပြောသည် - ဂုဏ်ယူပါတယ် ၊ မင်း ဒုတိယမြောက် အင်တာဗျူးကို အောင်သွားပါပြီ။ ဒါက အားလုံး အံ့သြစရာပါပဲ။ ဒုတိယဆိုက်ကဘာလဲ။ ဒီလိုမျိုး တစ်ခါမှ မကြားဖူးဘူး။ ငါသွားခဲ့တယ်။ ဒီတစ်ခါတော့ သမားရိုးကျ စက်သင်ယူမှုအကြောင်း နာရီနှစ်ချက်လောက်ရှိပြီ။ ဒါပိုကောင်းတယ်။ ဒါပေမယ့် စိတ်မဝင်စားသေးဘူး။

စုဆောင်းသူသည် တတိယအကြိမ် အင်တာဗျူးအောင်မြင်ခဲ့ပြီး ၎င်းသည် နောက်ဆုံးဖြစ်မည်ဟု ကတိပြုလိုက်သည့်အတွက် ဂုဏ်ယူဝမ်းမြောက်ကြောင်း ခေါ်ယူသည်။ ကျွန်တော် သွားကြည့်တော့ DL နဲ့ CV ပါပါတယ်။

ကမ်းလှမ်းမှု မရှိဘူးလို့ ကြိုပြောခဲ့တာ လအတော်ကြာခဲ့ပြီ။ နည်းပညာပိုင်းဆိုင်ရာ ကျွမ်းကျင်မှုတွေ မဟုတ်ဘဲ ပျော့ပျောင်းတဲ့ ဘာသာရပ်တွေကိုပါ လေ့ကျင့်ပေးမှာပါ။ ပျော့ပျောင်းသောဘက်တွင်မဟုတ်သော်လည်း ရာထူးပိတ်မည် သို့မဟုတ် ကုမ္ပဏီက အလုပ်ခန့်ထားခြင်းမရှိသေးကြောင်း ၊ စျေးကွက်နှင့် ကိုယ်စားလှယ်လောင်းအဆင့်ကို ရိုးရိုးရှင်းရှင်း စမ်းသပ်နေခြင်း ဖြစ်သည်။

သြဂုတ်လလယ်။ ငါ ဘီယာသောက်တာ ကောင်းတယ်။ မှောင်မိုက်သောအတွေးများ။ 8 လကျော်သွားပါပြီ၊ ကမ်းလှမ်းမှုမရှိသေးပါ။ အထူးသဖြင့် တီထွင်ဖန်တီးမှုမှာ ထူးဆန်းနေလျှင် ဘီယာအောက်တွင် တီထွင်ဖန်တီးနိုင်မှုသည် ကောင်းပါတယ်။ အတွေးတစ်ခုဝင်လာသည်။ အဲဒီတုန်းက MIT မှာ postdoc လုပ်ခဲ့တဲ့ Alexey Shvets နဲ့ မျှဝေခဲ့ပါတယ်။

အကယ်၍ သင်သည် အနီးဆုံး DL/CV ကွန်ဖရင့်ကို ယူပါ၊ ၎င်း၏တစ်စိတ်တစ်ပိုင်းအဖြစ် ကျင်းပသည့် ပြိုင်ပွဲများကို ကြည့်ရှုပါ၊ တစ်ခုခုကို လေ့ကျင့်ပြီး တင်ပြပါက မည်သို့ဖြစ်မည်နည်း။ အဲဒီမှာ ကျွမ်းကျင်သူတွေအားလုံးက သူတို့ရဲ့ အသက်မွေးဝမ်းကြောင်းကို တည်ဆောက်ပြီး လပေါင်းများစွာ ဒါမှမဟုတ် နှစ်တွေတောင်ကြာအောင် လုပ်လာတဲ့အတွက်ကြောင့်၊ ကျွန်တော်တို့မှာ အခွင့်အရေးမရှိပါဘူး။ ဒါပေမယ့် ကြောက်စရာတော့ မဟုတ်ဘူး။ ကျွန်ုပ်တို့သည် အဓိပ္ပါယ်ရှိသော တင်ပြချက်အချို့ကို ပြုလုပ်ကြပြီး နောက်ဆုံးနေရာသို့ ပျံသန်းကြပြီး၊ ထို့နောက်တွင် ကျွန်ုပ်တို့သည် အခြားသူများနှင့် မည်သို့မျှမတူကြောင်း ဆောင်းပါးတစ်ပုဒ်ကို ရေးသားပြီး ကျွန်ုပ်တို့၏ ဆုံးဖြတ်ချက်အကြောင်း ဆွေးနွေးကြသည်။ ဆောင်းပါးသည် LinkedIn နှင့် သင့်ကိုယ်ရေးမှတ်တမ်းတွင် ရှိနှင့်ပြီးဖြစ်သည်။

ဆိုလိုသည်မှာ၊ ၎င်းသည် သက်ဆိုင်ပုံရပြီး ကိုယ်ရေးရာဇဝင်တွင် ပိုမိုမှန်ကန်သောသော့ချက်စာလုံးများရှိနေသည်၊ ၎င်းသည် နည်းပညာမျက်နှာပြင်သို့ရောက်ရှိရန် အခွင့်အလမ်းအနည်းငယ်တိုးသင့်သည်။ ကျွန်ုပ်ထံမှကုဒ်နှင့် တင်ပြချက်များ၊ Alexey မှ စာတိုများ။ ဂိမ်း၊ ဟုတ်ပါတယ်၊ ဒါပေမယ့် ဘာကြောင့် မလုပ်တာလဲ။

အမြဲတမ်းချက်ချင်းလုပ်မယ်လို့ပြောသည်။ အနီးဆုံး ကွန်ဖရင့်မှာ MICCAI ဖြစ်ပြီး အဲဒီမှာ ပြိုင်ပွဲတွေ ရှိခဲ့ပါတယ်။ ငါတို့က ပထမကို ရိုက်တယ်။ အဲဒါက ... ဖြစ်တယ် အစာအိမ်နှင့် အူလမ်းကြောင်းဆိုင်ရာ ရုပ်ပုံ ခွဲခြမ်းစိတ်ဖြာခြင်း (GIANA). လုပ်ငန်းတွင် လုပ်ဆောင်စရာခွဲ ၃ ခု ရှိသည်။ သတ်မှတ်ချိန်မတိုင်ခင် ၈ ရက်ကျန်သေးတယ်။ မနက်မိုးလင်းတော့ ကျွန်တော် အိပ်ပျော်သွားပေမယ့် စိတ်ကူးကို မစွန့်လွှတ်လိုက်ဘူး။ ကျွန်ုပ်သည် Kaggle မှ ပိုက်လိုင်းများကို ယူကာ ဂြိုလ်တုဒေတာမှ ဆေးဘက်ဆိုင်ရာဒေတာသို့ ပြောင်းခဲ့သည်။ 'fit_predict'။ Alexey သည် ပြဿနာတစ်ခုစီအတွက် ဖြေရှင်းနည်းများ၏ စာမျက်နှာနှစ်မျက်နှာပါ ဖော်ပြချက်ကို ပြင်ဆင်ခဲ့ပြီး ၎င်းကို ကျွန်ုပ်တို့ပေးပို့ခဲ့သည်။ အဆင်သင့်။ သီအိုရီအရ သင်သည် ရှူထုတ်နိုင်သည်။ ဒါပေမယ့် တူညီတဲ့အလုပ်ရုံအတွက် နောက်ထပ်အလုပ်တစ်ခုရှိသေးတယ် (စက်ရုပ်တူရိယာ အပိုင်းခွဲခြင်း။အလုပ်ခွဲသုံးခုဖြင့်) သူမ၏နောက်ဆုံးရက်ကို 4 ရက်ရွှေ့ထားသည်၊ ဆိုလိုသည်မှာ၊ ကျွန်ုပ်တို့သည် ထိုနေရာတွင် 'fit_predict' ကိုလုပ်နိုင်ပြီး ၎င်းကိုပေးပို့နိုင်သည်။ အဲဒါ ငါတို့လုပ်ခဲ့တာ။

Kaggle နှင့်မတူဘဲ၊ ဤပြိုင်ပွဲများတွင် ၎င်းတို့၏ကိုယ်ပိုင် ပညာရပ်ဆိုင်ရာ သတ်မှတ်ချက်များရှိသည်-

1. Leaderboard မရှိပါ။ တင်ပြချက်များကို အီးမေးလ်ဖြင့် ပေးပို့ပါသည်။
2. အလုပ်ရုံဆွေးနွေးပွဲတွင် အသင်းကိုယ်စားလှယ်တစ်ဦးမှ အဖြေရှာရန်လာရောက်ခြင်းမရှိပါက သင့်အား ဖယ်ရှားမည်ဖြစ်ပါသည်။
3. ဦးဆောင်သူစာရင်းဘုတ်ပေါ်ရှိ သင်၏နေရာကို ညီလာခံကျင်းပနေချိန်တွင်သာ သိနိုင်သည်။ ပညာရပ်ဆိုင်ရာ ဒရာမာတစ်မျိုး။

MICCAI 2017 ကွန်ဖရင့်ကို Quebec မြို့မှာ ကျင်းပခဲ့ပါတယ်။ ရိုးရိုးသားသားပြောရလျှင် စက်တင်ဘာလတွင် ကျွန်ုပ်သည် ပူလောင်နေပြီဖြစ်သောကြောင့် အလုပ်မှ တစ်ပတ်ခန့်အနားယူပြီး ကနေဒါသို့သွားမည့် စိတ်ကူးသည် စိတ်ဝင်စားဖွယ်ကောင်းသည်။

ညီလာခံကို လာခဲ့တယ်။ ကျွန်တော် ဒီ Workshop ကို လာခဲ့တယ်၊ ဘယ်သူမှ မသိပါဘူး၊ ထောင့်မှာ ထိုင်နေတယ်။ လူတိုင်းက တစ်ယောက်နဲ့တစ်ယောက် သိကြတယ်၊ ပြောဆိုဆက်ဆံကြတယ်၊ လိမ္မာပါးနပ်တဲ့ ဆေးပညာစကားတွေကို ထုတ်ပစ်လိုက်ကြတယ်။ ပထမပြိုင်ပွဲကို ပြန်လည်သုံးသပ်ခြင်း။ ပါဝင်သူများသည် ၎င်းတို့၏ ဆုံးဖြတ်ချက်များအကြောင်း ဆွေးနွေးပြောဆိုကြသည်။ တောက်ပမှုနဲ့အတူ အဲဒီမှာ အေးတယ်။ ငါ့အလှည့်။ ပြီးတော့ ငါက တစ်နည်းနည်းနဲ့တောင် ရှက်သွားတယ်။ သူတို့သည် ပြဿနာကို ဖြေရှင်းပြီး၊ ၎င်းကို လုပ်ဆောင်ခဲ့သည်၊ အဆင့်မြင့် သိပ္ပံပညာ၊ ကျွန်ုပ်တို့သည် သိပ္ပံအတွက်မဟုတ်ဘဲ၊ ကျွန်ုပ်တို့၏ ကိုယ်ရေးရာဇဝင်ကို မြှင့်တင်ရန်အတွက် အတိတ်က ဖြစ်ထွန်းမှုများမှ "အံဝင်ခန့်မှန်းခြင်း" သက်သက်သာဖြစ်သည်။

သူထွက်လာပြီး ကျွန်တော်ဟာ ဆေးပညာမှာ မကျွမ်းကျင်ဘူးလို့ ပြောပြီး အချိန်ဖြုန်းမိတဲ့အတွက် တောင်းပန်ပြီး ဖြေရှင်းချက်နဲ့အတူ slide တစ်ခုကို ပြခဲ့ပါတယ်။ ခန်းမထဲကို ဆင်းသွားတယ်။

၎င်းတို့သည် ပထမလုပ်ငန်းခွဲကို ကြေညာသည် - ကျွန်ုပ်တို့သည် ပထမဆုံးဖြစ်ပြီး အနားသတ်ဖြင့်
ဒုတိယနှင့် တတိယ တို့ကို ထုတ်ပြန်ကြေညာသည်။
တတိယအကြိမ် - ဦးဆောင်မှုဖြင့် အဖန်ဖန် အဖန်ဖန် ကြေညာကြသည်။
ဗိုလ်ချုပ်က ပထမ။

တရားဝင် သတင်းထုတ်ပြန်ချက်။

ပရိသတ်အချို့က ကျွန်တော့်ကို လေးလေးစားစား ပြုံးပြကြသည်။ နယ်ပယ်တွင် ကျွမ်းကျင်သူများဟု ထင်ထင်မြင်သာထင်သာရှိသော အခြားသူများ၊ ဤလုပ်ငန်းအတွက် ထောက်ပံ့ကြေးရရှိခဲ့ပြီး ယင်းကို နှစ်ပေါင်းများစွာ လုပ်ဆောင်လာခဲ့ကြရာ ၎င်းတို့၏ မျက်နှာများတွင် အနည်းငယ် ပုံပျက်ပန်းပျက် ဖြစ်နေကြသည်။

နောက်တစ်ခုကတော့ ဒုတိယအလုပ်၊ အလုပ်ခွဲသုံးခုပါပြီး လေးရက်အတွင်း ရှေ့ကိုရွှေ့ထားပါတယ်။

ဒီနေရာမှာလည်း တောင်းပန်ပြီး ကျွန်တော်တို့ရဲ့ slide တစ်ခုကို ထပ်ပြခဲ့ပါတယ်။
ဇာတ်လမ်းအတူတူပါပဲ။ ပထမနှစ်ခု၊ တစ်စက္ကန့်၊ ဘုံပထမ။

စုစည်းမှုအေဂျင်စီတစ်ခုသည် ဆေးဘက်ဆိုင်ရာပုံရိပ်ဖော်ပြိုင်ပွဲကို အနိုင်ရခဲ့သည့် သမိုင်းတစ်လျှောက် ပထမဆုံးအကြိမ်ဖြစ်နိုင်သည်ဟု ကျွန်တော်ထင်ပါတယ်။

အခု ကျွန်တော် စင်ပေါ်မှာ ရပ်နေတယ်၊ ​​သူတို့က ကျွန်တော့်ကို ဒီပလိုမာ တစ်မျိုးမျိုး ပေးလာလို့ တရစပ် ဖြစ်နေတယ်။ ဒါ ဘယ်လိုဖြစ်နိုင်မလဲ။ ဤပညာရှင်များသည် ဆရာဝန်များအတွက် အလုပ်၏ အရည်အသွေးကို ရိုးရှင်းစေရန်နှင့် ပိုမိုကောင်းမွန်စေရန်အတွက် အခွန်ထမ်းများ၏ ပိုက်ဆံများကို သုံးစွဲနေကြသည်၊ ဆိုလိုသည်မှာ သီအိုရီအရ၊ ကျွန်ုပ်၏ သက်တမ်းနှင့် အချို့သော ခန္ဓာကိုယ်များသည် ညနေအနည်းငယ်တွင် ဤပညာရပ်ဆိုင်ရာဝန်ထမ်းများအား ဗြိတိသျှအလံသို့ ဆွဲဆုတ်သွားကြသည်။

ဤအရာအတွက် အပိုဆုတစ်ခုမှာ အခြားအဖွဲ့များတွင် လပေါင်းများစွာ ဤအလုပ်များကို လုပ်ကိုင်ခဲ့သော ဘွဲ့ရကျောင်းသားများသည် HR အတွက် ဆွဲဆောင်မှုရှိသော ကိုယ်ရေးရာဇဝင်ကို ရရှိလိမ့်မည်၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် နည်းပညာဆိုင်ရာ မျက်နှာပြင်သို့ အလွယ်တကူ ရနိုင်မည်ဖြစ်သည်။ ပြီးတော့ ကျွန်တော့်မျက်စိရှေ့မှာ လတ်လတ်ဆတ်ဆတ် လက်ခံရရှိတဲ့ အီးမေးလ်တစ်စောင် ရှိတယ်။

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.

ယေဘူယျအားဖြင့်၊ စင်မြင့်ပေါ်ကနေ ပရိသတ်ကို မေးကြည့်တော့ “ငါအလုပ်လုပ်နေတဲ့နေရာကို သိတဲ့သူရှိလား” ပြိုင်ပွဲကျင်းပရေးမှူးများထဲမှတစ်ဦးသည် TrueAccord ဆိုတာကို Google မှသိပါသည်။ ကျန်တာတွေ မဟုတ်ဘူး။ ဆက်လက်ပြီး “ကျွန်တော်က စုဆောင်းရေးအေဂျင်စီတစ်ခုအတွက် အလုပ်လုပ်ပါတယ်၊ အလုပ်မှာ Computer Vision နဲ့ Deep Learning လည်းမလုပ်ပါဘူး။ နည်းလမ်းများစွာဖြင့်၊ Google Brain နှင့် Deepmind ၏ HR ဌာနများသည် ကျွန်ုပ်၏ကိုယ်ရေးအကျဉ်းကို စစ်ထုတ်ပြီး နည်းပညာဆိုင်ရာ သင်တန်းများကို ပြသရန် အခွင့်အရေးမပေးသောကြောင့် ထိုသို့ဖြစ်ရခြင်းဖြစ်ပါသည်။ “

လက်မှတ်တွေ လွှဲပေးတာ ခဏနားတယ်။ ပညာရှင်တစ်စုက ကျွန်တော့်ကို ဘေးဖယ်ထားတယ်။ ဤသည်မှာ Deepmind ပါသော ကျန်းမာရေးအဖွဲ့ဖြစ်သည် ။ သူတို့အရမ်းသဘောကျသွားတဲ့အတွက် သူတို့အဖွဲ့မှာရှိတဲ့ Research Engineer လစ်လပ်နေတဲ့အကြောင်း ချက်ချင်းပြောပြချင်ကြတယ်။ (ငါတို့စကားပြောခဲ့တယ်။ ဒီစကားဝိုင်းက 6 လကြာတယ်၊ ငါအိမ်ပြန်တယ်၊ စာမေးပွဲဖြေပေမယ့် နည်းပညာစခရင်မှာ ပြတ်တောက်သွားတယ်။ နည်းပညာစခရင်ကို ဆက်သွယ်မှုစတင်ချိန်ကစလို့ 6 လတာကြာတယ်။ စောင့်ဆိုင်းရတာက အရသာရှိစေတယ်။ TrueAccord ၏ နောက်ခံကို ဆန့်ကျင်၍ လန်ဒန်ရှိ Deepmind မှ သုတေသန အင်ဂျင်နီယာ အင်ဂျင်နီယာ သည် ခိုင်မာသော ခြေလှမ်းတစ်ရပ် ရှိခဲ့သော်လည်း ကျွန်ုပ်၏ လက်ရှိ ရာထူး နောက်ခံနှင့် ယှဉ်ပါက ခြေလှမ်းကျဲသွားသည် ။ မဖြစ်ခဲ့ပါဘူး။)

ကောက်ချက်

တစ်ချိန်တည်းမှာပဲ Lyft ဆီက ကမ်းလှမ်းချက်ကို လက်ခံရရှိခဲ့ပါတယ်။
MICCAI နှင့် အဆိုပါပြိုင်ပွဲနှစ်ခု၏ ရလဒ်များအပေါ် အခြေခံ၍ အောက်ပါအတိုင်း ထုတ်ပြန်ခဲ့သည်။

1. နက်ရှိုင်းသောသင်ယူမှုကို အသုံးပြု၍ စက်ရုပ်အကူအညီခွဲစိတ်မှုတွင် အလိုအလျောက်တူရိယာ ပိုင်းခြားခြင်း။
2. နက်ရှိုင်းသော convolutional အာရုံကြောကွန်ရက်များကို အသုံးပြု၍ Angiodysplasia ထောက်လှမ်းခြင်းနှင့် ဒေသသတ်မှတ်ခြင်း။
3. 2017 စက်ရုပ်တူရိယာ အပိုင်းခွဲခြင်း စိန်ခေါ်မှု

ဆိုလိုသည်မှာ အိုင်ဒီယာ၏ ရိုင်းစိုင်းနေသော်လည်း ပြိုင်ပွဲများမှတစ်ဆင့် တိုးမြင့်လာသော ဆောင်းပါးများနှင့် ကြိုတင်ပုံများကို ပေါင်းထည့်ခြင်းသည် ကောင်းစွာအလုပ်လုပ်ပါသည်။ နောက်နှစ်တွေမှာလည်း ပိုဆိုးလာခဲ့တယ်။

ကျွန်တော် Lyft မှာ လွန်ခဲ့တဲ့ နှစ်နှစ်လောက်ကတည်းက အလုပ်လုပ်ခဲ့ပြီး Self Driving ကားတွေအတွက် Computer Vision/Deep Learning လုပ်နေပါတယ်။ အဲဒါက ငါလိုချင်တာကို ရခဲ့တယ်။ အလုပ်များ၊ အဆင့်အတန်းမြင့်သော ကုမ္ပဏီ၊ ခိုင်မာသော လုပ်ဖော်ကိုင်ဖက်များ၊

ဒီလတွေအတွင်းမှာ Google၊ Facebook၊ Uber၊ LinkedIn နဲ့ အရွယ်အစားအမျိုးမျိုးရှိတဲ့ startups ကြီးတွေနဲ့ အဆက်အသွယ်ရခဲ့တယ်။

ဒီလတွေအားလုံးကို နာကျင်စေတယ်။ စကြာဝဠာကြီးက မင်းကို နေ့တိုင်း သိပ်ပြီးမသာယာတဲ့အရာတစ်ခုကို ပြောပြတယ်။ ပုံမှန် ငြင်းဆိုခြင်း၊ အမှားများ မကြာခဏ ပြုလုပ်ခြင်း နှင့် ဤအရာ အားလုံးကို မျှော်လင့်ချက် ကင်းမဲ့သော ခံစားချက် ဖြင့် အရသာ ခံစားရသည် ။ သင်အောင်မြင်မည်ဟု အာမခံချက်မရှိသော်လည်း သင်သည် လူမိုက်ဖြစ်ကြောင်း ခံစားချက်ရှိသည်။ တက္ကသိုလ်ပြီးတာနဲ့ အလုပ်ရှာဖို့ ကြိုးစားခဲ့တာကို အရမ်းသတိရပါတယ်။

တော်တော်များများက ချိုင့်ဝှမ်းမှာ အလုပ်ရှာကြပြီး သူတို့အတွက် အရာအားလုံးက ပိုလွယ်တယ်လို့ ကျွန်တော်ထင်ပါတယ်။ လှည့်ကွက်က ကျွန်တော့်အမြင်ကတော့ ဒီလိုပါ။ သင်နားလည်နိုင်သော နယ်ပယ်တစ်ခုတွင် အတွေ့အကြုံများစွာရှိပြီး သင့်ကိုယ်ရေးရာဇဝင်တွင် တူညီသောအလုပ်တစ်ခုကို ရှာဖွေနေပါက ပြဿနာမရှိပါ။ ကျွန်တော်ယူသွားပြီး တွေ့တယ်။ လစ်လပ်တွေများတယ်။

ဒါပေမယ့် သင့်အတွက် အသစ်အဆန်းဖြစ်တဲ့ နယ်ပယ်တစ်ခုမှာ အလုပ်ရှာနေတယ်ဆိုရင် ဆိုလိုတာကတော့ ဗဟုသုတမရှိတဲ့အခါ အဆက်အစပ်မရှိတာနဲ့ သင့်ကိုယ်ရေးရာဇဝင်က တစ်ခုခုမှားနေတယ်လို့ ပြောပါတယ် - ဒီအချိန်မှာ အရာအားလုံးဟာ အလွန်စိတ်ဝင်စားစရာဖြစ်လာပါတယ်။

ယခုအချိန်တွင် အလုပ်ခန့်သူများသည် ကျွန်ုပ်ထံသို့ ပုံမှန်စာရေးပြီး ယခု ကျွန်တော်လုပ်နေသည့် တူညီသောအရာကို လုပ်ဆောင်ရန် ကမ်းလှမ်းသော်လည်း မတူညီသော ကုမ္ပဏီတစ်ခုတွင် ဖြစ်သည်။ တကယ်အလုပ်ပြောင်းချိန်ရောက်ပြီ။ ဒါပေမယ့် ကျွန်တော် ကောင်းကောင်း တတ်မြောက် ဖို့ က ဘာ မှ အဓိပ္ပါယ် မရှိ ပါဘူး ။ ဘာအတွက်လဲ?

ဒါပေမယ့် ကိုယ်လိုချင်တဲ့အရာအတွက် ကိုယ့်ကိုယ်ရေးရာဇဝင်မှာ ဗဟုသုတလည်း မရှိတော့ဘူး။ ဒါတွေအားလုံး ဘယ်လိုအဆုံးသတ်မလဲဆိုတာ ကြည့်ရအောင်။ အားလုံးအဆင်ပြေရင် နောက်အပိုင်းဆက်ရေးမယ်။ 🙂

source: www.habr.com