भौतिकशास्त्री देखि डेटा विज्ञान सम्म (विज्ञान को इन्जिन देखि कार्यालय प्लांकटन सम्म)। तेस्रो भाग

यो तस्बिर आर्थर कुजिनको हो (n01z3), एकदम सही रूपमा ब्लग पोस्ट को सामग्री संक्षेप। नतिजाको रूपमा, निम्न कथालाई धेरै उपयोगी र प्राविधिक कुराको रूपमा भन्दा शुक्रबारको कथाको रूपमा बुझ्नुपर्दछ। साथै, यो पाठ अंग्रेजी शब्दहरु मा धनी छ कि ध्यान दिन लायक छ। मलाई ती मध्ये केहीलाई कसरी सही रूपमा अनुवाद गर्ने थाहा छैन, र म तीमध्ये केही अनुवाद गर्न चाहन्न।

पहिलो भाग।
दोस्रो भाग।

शैक्षिक वातावरणबाट औद्योगिक परिवेशमा कसरी संक्रमण भयो भन्ने कुरा पहिलो दुई श्रृङ्खलामा खुलाइएको छ। यस मा, कुराकानी पछि के भयो भन्ने बारे हुनेछ।

यो जनवरी 2017 थियो। त्यसबेला, मसँग एक वर्ष भन्दा अलि बढी कामको अनुभव थियो र मैले कम्पनीमा सान फ्रान्सिस्कोमा काम गरें। TrueAccord जस्तै Sr डाटा वैज्ञानिक।

TrueAccord ऋण सङ्कलन स्टार्टअप हो। सरल शब्दहरूमा - एक संग्रह एजेन्सी। कलेक्टरहरू सामान्यतया धेरै कल गर्छन्। हामीले धेरै इमेलहरू पठायौं, तर थोरै कलहरू गर्यौं। प्रत्येक इमेलले कम्पनीको वेबसाइटमा नेतृत्व गर्‍यो, जहाँ ऋणीलाई ऋणमा छुट प्रस्ताव गरिएको थियो, र किस्ताहरूमा भुक्तान गर्न पनि अनुमति दिइएको थियो। यस दृष्टिकोणले राम्रो सङ्कलन गर्न नेतृत्व गर्यो, स्केलिंगको लागि अनुमति दिईयो र मुकदमाहरूमा कम एक्सपोजर भयो।

कम्पनी सामान्य थियो। उत्पादन स्पष्ट छ। व्यवस्थापन सचेत छ । स्थान राम्रो छ।

उपत्यकाका मानिसले औसतमा डेढ वर्ष एकै ठाउँमा काम गर्छन् । त्यो हो, तपाईले काम गर्ने कुनै पनि कम्पनी एउटा सानो कदम मात्र हो। यस चरणमा तपाईंले केही पैसा उठाउनुहुनेछ, नयाँ ज्ञान, सीपहरू, जडानहरू र तपाईंको रिजुमेमा लाइनहरू प्राप्त गर्नुहुनेछ। यस पछि अर्को चरणमा संक्रमण छ।

TrueAccord मा, म इमेल न्यूजलेटरहरूमा सिफारिस प्रणालीहरू संलग्न गर्न, साथै फोन कलहरूलाई प्राथमिकता दिनमा संलग्न थिएँ। प्रभाव बुझ्न सकिने छ र A/B परीक्षण मार्फत डलरमा राम्रोसँग मापन गरिएको थियो। मेरो आगमन अघि कुनै मेसिन लर्निङ नभएकोले मेरो कामको प्रभाव नराम्रो थिएन। फेरि, पहिले नै भारी अप्टिमाइज गरिएको केहि भन्दा केहि सुधार गर्न धेरै सजिलो छ।

यी प्रणालीहरूमा काम गरेको छ महिना पछि, तिनीहरूले मेरो आधार वेतन $ 150k बाट $ 163k मा बढाए। समुदायमा खुला डाटा विज्ञान (ODS) त्यहाँ $ 163k बारे मेम छ। यहाँबाट खुट्टाले बढ्छ।

यो सबै अद्भुत थियो, तर यसले कतै नेतृत्व गरेन, वा यसले नेतृत्व गर्यो, तर त्यहाँ होइन।

मलाई TrueAccord, कम्पनी र त्यहाँ काम गरेका केटाहरू दुवैप्रति ठूलो सम्मान छ। मैले उनीहरूबाट धेरै कुरा सिकें, तर म सङ्कलन एजेन्सीमा सिफारिस प्रणालीहरूमा लामो समय काम गर्न चाहन्न। यस पाइलाबाट तपाईंले कुनै न कुनै दिशामा पाइला चाल्नुपर्छ। यदि अगाडि र माथि होइन, कम्तिमा छेउमा।

मलाई के मन परेन?

1. मेसिन लर्निङको दृष्टिकोणबाट, समस्याहरूले मलाई उत्तेजित गरेनन्। मलाई फेसनशील, युवावस्था, त्यो हो, गहिरो शिक्षा, कम्प्युटर भिजन, विज्ञान वा कम्तिमा कीमियासँग नजिकको कुरा चाहियो।
2. एक स्टार्टअप, र एक सङ्कलन एजेन्सी पनि, उच्च योग्य कर्मचारीहरू भर्ती गर्न समस्याहरू छन्। स्टार्टअपको रूपमा, यसले धेरै तिर्न सक्दैन। तर सङ्कलन एजेन्सीको रूपमा, यो स्थिति गुमाउँछ। मोटे रूपमा भन्नुपर्दा, डेटमा जाने केटीले सोधे कि तिमी कहाँ काम गर्छौ ? तपाईंको जवाफ: "Google मा" "संकलन एजेन्सी" भन्दा परिमाणका अर्डरहरू राम्रो लाग्छ। म भन्दा फरक, गुगल र फेसबुकमा काम गर्ने मेरा साथीहरूका लागि तिनीहरूको कम्पनीको नामले ढोका खोल्यो: तपाईंलाई सम्मेलन वा वक्ताको रूपमा भेटघाटमा आमन्त्रित गर्न सकिन्छ, वा लिंक्डइनमा थप चाखलाग्दो व्यक्तिहरू लेख्न सकिन्छ भन्ने तथ्यले मलाई अलिकति चिन्तित बनाएको थियो। एक गिलास चियामा भेट्न र कुराकानी गर्ने प्रस्तावको साथ। मलाई व्यक्तिगत रूपमा नचिनेका मानिसहरूसँग कुराकानी गर्न मनपर्छ। त्यसोभए यदि तपाईं सान फ्रान्सिस्कोमा बस्नुहुन्छ भने, लेख्न नहिचकिचाउनुहोस् - कफी र कुराको लागि जानुहोस्।
3. म बाहेक, कम्पनीमा तीन डाटा वैज्ञानिक काम गर्थे। म मेशिन लर्निङमा काम गरिरहेको थिएँ, र उनीहरूले अन्य डेटा विज्ञान कार्यहरूमा काम गरिरहेका थिए, जुन यहाँदेखि भोलिसम्म कुनै पनि स्टार्टअपमा सामान्य हुन्छ। नतिजाको रूपमा, तिनीहरूले वास्तवमा मेसिन शिक्षा बुझेनन्। तर बढ्नको लागि, मैले कसैसँग कुराकानी गर्न आवश्यक छ, लेखहरू र पछिल्लो घटनाक्रमहरू छलफल गर्न, र अन्तमा सल्लाह माग्न आवश्यक छ।

के उपलब्ध थियो?

1. शिक्षा: भौतिक विज्ञान, कम्प्युटर विज्ञान होइन।
2. एक मात्र प्रोग्रामिङ भाषा मलाई थाहा थियो पाइथन थियो। त्यहाँ एउटा अनुभूति थियो कि मलाई C++ मा स्विच गर्न आवश्यक छ, तर म अझै यसको वरिपरि पुग्न सकिन।
3. उद्योगमा डेढ वर्ष काम गरेको छ । यसबाहेक, काममा मैले डीप लर्निङ वा कम्प्युटर भिजनको अध्ययन गरिनँ।
4. रिजुमेमा डीप लर्निंग / कम्प्युटर भिजनमा एक लेख छैन।
5. त्यहाँ एक Kaggle मास्टर उपलब्धि थियो।

के चाहियो ?

1. एक स्थिति जहाँ धेरै नेटवर्कहरू तालिम दिन आवश्यक हुनेछ, र कम्प्युटर दृष्टिको नजिक।
2. गुगल, टेस्ला, फेसबुक, उबर, लिंक्डइन, आदि जस्ता ठूला कम्पनीहरू भए राम्रो हुन्छ। यद्यपि एक चुटकीमा, एक स्टार्टअपले गर्नेछ।
3. मलाई टोलीमा सबैभन्दा ठूलो मेसिन लर्निङ विशेषज्ञ हुनु आवश्यक छैन। सिकाइ प्रक्रियालाई गति दिनु पर्ने भएकाले वरिष्ठ साथीहरू, सल्लाहकारहरू र सबै प्रकारका सञ्चारको ठूलो आवश्यकता थियो।
4. कसरी औद्योगिक अनुभव बिना स्नातकहरू प्रति वर्ष $ 300-500k को कुल क्षतिपूर्ति छ भन्ने बारे ब्लग पोष्टहरू पढेपछि, म उही दायरामा जान चाहन्छु। यो होइन कि यसले मलाई धेरै सताउँछ, तर तिनीहरूले यो एक सामान्य घटना हो भन्छन्, तर मसँग कम छ, तब यो एक संकेत हो।

कार्य पूर्णतया समाधानयोग्य देखिन्थ्यो, यद्यपि तपाईं कुनै पनि कम्पनीमा हाम फाल्न सक्नुहुन्छ भन्ने अर्थमा होइन, तर बरु यदि तपाईं भोकै हुनुहुन्छ भने, सबै काम हुनेछ। त्यो हो, दशौं वा सयौं प्रयासहरू, र प्रत्येक असफलता र प्रत्येक अस्वीकृतिको पीडा, फोकसलाई तिखार्न, स्मरणशक्ति सुधार गर्न र दिनलाई 36 घण्टामा विस्तार गर्न प्रयोग गर्नुपर्छ।

मैले मेरो बायोडेटा ट्वीक गरें, यसलाई पठाउन थाले, र अन्तर्वार्ताको लागि जाँदै थिएँ। मैले एचआरसँग सञ्चारको चरणमा तिनीहरूमध्ये धेरैलाई पार गरें। धेरै मानिसहरूलाई C++ चाहिन्छ, तर मलाई यो थाहा थिएन, र मलाई C++ आवश्यक पर्ने पदहरूमा धेरै रुचि नहुने कुराको बलियो अनुभूति थियो।

यो ध्यान दिन लायक छ कि लगभग एकै समयमा Kaggle मा प्रतियोगिता को प्रकार मा एक चरण संक्रमण थियो। 2017 भन्दा पहिले त्यहाँ धेरै ट्याबुलर डाटा र धेरै दुर्लभ चित्र डाटा थियो, तर 2017 मा सुरुमा त्यहाँ धेरै कम्प्युटर दृष्टि कार्यहरू थिए।

जीवन निम्न मोडमा प्रवाहित भयो:

1. दिनको समयमा काम गर्नुहोस्।
2. जब टेक स्क्रिन / अनसाइट तपाईं समय लिनुहुन्छ।
3. साँझ र सप्ताहन्त Kaggle + लेख / पुस्तकहरू / ब्लग पोस्टहरू

2016 को अन्त म समुदायमा सामेल भएको तथ्य द्वारा चिन्हित थियो खुला डाटा विज्ञान (ODS), जसले धेरै कुरालाई सरल बनायो। त्यहाँ समुदायमा समृद्ध औद्योगिक अनुभव भएका धेरै केटाहरू छन्, जसले हामीलाई धेरै मूर्ख प्रश्नहरू सोध्न र धेरै स्मार्ट जवाफहरू प्राप्त गर्न अनुमति दियो। त्यहाँ सबै स्ट्राइपहरूका धेरै बलियो मेसिन लर्निङ विशेषज्ञहरू पनि छन्, जसले, अप्रत्याशित रूपमा, मलाई, ODS मार्फत, डेटा विज्ञानको बारेमा नियमित गहिरो सञ्चारको साथ मुद्दा बन्द गर्न अनुमति दिए। अहिले सम्म, ML को सर्तमा, ODS ले मलाई काममा पाएको भन्दा धेरै गुणा बढी दिन्छ।

ठीक छ, सामान्य रूपमा, ODS सँग Kaggle र अन्य साइटहरूमा प्रतिस्पर्धाहरूमा पर्याप्त विशेषज्ञहरू छन्। टोलीमा समस्याहरू समाधान गर्नु अधिक रमाइलो र उत्पादनशील हुन्छ, त्यसैले ठट्टा, कसम, मेम्स र अन्य बेवास्ता मनोरञ्जनका साथ, हामीले एक-एक गरेर समस्याहरू समाधान गर्न थाल्यौं।

मार्च 2017 मा - सेरेगा मुशिन्स्कीसँगको टोलीमा - तेस्रो स्थानको लागि Dstl उपग्रह इमेजरी सुविधा पत्ता लगाउने। Kaggle मा स्वर्ण पदक + दुई को लागि $20k। यस कार्यमा, UNet मार्फत उपग्रह छविहरू + बाइनरी विभाजनको साथ काम सुधारिएको थियो। यस विषयमा Habré मा ब्लग पोस्ट।

त्यही मार्चमा, म सेल्फ ड्राइभिङ टोलीसँग NVidia मा अन्तर्वार्ताको लागि गएँ। मैले वस्तु पत्ता लगाउने बारे प्रश्नहरूसँग साँच्चै संघर्ष गरें। पर्याप्त ज्ञान थिएन।

सौभाग्यवश, एकै समयमा, उही DSTL बाट हवाई इमेजरीमा वस्तु पत्ता लगाउने प्रतियोगिता सुरु भयो। भगवान आफैले समस्या समाधान गर्न र स्तरवृद्धि गर्न आदेश दिनुभयो। साँझ र सप्ताहन्तको एक महिना। मैले ज्ञान उठाएँ र दोस्रो भए। यस प्रतियोगिताको नियमहरूमा एक रोचक सूक्ष्मता थियो, जसले मलाई रूसमा संघीय च्यानलहरूमा देखाइयो तर संघीय च्यानलहरूमा। म लागे घर Lenta.ru, र छापा र अनलाइन प्रकाशनहरूको गुच्छामा। मेल रु समूहले मेरो खर्च र आफ्नै पैसामा थोरै सकारात्मक PR प्राप्त गर्यो, र रूसमा आधारभूत विज्ञान १२,००० पाउन्डले समृद्ध भयो। सामान्य रूपमा, यो यस विषयमा लेखिएको थियो hubr मा ब्लग पोस्ट। विवरणको लागि त्यहाँ जानुहोस्।

उही समयमा, टेस्ला भर्तीकर्ताले मलाई सम्पर्क गरे र कम्प्युटर भिजन स्थितिको बारेमा कुरा गर्न प्रस्ताव गरे। म सहमत भए। मैले टेक होम, दुई टेक स्क्रिन, एक अनसाइट अन्तर्वार्ता, र टेस्लामा भर्खरै एआई निर्देशकको रूपमा नियुक्त भएका आन्द्रेई कार्पाथीसँग धेरै रमाइलो कुराकानी गरें। अर्को चरण पृष्ठभूमि जाँच हो। त्यसपछि, एलोन मस्कले व्यक्तिगत रूपमा मेरो आवेदन अनुमोदन गर्नुपर्‍यो। टेस्लासँग कडा गैर प्रकटीकरण सम्झौता (NDA) छ।
मैले ब्याकग्राउन्ड चेक पास गरेन। भर्तीकर्ताले भने कि म एनडीए उल्लङ्घन गर्दै धेरै अनलाइन च्याट गर्छु। एक मात्र ठाउँ जहाँ मैले टेस्लामा अन्तर्वार्ताको बारेमा केहि भनें ODS थियो, त्यसैले हालको परिकल्पना यो हो कि कसैले स्क्रिनसट लिए र टेस्लामा एचआरलाई लेख्यो, र मलाई हानिको बाटोबाट दौडबाट हटाइयो। त्यतिबेला लाज लाग्थ्यो । अब काम नलागेकोमा खुसी छु। मेरो वर्तमान स्थिति धेरै राम्रो छ, यद्यपि यो Andrey संग काम गर्न धेरै रोचक हुनेछ।

त्यसको लगत्तै, म कागलबाट स्याटेलाइट इमेजरी प्रतियोगितामा डुब्एँ ग्रह प्रयोगशालाहरू - अन्तरिक्षबाट अमेजन बुझ्दै। समस्या सरल र अत्यन्तै बोरिंग थियो; कोही पनि यसलाई समाधान गर्न चाहँदैनथे, तर सबैले नि: शुल्क स्वर्ण पदक वा पुरस्कार रकम चाहन्थे। त्यसैले, ७ जनाको काग्ले मास्टर्सको टोलीसँग, हामीले फलाम फाल्ने सहमति गर्यौं। हामीले 7 नेटवर्कहरूलाई 'fit_predict' मोडमा तालिम दियौं र तिनीहरूबाट तीन-तले ensemble बनायौं। हामी सातौं पुग्यौं। आर्थर कुजिनबाट समाधानको वर्णन गर्दै ब्लग पोस्ट। वैसे, जेरेमी होवार्ड, जो व्यापक रूपमा निर्माताको रूपमा चिनिन्छन् फास्ट एआई 23 समाप्त भयो।

प्रतियोगिता समाप्त भएपछि, AdRoll मा काम गर्ने साथी मार्फत, मैले तिनीहरूको परिसरमा भेटघाट आयोजना गरें। प्लानेट ल्याबका प्रतिनिधिहरूले त्यहाँ प्रतिस्पर्धाको संगठन र डेटा मार्किङ तिनीहरूको तर्फबाट कस्तो देखिन्छ भनेर बोलेका थिए। कागलमा काम गर्ने र प्रतियोगिताको निरीक्षण गर्ने वेन्डी क्वानले यो कसरी देखे भन्ने बारे कुरा गरे। मैले हाम्रो समाधान, चाल, प्रविधि र प्राविधिक विवरणहरू वर्णन गरें। दर्शकहरूको दुई तिहाईले यो समस्या हल गर्यो, त्यसैले प्रश्नहरू बिन्दुमा सोधियो र सामान्यतया सबै कुरा राम्रो थियो। जेरेमी हावर्ड पनि त्यहाँ थिए। यो बाहिरियो कि उसले 23 औं स्थानमा समाप्त गर्यो किनभने उसलाई थाहा थिएन कि कसरी मोडेल स्ट्याक गर्ने र उसलाई ensembles को निर्माण को यो विधि को बारे मा थाहा थिएन।

मेसिन लर्निङमा उपत्यकामा हुने भेटहरू मस्कोमा हुने भेटहरूभन्दा धेरै फरक छन्। नियमको रूपमा, उपत्यकामा भेटघाटहरू तल छन्। तर हाम्रो राम्रो भयो। दुर्भाग्यवश, बटन थिच्ने र सबै कुरा रेकर्ड गर्ने कामरेडले बटन थिचेन :)

त्यस पछि, मलाई त्यही प्लानेट ल्याबमा डीप लर्निङ इन्जिनियरको स्थितिमा कुरा गर्न निमन्त्रणा गरियो, र तुरुन्तै अनसाइट। मैले पास गरिनँ। इन्कारको शब्द भनेको डीप लर्निंगमा पर्याप्त ज्ञान छैन।

मैले प्रत्येक प्रतियोगितालाई प्रोजेक्टको रूपमा डिजाइन गरें LinkedIn। DSTL समस्याको लागि हामीले लेख्यौं प्रि-प्रिन्ट र arxiv मा पोस्ट गर्नुभयो। लेख होइन, तर अझै रोटी। म अरू सबैलाई प्रतियोगिताहरू, लेखहरू, सीपहरू, इत्यादि मार्फत आफ्नो LinkedIn प्रोफाइल बढाउन सिफारिस गर्दछु। तपाइँको LinkedIn प्रोफाइलमा कति कुञ्जी शब्दहरू छन् र कति पटक मानिसहरूले तपाइँलाई सन्देश पठाउँछन् बीचमा सकारात्मक सम्बन्ध छ।

यदि जाडो र वसन्तमा म धेरै प्राविधिक थिएँ भने, अगस्टसम्म मसँग ज्ञान र आत्म-विश्वास दुवै थियो।

जुलाईको अन्त्यमा, Lyft मा डाटा साइन्स प्रबन्धकको रूपमा काम गर्ने एक जना केटाले मलाई LinkedIn मा सम्पर्क गर्नुभयो र मलाई कफी खान र जीवन, Lyft बारे, TrueAccord बारे च्याट गर्न आमन्त्रित गर्नुभयो। हामी बोल्यौ। उनले डाटा वैज्ञानिकको पदका लागि आफ्नो टोलीसँग अन्तर्वार्ता दिन प्रस्ताव गरे। मैले भने कि विकल्प काम गरिरहेको छ, बशर्ते यो कम्प्युटर भिजन / बिहानदेखि बेलुका डीप लर्निंग हो। उनले आफ्नो तर्फबाट कुनै आपत्ति नभएको आश्वासन दिए ।

मैले मेरो बायोडाटा पठाएँ र उसले यसलाई लिफ्टको आन्तरिक पोर्टलमा अपलोड गर्यो। त्यस पछि, भर्तीकर्ताले मलाई मेरो बायोडाटा खोल्न र मेरो बारेमा थप जान्न बोलाए। पहिलो शब्दहरूबाट, यो स्पष्ट थियो कि उनको लागि यो औपचारिकता थियो, किनकि यो उनको बायोडेटाबाट स्पष्ट थियो कि "म लिफ्टको लागि सामग्री होइन।" मलाई लाग्छ कि त्यसपछि मेरो बायोडेटा रद्दीटोकरीमा गयो।

यो सबै समय, जब म अन्तर्वार्ता लिइरहेको थिएँ, मैले ODS मा मेरो असफलता र पतनहरू बारे छलफल गरें र केटाहरूले मलाई प्रतिक्रिया दिए र सल्लाहका साथ सबै सम्भव तरिकामा मद्दत गरे, यद्यपि, सामान्य रूपमा, त्यहाँ धेरै मैत्रीपूर्ण ट्रोलिङ पनि थियो।

ओडीएस सदस्यहरू मध्ये एकले मलाई उनको साथीसँग जोड्ने प्रस्ताव गरे, जो लिफ्टमा इन्जिनियरिङका निर्देशक हुन्। भन्नुभन्दा चाँडो भयो। म लंचको लागि लिफ्टमा आउँछु, र यो साथी बाहेक त्यहाँ डाटा विज्ञानको प्रमुख र एक उत्पादन प्रबन्धक पनि छ जो डीप लर्निंगको ठूलो प्रशंसक हो। लंचमा हामीले DL मा कुराकानी गर्यौं। र मैले आधा वर्षको लागि नेटवर्कहरू 24/7 तालिम दिएको, क्युबिक मिटर साहित्य पढेको, र कम वा कम स्पष्ट नतिजाहरूको साथ कागलमा कार्यहरू चलाएकोले, म नयाँ लेखहरू र दुवै सर्तहरूमा गहिरो शिक्षाको बारेमा घण्टासम्म कुरा गर्न सक्छु। व्यावहारिक प्रविधिहरू।

खाजा खाएपछि उनीहरूले मलाई हेरे र भने - यो तुरुन्तै स्पष्ट छ कि तपाईं सुन्दर हुनुहुन्छ, के तपाईं हामीसँग कुरा गर्न चाहनुहुन्छ? यसबाहेक, तिनीहरूले थपे कि यो मलाई स्पष्ट छ कि घरमा टेक + टेक स्क्रिन छोड्न सकिन्छ। र मलाई तुरुन्तै अनसाइटमा आमन्त्रित गरिनेछ। म सहमत भए।

त्यस पछि, त्यो भर्तीकर्ताले मलाई एक अनसाइट अन्तर्वार्ता तालिका बनाउन बोलायो, ​​र ऊ असन्तुष्ट थियो। उसले तपाईको टाउकोमा हाम फाल्ने बारे केहि गुनासो गर्यो।

आयो। अनसाइट अन्तर्वार्ता। विभिन्न व्यक्तिहरूसँग पाँच घण्टा सञ्चार। त्यहाँ डीप लर्निङको बारेमा, वा सिद्धान्तमा मेसिन लर्निङको बारेमा एक प्रश्न थिएन। डिप लर्निङ/कम्प्युटर भिजन नभएकोले मलाई चासो छैन। यसरी, अन्तर्वार्ता परिणाम अर्थोगोनल थियो।

यो भर्तीकर्ताले कल गर्छ र भन्छ - बधाई छ, तपाइँ दोस्रो अनसाइट अन्तर्वार्तामा पुग्नुभयो। यो सबै अचम्मको कुरा हो। दोस्रो अनसाइट के हो? मैले यस्तो कुरा कहिल्यै सुनेको छैन। म गएँ। त्यहाँ केही घण्टाहरू छन्, यस पटक परम्परागत मेसिन लर्निङको बारेमा। त्यो राम्रो छ। तर अझै रोचक छैन।

भर्तीकर्ताले बधाईका साथ कल गर्दछ कि मैले तेस्रो अनसाइट अन्तर्वार्ता पास गरें र यो अन्तिम हुनेछ भनेर वाचा गर्दछ। म यसलाई हेर्न गएँ र त्यहाँ DL र CV दुवै थियो।

मसँग धेरै महिनाको लागि पहिले थियो जसले मलाई कुनै प्रस्ताव नहुने बताएको थियो। म प्राविधिक सीपहरूमा होइन, तर सफ्टमा तालिम दिनेछु। नरम पक्षमा होइन, तर स्थिति बन्द हुनेछ भन्ने तथ्यमा वा कम्पनीले अझै भर्ती गरिरहेको छैन, तर केवल बजार र उम्मेद्वारहरूको स्तर परीक्षण गरिरहेको छ।

मध्य अगस्त। मैले ठीकै बियर पिएँ। अँध्यारो विचारहरू। 8 महिना बितिसक्यो तर अझै प्रस्ताव छैन। बियर अन्तर्गत रचनात्मक हुन राम्रो छ, विशेष गरी यदि रचनात्मकता अजीब छ। मनमा एउटा विचार आउँछ । म यसलाई एलेक्सी श्वेट्ससँग साझा गर्छु, जो त्यस समयमा एमआईटीमा पोस्टडक थिए।

यदि तपाईंले निकटतम DL/CV सम्मेलन लिनुभयो भने, यसको भागको रूपमा आयोजित प्रतियोगिताहरू हेर्नुहोस्, केही तालिम दिनुभयो र पेश गर्नुभयो? त्यहाँका सबै विज्ञहरूले यसमा आफ्नो क्यारियर निर्माण गरिरहेका छन् र धेरै महिना वा वर्षौंदेखि यो गर्दै आएकाले हामीसँग कुनै मौका छैन। तर यो डरलाग्दो छैन। हामी केही अर्थपूर्ण सबमिशन गर्छौं, अन्तिम स्थानमा उड्छौं, र त्यस पछि हामी पूर्व-प्रिन्ट वा लेख लेख्छौं कि हामी कसरी अरू सबैजस्तो छैनौं र हाम्रो निर्णयको बारेमा कुरा गर्छौं। र लेख पहिले नै LinkedIn मा छ र तपाइँको पुन: सुरुमा।

त्यो हो, यो सान्दर्भिक देखिन्छ र रिजुमेमा थप सही कुञ्जी शब्दहरू छन्, जसले प्राविधिक स्क्रिनमा पुग्ने सम्भावनालाई थोरै बढाउनुपर्छ। मबाट कोड र सबमिशनहरू, एलेक्सीबाट पाठहरू। खेल, अवश्य पनि, तर किन छैन?

भन्नुभन्दा चाँडो भयो। हामीले गुगल गरेको सबैभन्दा नजिकको सम्मेलन MICCAI थियो र त्यहाँ वास्तवमा प्रतियोगिताहरू थिए। हामीले पहिलो प्रहार गर्यौं। थियो गैस्ट्रोइंटेस्टाइनल छवि विश्लेषण (GIANA)। कार्यमा ३ उपकार्यहरू छन्। म्याद सकिन ८ दिन बाँकी थियो । म बिहान उठेँ, तर मैले विचार छोडिन। मैले कागलबाट मेरो पाइपलाइनहरू लिएँ र तिनीहरूलाई स्याटेलाइट डाटाबाट मेडिकल डाटामा स्विच गरें। 'fit_predict'। एलेक्सीले प्रत्येक समस्याको समाधानको दुई-पृष्ठको विवरण तयार गर्‍यौं, र हामीले यसलाई पठायौं। तयार। सिद्धान्त मा, तपाईं सास फेर्न सक्नुहुन्छ। तर त्यो कार्यशालाको लागि अर्को कार्य थियो भन्ने थाहा भयो (रोबोटिक उपकरण विभाजन) तीन सबटास्कको साथ र उसको म्याद 4 दिनले बढाइएको थियो, त्यो हो, हामी त्यहाँ 'fit_predict' गर्न सक्छौं र पठाउन सक्छौं। हामीले त्यही गर्यौं।

Kaggle को विपरीत, यी प्रतियोगिताहरु को आफ्नै शैक्षिक विशिष्टता थियो:

1. लिडरबोर्ड छैन। सबमिशनहरू ईमेल द्वारा पठाइन्छ।
2. कार्यशालामा भएको सम्मेलनमा समाधान प्रस्तुत गर्न टोली प्रतिनिधि नआएमा तपाईंलाई हटाइनेछ।
3. लिडरबोर्डमा तपाईंको स्थान सम्मेलनको समयमा मात्र थाहा हुन्छ। एक प्रकारको शैक्षिक नाटक।

MICCAI 2017 सम्मेलन क्युबेक शहरमा आयोजित भएको थियो। इमानदारीपूर्वक भन्नुपर्दा, सेप्टेम्बरसम्म म जल्न थालेको थिए, त्यसैले कामबाट एक हप्ताको बिदा लिने र क्यानाडा जाने विचार रोचक लाग्यो।

सम्मेलनमा आएका थिए । म यो कार्यशालामा आएको छु, कसैलाई चिन्दिन, कुनामा बसेको छु । सबैजना एकअर्कालाई चिन्नुहुन्छ, उनीहरूले कुराकानी गर्छन्, उनीहरूले चलाख चिकित्सा शब्दहरू निकाल्छन्। पहिलो प्रतियोगिताको समीक्षा। सहभागीहरू बोल्छन् र आफ्ना निर्णयहरूको बारेमा कुरा गर्छन्। त्यहाँ चिसो छ, एक चमक संग। मेरो पालो। र म कुनै न कुनै रूपमा लाज पनि छु। तिनीहरूले समस्या समाधान गरे, यसमा काम गरे, विज्ञानलाई उन्नत बनायो, र हामी विगतका विकासहरूबाट विशुद्ध रूपमा "fit_predict" छौं, विज्ञानको लागि होइन, तर हाम्रो रिजुमेलाई बढावा दिन।

उसले बाहिर आयो र भन्यो कि म औषधिको विशेषज्ञ पनि होइन, आफ्नो समय बर्बाद गरेकोमा माफी मागे, र मलाई समाधानको साथ एउटा स्लाइड देखाउनुभयो। म तल हलमा गएँ।

तिनीहरूले पहिलो सबटास्क घोषणा गर्छन् - हामी पहिलो छौं, र एक मार्जिन द्वारा।
दोस्रो र तेस्रो घोषणा गरिएको छ।
तिनीहरू तेस्रो घोषणा गर्छन् - फेरि पहिलो र फेरि नेतृत्वको साथ।
सामान्य पहिलो हो।

आधिकारिक प्रेस विज्ञप्ति।

दर्शकमाझ कतिपय मुस्कुराउँछन् र सम्मानपूर्वक हेर्छन् । अरू, जसलाई स्पष्ट रूपमा क्षेत्रका विशेषज्ञ मानिन्थ्यो, यस कार्यको लागि अनुदान जितेका थिए र धेरै वर्षदेखि यो गर्दै आएका थिए, उनीहरूको अनुहारमा अलिकति विकृत अभिव्यक्ति थियो।

अर्को दोस्रो कार्य हो, तीन उपकार्य भएको र जसलाई चार दिन अगाडि सारिएको छ।

यहाँ मैले पनि माफी मागेँ र हाम्रो एउटा स्लाइड फेरि देखाएँ।
एउटै कथा । दुई पहिलो, एक सेकेन्ड, सामान्य पहिलो।

मलाई लाग्छ इतिहासमा यो सायद पहिलो पटक हो कि सङ्कलन एजेन्सीले मेडिकल इमेजिङ प्रतियोगिता जितेको छ।

र अब म स्टेजमा उभिएको छु, तिनीहरूले मलाई एक प्रकारको डिप्लोमा दिइरहेका छन् र म बमबारी छु। यो कसरी हुन सक्छ? यी शिक्षाविद्हरूले करदाताहरूको पैसा खर्च गरिरहेका छन्, डाक्टरहरूको कामको गुणस्तरलाई सरल बनाउन र सुधार गर्न काम गरिरहेका छन्, अर्थात्, सिद्धान्तमा, मेरो जीवन प्रत्याशा, र केही शरीरले केही साँझमा यो सम्पूर्ण शैक्षिक स्टाफलाई ब्रिटिश झण्डामा च्याते।

यसको लागि बोनस यो हो कि अन्य टोलीहरूमा, धेरै महिनादेखि यी कार्यहरूमा काम गरिरहेका स्नातक विद्यार्थीहरूसँग एचआरको लागि आकर्षक पुन: सुरु हुनेछ, त्यो हो, तिनीहरू सजिलै टेक स्क्रिनमा पुग्नेछन्। र मेरो आँखा अगाडि एक ताजा प्राप्त इमेल छ:

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.

सामान्यतया, स्टेजबाटै, म दर्शकहरूलाई सोध्छु: "के कसैलाई थाहा छ म कहाँ काम गर्छु?" प्रतियोगिताको आयोजकहरू मध्ये एकलाई थाहा थियो - उसले TrueAccord के हो भनेर गुगल गर्यो। बाँकी छैनन्। म जारी राख्छु: "म सङ्कलन एजेन्सीको लागि काम गर्छु, र काममा म कम्प्युटर भिजन वा डीप लर्निङ गर्दैन। र धेरै तरिकामा, यो हुन्छ किनभने Google Brain र Deepmind को HR विभागहरूले मलाई प्राविधिक प्रशिक्षण देखाउने मौका नदिई मेरो रिजुमे फिल्टर गर्दछ। "

उनीहरूले प्रमाणपत्र, विश्राम हस्तान्तरण गरे। एकेडेमिकहरूको समूहले मलाई एकै ठाउँमा तान्छ। यो डिपमाइन्ड भएको स्वास्थ्य समूह हो भन्ने थाहा भयो। तिनीहरू यति प्रभावित भए कि तिनीहरू तुरुन्तै मसँग उनीहरूको टोलीमा रिसर्च इन्जिनियरको रिक्तताको बारेमा कुरा गर्न चाहन्थे। (हामीले कुरा गर्यौं। यो कुराकानी 6 महिनासम्म चल्यो, मैले घरमा टेक, क्विज पास गरे, तर टेक स्क्रिनमा छोटो भयो। टेक स्क्रिनमा सञ्चार सुरु भएको 6 महिना लामो समय हो। लामो प्रतीक्षाले स्वाद दिन्छ। बेकारको। लन्डनमा Deepmind मा अनुसन्धान इन्जिनियर, TrueAccord को पृष्ठभूमि विरुद्ध त्यहाँ एक बलियो कदम माथि थियो, तर मेरो वर्तमान स्थिति को पृष्ठभूमि मा यो एक कदम तल छ। त्यसपछि बितेको दुई वर्ष को दूरी देखि, यो राम्रो छ। त्यो भएन।)

निष्कर्षमा

एकै समयमा, मैले लिफ्टबाट प्रस्ताव प्राप्त गरें, जुन मैले स्वीकार गरें।
MICCAI सँग यी दुई प्रतियोगिताको नतिजाको आधारमा, निम्न प्रकाशित गरिएको थियो:

1. गहिरो शिक्षा प्रयोग गरेर रोबोट-सहयोग शल्यक्रियामा स्वचालित उपकरण विभाजन
2. एन्जियोडिस्प्लासिया पत्ता लगाउने र गहिरो कन्भोलुसनल न्यूरल नेटवर्कहरू प्रयोग गरेर स्थानीयकरण
3. 2017 रोबोटिक उपकरण विभाजन चुनौती

त्यो हो, विचारको जंगलीताको बावजुद, प्रतिस्पर्धाहरू मार्फत वृद्धिशील लेखहरू र प्रिन्टहरू थप्दा राम्रो काम गर्दछ। र त्यसपछिका वर्षहरूमा हामीले यसलाई अझ खराब बनायौं।

म लिफ्टमा कम्प्युटर भिजन/डिप लर्निङ फर सेल्फ ड्राइभिङ कारहरू गर्दै विगत केही वर्षदेखि काम गरिरहेको छु। अर्थात्, मैले चाहेको कुरा पाएँ । र कार्यहरू, र एक उच्च-स्थिति कम्पनी, र बलियो सहकर्मीहरू, र अन्य सबै चीजहरू।

यी महिनाहरूमा, मैले दुबै ठूला कम्पनीहरू गुगल, फेसबुक, उबर, लिंक्डइन, र विभिन्न आकारका स्टार्टअपहरूको समुद्रसँग संचार गरें।

यो सबै महिना दुख्यो। ब्रह्माण्डले तपाईंलाई हरेक दिन धेरै राम्रो नहुने कुरा बताउँछ। नियमित अस्वीकृति, नियमित रूपमा गल्तीहरू गर्दै र यी सबै निराशाको निरन्तर भावनाको साथ स्वाद छ। त्यहाँ कुनै ग्यारेन्टी छैन कि तपाईं सफल हुनुहुनेछ, तर त्यहाँ एक भावना छ कि तपाईं एक मूर्ख हुनुहुन्छ। यो धेरै सम्झना छ कि मैले कसरी विश्वविद्यालय पछि जागिर खोज्ने प्रयास गरें।

मलाई लाग्छ कि धेरैले उपत्यकामा काम खोजिरहेका थिए र उनीहरूका लागि सबै कुरा धेरै सजिलो थियो। चाल, मेरो विचारमा, यो हो। यदि तपाइँ कुनै क्षेत्रमा काम खोज्दै हुनुहुन्छ जुन तपाइँले बुझ्नुहुन्छ, धेरै अनुभव छ, र तपाइँको बायोडाटा उही भन्छ, त्यहाँ कुनै समस्या छैन। मैले ल्याएँ र फेला पारे। त्यहाँ धेरै रिक्त पदहरू छन्।

तर यदि तपाइँ तपाइँको लागि नयाँ भएको क्षेत्रमा काम खोज्दै हुनुहुन्छ, त्यो हो, जब त्यहाँ कुनै ज्ञान छैन, कुनै जडान छैन र तपाइँको बायोडाटाले केहि गलत भन्छ - यस क्षणमा सबै कुरा अत्यन्त रोचक हुन्छ।

अहिले, भर्तीकर्ताहरूले नियमित रूपमा मलाई लेख्छन् र मैले अहिले गरिरहेको काम गर्ने प्रस्ताव राख्छन्, तर फरक कम्पनीमा। यो साँच्चै काम परिवर्तन गर्ने समय हो। तर म पहिले नै राम्रो छु के गर्न जानुको कुनै मतलब छैन। के को लागि?

तर म के चाहन्छु, त्यसको लागि मसँग फेरि पनि न ज्ञान छ न त मेरो बायोडाटामा रेखाहरू छन्। यो सबै कसरी समाप्त हुन्छ हेरौं। यदि सबै ठीक छ भने, म अर्को भाग लेख्छु। 🙂

स्रोत: www.habr.com