Tento obrázok je od Arthura Kuzina (), celkom presne zhŕňa obsah blogového príspevku. V dôsledku toho by mal byť nasledujúci príbeh vnímaný skôr ako piatkový príbeh, než ako niečo mimoriadne užitočné a technické. Okrem toho stojí za zmienku, že text je bohatý na anglické slová. Niektoré z nich neviem správne preložiť a niektoré prekladať jednoducho nechcem.
Ako prebiehal prechod z akademického prostredia do priemyselného, odhaľujú prvé dve epizódy. V tomto bude rozhovor o tom, čo sa stalo ďalej.
Bol január 2017. V tom čase som mal za sebou niečo vyše ročné pracovné skúsenosti a pracoval som v San Franciscu vo firme ako Sr. Vedec dát.
TrueAccord je startup na vymáhanie pohľadávok. Zjednodušene povedané – inkasná agentúra. Zberatelia zvyčajne veľa volajú. Poslali sme veľa e-mailov, ale málo telefonovali. Každý e-mail smeroval na webovú stránku spoločnosti, kde bola dlžníkovi ponúknutá zľava z dlhu a dokonca aj možnosť platiť v splátkach. Tento prístup viedol k lepšiemu zberu, umožnil škálovanie a menšie vystavenie súdnym sporom.
Spoločnosť bola normálna. Produkt je číry. Vedenie má rozum. Poloha je dobrá.
V priemere ľudia v doline pracujú na jednom mieste približne jeden a pol roka. To znamená, že každá spoločnosť, pre ktorú pracujete, je len malý krok. V tomto kroku vyzbierate nejaké peniaze, získate nové vedomosti, zručnosti, prepojenia a riadky vo svojom životopise. Potom nasleduje prechod na ďalší krok.
V samotnom TrueAccord som sa podieľal na pripájaní systémov odporúčaní k e-mailovým newsletterom, ako aj na uprednostňovaní telefonických hovorov. Vplyv je pochopiteľný a bol meraný celkom dobre v dolároch prostredníctvom A/B testovania. Keďže pred mojím príchodom neexistovalo strojové učenie, vplyv mojej práce nebol zlý. Opäť je oveľa jednoduchšie niečo vylepšiť ako niečo, čo je už výrazne optimalizované.
Po šiestich mesiacoch práce na týchto systémoch mi dokonca zvýšili základnú mzdu zo 150 163 $ na XNUMX XNUMX $. V komunite existuje meme okolo 163 XNUMX $. Odtiaľto rastie nohami.
To všetko bolo úžasné, ale nikam to neviedlo, alebo viedlo, ale nie tam.
Veľmi rešpektujem TrueAccord, spoločnosť aj chalanov, s ktorými som tam pracoval. Veľa som sa od nich naučil, ale nechcel som dlho pracovať na odporúčacích systémoch v inkasnej agentúre. Z tohto kroku ste museli vykročiť nejakým smerom. Ak nie dopredu a nahor, tak aspoň do strán.
Čo sa mi nepáčilo?
- Z pohľadu strojového učenia ma problémy nevzrušovali. Chcel som niečo módne, mladistvé, teda Deep Learning, Computer Vision, niečo, čo má skôr blízko k vede alebo aspoň k alchýmii.
- Startup a dokonca aj inkasná agentúra má problémy s najímaním vysokokvalifikovaného personálu. Ako startup nemôže platiť veľa. Ale ako inkasná agentúra stráca na statuse. Zhruba povedané, ak sa dievča na rande spýta, kde pracujete? Vaša odpoveď: „Na Googli“ znie rádovo lepšie ako „inkasná agentúra“. Mierne mi prekážalo, že mojim priateľom, ktorí pracujú v Google a na Facebooku, na rozdiel odo mňa otváral názov ich firmy dvere typu: môžete byť pozvaný na konferenciu alebo stretnutie ako prednášajúci, alebo na LinkedIn píšu zaujímavejší ľudia s ponukou stretnúť sa a pokecať pri pohári čaju. Veľmi rád komunikujem s ľuďmi, ktorých osobne nepoznám. Takže ak žijete v San Franciscu, neváhajte a napíšte - poďme na kávu a porozprávajte sa.
- Okrem mňa vo firme pracovali traja Data Scientists. Ja som pracoval na strojovom učení a oni pracovali na iných úlohách Data Science, ktoré sú bežné v každom startupe odteraz až po zajtra. Výsledkom bolo, že v skutočnosti nerozumeli strojovému učeniu. Aby som však mohol rásť, potrebujem s niekým komunikovať, diskutovať o článkoch a najnovšom vývoji a nakoniec požiadať o radu.
Čo bolo k dispozícii?
- Vzdelanie: fyzika, nie informatika.
- Jediný programovací jazyk, ktorý som poznal, bol Python. Mal som pocit, že potrebujem prejsť na C++, ale stále som sa k tomu nevedel dostať.
- Rok a pol práce v priemysle. Navyše v práci som neštudoval ani Deep Learning, ani Computer Vision.
- V životopise nie je ani jeden článok o Deep Learning / Computer Vision.
- Bol tam úspech Kaggle Master.
Čo si chcel?
- Pozícia, kde bude potrebné trénovať veľa sietí, a bližšie k počítačovému videniu.
- Je lepšie, ak ide o veľkú spoločnosť ako Google, Tesla, Facebook, Uber, LinkedIn atď. Hoci v štipke, startup by sa hodil.
- Nepotrebujem byť najväčším expertom na strojové učenie v tíme. Bola veľká potreba starších kamarátov, mentorov a všetkých druhov komunikácie, ktorá mala urýchliť proces učenia.
- Po prečítaní blogových príspevkov o tom, ako majú absolventi bez priemyselnej praxe celkovú kompenzáciu 300 – 500 XNUMX $ ročne, som chcel ísť do rovnakého rozsahu. Nie že by ma to až tak trápilo, ale keďže hovoria, že je to bežný jav, ale ja mám menej, tak je to signál.
Úloha sa zdala úplne riešiteľná, aj keď nie v tom zmysle, že môžete skočiť do akejkoľvek spoločnosti, ale skôr, že ak budete hladovať, všetko sa podarí. To znamená, že desiatky alebo stovky pokusov a bolesť z každého zlyhania a každého odmietnutia by sa mali použiť na zaostrenie pozornosti, zlepšenie pamäte a natiahnutie dňa na 36 hodín.
Upravil som svoj životopis, začal som ho posielať a chodiť na pohovory. Väčšinu z nich som preletel v štádiu komunikácie s HR. Veľa ľudí potrebovalo C++, ale ja som to nevedel a mal som silný pocit, že by ma veľmi nezaujímali pozície vyžadujúce C++.
Stojí za zmienku, že približne v rovnakom čase došlo k fázovému prechodu v type súťaží na Kaggle. Pred rokom 2017 bolo veľa tabuľkových údajov a veľmi zriedkavo obrázkových údajov, ale od roku 2017 bolo veľa úloh počítačového videnia.
Život plynul v nasledujúcom režime:
- Pracujte cez deň.
- Keď tech screen / onsite si vziať voľno.
- Večery a víkendy Kaggle + články / knihy / príspevky na blogu
Koniec roka 2016 sa niesol v znamení toho, že som vstúpil do komunity , čo veľa vecí zjednodušilo. V komunite je veľa ľudí s bohatými priemyselnými skúsenosťami, čo nám umožnilo klásť veľa hlúpych otázok a získať veľa inteligentných odpovedí. Existuje tiež veľa veľmi silných špecialistov na strojové učenie všetkých vrstiev, čo mi nečakane umožnilo prostredníctvom ODS uzavrieť problém pravidelnou hĺbkovou komunikáciou o Data Science. Doteraz mi v prepočte na ML dáva ODS mnohonásobne viac, ako dostávam v práci.
No ako to už býva, ODS má dosť špecialistov na súťaže na Kaggle a iných stránkach. Riešenie problémov v tíme je zábavnejšie a produktívnejšie, a tak sme pomocou vtipov, nadávok, memov a inej praštěnej zábavy začali riešiť problémy jeden po druhom.
V marci 2017 - v tíme so Serega Mushinsky - tretie miesto . Zlatá medaila na Kaggle + 20 XNUMX $ pre dvoch. Na tejto úlohe bola vylepšená práca so satelitnými snímkami + binárna segmentácia cez UNet.
V ten istý marec som išiel na pohovor do NVidie s tímom Self Driving. Naozaj som bojoval s otázkami o detekcii objektov. Nebolo dostatok vedomostí.
Našťastie sa v rovnakom čase začala súťaž o detekciu objektov na leteckých snímkach z toho istého DSTL. Sám Boh prikázal vyriešiť problém a upgradovať. Mesiac večerov a víkendov. Pozbieral som vedomosti a skončil som druhý. Táto súťaž mala zaujímavý odtieň v pravidlách, čo viedlo k tomu, že ma v Rusku vysielali na federálnych a nie až tak federálnych kanáloch. Nastúpil som a v množstve tlačených a online publikácií. Skupina Mail Ru získala na moje náklady a vlastné peniaze trochu pozitívneho PR a základná veda v Rusku bola obohatená o 12000 XNUMX libier. Ako inak, písalo sa na túto tému . Podrobnosti nájdete tam.
V tom istom čase ma kontaktoval náborový pracovník Tesly a ponúkol mi rozhovor o pozícii Computer Vision. Súhlasil som. Prebehol som si domov, dve technické obrazovky, rozhovor na mieste a mal som veľmi príjemný rozhovor s Andrei Karpathym, ktorý bol práve prijatý do Tesly ako riaditeľ AI. Ďalšou fázou je kontrola pozadia. Potom musel Elon Musk osobne schváliť moju žiadosť. Tesla má prísnu dohodu o mlčanlivosti (NDA).
Neprešiel som previerkou. Náborový pracovník povedal, že veľa chatujem online, čím porušujem NDA. Jediným miestom, kde som povedal niečo o rozhovore v Tesle, bola ODS, takže súčasná hypotéza je, že niekto urobil snímku obrazovky a napísal HR v Tesle a ja som bol zo súťaže vyradený z nebezpečenstva. Vtedy to bola hanba. Teraz som rád, že to nevyšlo. Moja súčasná pozícia je oveľa lepšia, aj keď by bolo veľmi zaujímavé spolupracovať s Andrey.
Hneď nato som sa vrhol do súťaže o satelitné snímky na Kaggle od . Problém bol jednoduchý a extrémne nudný, nikto ho nechcel vyriešiť, ale každý chcel zadarmo zlatú medailu alebo peňažnú odmenu. Preto sme sa s tímom Kaggle Masters v počte 7 ľudí dohodli, že budeme hádzať železo. Natrénovali sme 480 sietí v režime 'fit_predict' a vytvorili sme z nich trojposchodový súbor. Skončili sme siedmi. . Mimochodom, Jeremy Howard, ktorý je všeobecne známy ako tvorca skončilo 23.
Po skončení súťaže som cez kamaráta, ktorý pracoval v AdRoll, zorganizoval v ich priestoroch Meetup. Zástupcovia Planet Labs tam hovorili o tom, ako vyzerala organizácia súťaže a označovanie dát z ich strany. Wendy Kwan, ktorá pracuje v Kaggle a dohliadala na súťaž, porozprávala, ako to vidí ona. Popísal som naše riešenie, triky, techniky a technické detaily. Dve tretiny publika tento problém vyriešili, takže otázky boli položené k veci a vo všeobecnosti bolo všetko v pohode. Bol tam aj Jeremy Howard. Ukázalo sa, že skončil na 23. mieste, pretože nevedel poskladať model a že o tomto spôsobe stavby súborov vôbec nevedel.
Stretnutia v údolí na strojovom učení sa veľmi líšia od stretnutí v Moskve. Stretnutia v doline sú spravidla dnom. Ale naša dopadla dobre. Žiaľ, súdruh, ktorý mal stlačiť tlačidlo a všetko zaznamenať, tlačidlo nestlačil :)
Potom som bol pozvaný, aby som sa porozprával s pozíciou inžiniera hlbokého učenia v tých istých laboratóriách Planet Labs a okamžite som prišiel na miesto. Neprešlo mi to. Znenie odmietnutia je, že v hlbokom učení nie je dostatok vedomostí.
Každú súťaž som koncipoval ako projekt v . Pre problém DSTL sme napísali a zverejnil to na arxiv. Nie článok, ale stále chlieb. Odporúčam aj všetkým ostatným, aby si svoj LinkedIn profil nafúkli cez súťaže, články, zručnosti a pod. Existuje pozitívna korelácia medzi tým, koľko kľúčových slov máte vo svojom LinkedIn profile a ako často vám ľudia posielajú správy.
Ak som bol v zime a na jar veľmi technický, tak v auguste som mal znalosti aj sebavedomie.
Koncom júla ma na LinkedIn kontaktoval chlapík, ktorý pracoval ako Data Science manager v Lyfte a pozval ma na kávu a rozhovor o živote, o Lyfte, o TrueAccord. Sme sa rozprávali. Svojmu tímu ponúkol rozhovor na pozíciu Data Scientist. Povedal som, že možnosť funguje za predpokladu, že ide o počítačové videnie / hlboké učenie od rána do večera. Ubezpečil, že z jeho strany nie sú žiadne námietky.
Poslal som svoj životopis a on ho nahral na interný portál Lyftu. Potom mi personalista zavolal, aby som otvoril svoj životopis a zistil o mne viac. Už od prvých slov bolo jasné, že to bola pre neho formalita, pretože z jeho životopisu mu bolo zrejmé, že „nie som materiál pre Lyft“. Myslím, že potom môj životopis putoval do koša.
Celý ten čas, keď som bol na pohovoroch, som rozoberal moje zlyhania a pády v ODS a chalani mi dávali spätnú väzbu a všemožne mi pomáhali radami, aj keď, ako to už býva, tam bolo aj veľa priateľského trollovania.
Jeden z členov ODS mi ponúkol spojenie so svojím priateľom, ktorý je riaditeľom inžinierstva v Lyfte. Len čo sa povie, tak urobí. Prichádzam na obed do Lyftu a okrem tohto priateľa je tu aj vedúci oddelenia Data Science a produktový manažér, ktorý je veľkým fanúšikom Deep Learning. Na obede sme pokecali nad DL. A keďže som pol roka 24 hodín denne 7 dní v týždni trénoval siete, čítal kubické metre literatúry a spúšťal úlohy na Kaggle s viac-menej jasnými výsledkami, mohol by som o Deep Learningu rozprávať hodiny, a to ako z hľadiska nových článkov, tak aj praktické techniky.
Po obede sa na mňa pozreli a povedali - hneď je jasné, že si pekný, chceš sa s nami porozprávať? Navyse dodali, ze je mi jasne, ze obrazovka take home + tech sa da preskocit. A že budem okamžite pozvaný na miesto. Súhlasil som.
Potom mi ten náborový pracovník zavolal, aby som si naplánoval pohovor na mieste, a bol nespokojný. Zamrmlal niečo o tom, že ti nemá skákať po hlave.
Prišiel. Pohovor na mieste. Päť hodín komunikácie s rôznymi ľuďmi. Nebola tam jediná otázka týkajúca sa hlbokého učenia alebo strojového učenia v princípe. Keďže neexistuje hlboké učenie / počítačová vízia, nemám záujem. Výsledky rozhovorov boli teda ortogonálne.
Tento náborový pracovník zavolá a povie - gratulujem, dostali ste sa na druhý pohovor na mieste. To všetko je prekvapujúce. Čo je to druhé na mieste? Nikdy som o takom niečom nepočul. Išiel som. Je tam pár hodín, tentoraz všetko o tradičnom strojovom učení. To je lepšie. Ale stále nie zaujímavé.
Personalista volá s gratuláciou, že som absolvoval tretí pohovor na mieste a sľubuje, že toto bude posledný. Bol som sa tam pozrieť a bol tam aj DL aj životopis.
Dlhé mesiace som mal prednostu, ktorý mi hovoril, že žiadna ponuka nebude. Trénovať budem nie na technických, ale na mäkkých. Nie na mäkkej strane, ale na tom, že pozícia bude uzavretá alebo že firma zatiaľ neprijíma, ale jednoducho testuje trh a úroveň kandidátov.
Polovica augusta. Pivo som pil v pohode. Temné myšlienky. Prešlo 8 mesiacov a stále žiadna ponuka. Pod pivom je dobré byť kreatívny, najmä ak je kreativita zvláštna. Prichádza mi na um nápad. Zdieľam to s Alexeyom Shvetsom, ktorý bol v tom čase postdoktorom na MIT.
Čo ak si zoberiete najbližšiu konferenciu DL/CV, pozriete si súťaže, ktoré sa v rámci nej konajú, niečo natrénujete a odovzdáte? Keďže všetci tamojší odborníci si na tom budujú kariéru a robia to dlhé mesiace či dokonca roky, nemáme šancu. Ale nie je to strašidelné. Urobíme nejaké zmysluplné podanie, letíme na posledné miesto a potom napíšeme predtlač alebo článok o tom, že nie sme ako všetci ostatní a porozprávame sa o našom rozhodnutí. A článok je už na LinkedIn a vo vašom životopise.
To znamená, že sa zdá byť relevantný a v životopise je viac správnych kľúčových slov, čo by malo mierne zvýšiť šance dostať sa na technickú obrazovku. Kód a príspevky odo mňa, texty od Alexeyho. Hra, samozrejme, ale prečo nie?
Len čo sa povie, tak urobí. Najbližšia konferencia, ktorú sme si vygooglili, bola MICCAI a skutočne tam boli súťaže. Trafili sme prvého. To bolo . Úloha má 3 podúlohy. Do uzávierky zostávalo 8 dní. Ráno som vytriezvel, ale nevzdal som sa tej myšlienky. Vzal som svoje potrubia z Kaggle a prepol ich zo satelitných údajov na medicínske. 'fit_predict'. Alexey pripravil dvojstranový popis riešení pre každý problém a my sme ho poslali. Pripravený. Teoreticky si môžete vydýchnuť. Ukázalo sa však, že pre ten istý workshop existuje aj iná úloha () s tromi podúlohami a že jej termín sa posunul o 4 dni vyššie, to znamená, že tam môžeme urobiť 'fit_predict' a poslať to. To sme urobili.
Na rozdiel od Kaggle mali tieto súťaže svoje akademické špecifiká:
- Žiadna tabuľka výsledkov. Príspevky sa posielajú e-mailom.
- Ak zástupca tímu nepríde prezentovať riešenie na konferenciu na Workshop, budete vylúčení.
- O vašom mieste v rebríčku sa dozvieme až počas konferencie. Akási akademická dráma.
Konferencia MICCAI 2017 sa konala v Quebec City. Aby som bol úprimný, v septembri som začínal vyhorieť, takže nápad dať si týždeň pauzu v práci a vydať sa do Kanady vyzeral zaujímavo.
Prišiel na konferenciu. Prišiel som na tento workshop, nikoho nepoznám, sedím v rohu. Všetci sa poznajú, komunikujú, vyhadzujú zo seba šikovné medicínske slová. Recenzia prvej súťaže. Účastníci hovoria a hovoria o svojich rozhodnutiach. Je to tam cool, s iskrou. Môj ťah. A nejako sa dokonca hanbím. Vyriešili problém, pracovali na ňom, pokročilá veda a my sme čisto „fit_predict“ z minulého vývoja, nie pre vedu, ale pre oživenie nášho životopisu.
Vyšiel von a povedal, že ani ja nie som odborník na medicínu, ospravedlnil sa, že strácajú čas, a ukázal mi jednu snímku s riešením. Zišiel som dolu do haly.
Oznamujú prvú podúlohu – sme prví, a to s odstupom.
Vyhlásený je druhý a tretí.
Vyhlásia tretieho – opäť prvého a opäť s náskokom.
Generál je prvý.
Niektorí z publika sa usmievajú a pozerajú na mňa s rešpektom. Iní, ktorí boli zrejme považovaní za odborníkov v danej oblasti, získali grant na túto úlohu a robili to už dlhé roky, mali mierne skreslený výraz v tvári.
Nasleduje druhá úloha, tá s tromi podúlohami, ktorá sa posunula o štyri dni dopredu.
Tu som sa aj ospravedlnil a opäť ukázal našu jednu snímku.
Ten istý príbeh. Dva prvé, jeden druhý, prvý spoločný.
Myslím, že je to pravdepodobne prvýkrát v histórii, čo inkasná agentúra vyhrala súťaž v oblasti medicínskeho zobrazovania.
A teraz stojím na javisku, dávajú mi nejaký diplom a som bombardovaný. Ako to sakra môže byť? Títo akademici míňajú peniaze daňových poplatníkov, snažia sa zjednodušiť a skvalitniť prácu lekárov, teda teoreticky moju očakávanú dĺžku života, a nejaký orgán roztrhal celý tento akademický personál za pár večerov pod britskú vlajku.
Bonusom k tomu je, že v iných tímoch budú mať postgraduálni študenti, ktorí na týchto úlohách pracujú dlhé mesiace, životopis, ktorý je pre HR atraktívny, to znamená, že sa ľahko dostanú na technickú obrazovku. A pred mojimi očami je čerstvo prijatý e-mail:
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.Vo všeobecnosti sa priamo z javiska pýtam publika: „Viete niekto, kde pracujem? Jeden z organizátorov súťaže vedel – vygooglil si, čo je TrueAccord. Zvyšok nie je. Pokračujem: „Pracujem pre inkasnú agentúru a v práci nerobím ani Computer Vision, ani Deep Learning. A v mnohých ohľadoch sa to deje preto, že HR oddelenia Google Brain a Deepmind filtrujú môj životopis a nedávajú mi šancu ukázať technické školenie. "
Odovzdali vysvedčenie, prestávka. Skupina akademikov ma ťahá nabok. Ukázalo sa, že ide o skupinu Health s Deepmind. Boli tak ohromení, že sa so mnou okamžite chceli porozprávať o voľnom mieste výskumného inžiniera v ich tíme. (Rozprávali sme sa. Táto konverzácia trvala 6 mesiacov, absolvoval som kvíz, ktorý som si vzal domov, ale na technickej obrazovke som bol prerušený. 6 mesiacov od začiatku komunikácie na technickú obrazovku je dlhá doba. Dlhé čakanie dáva chuť zbytočnosti.Výskumný inžinier v Deepmind v Londýne, na pozadí TrueAccord došlo k silnému kroku nahor, ale na pozadí mojej súčasnej pozície je to krok dole. Z odstupu dvoch rokov, ktoré odvtedy prešli, je to dobré že nie.)
Záver
Približne v rovnakom čase som dostal ponuku od Lyftu, ktorú som prijal.
Na základe výsledkov týchto dvoch súťaží s MICCAI boli zverejnené nasledovné:
To znamená, že napriek divokosti tohto nápadu, pridávanie prírastkových článkov a preprintov prostredníctvom súťaží funguje dobre. A v ďalších rokoch sme to ešte zhoršili.
Posledných pár rokov pracujem v spoločnosti Lyft a venujem sa počítačovému videniu/hĺbkovému učeniu pre autá s vlastným riadením. To znamená, že som dostal, čo som chcel. A úlohy a vysoko postavená spoločnosť a silní kolegovia a všetky ostatné dobroty.
Počas týchto mesiacov som komunikoval ako s veľkými spoločnosťami Google, Facebook, Uber, LinkedIn, tak aj s množstvom startupov rôznych veľkostí.
Bolelo to celé tie mesiace. Vesmír vám každý deň povie niečo nie veľmi príjemné. Pravidelné odmietanie, pravidelné robenie chýb a to všetko je ochutené pretrvávajúcim pocitom beznádeje. Neexistujú žiadne záruky, že uspejete, ale existuje pocit, že ste hlupák. Veľmi mi to pripomína, ako som sa snažil nájsť si prácu hneď po univerzite.
Myslím si, že mnohí si hľadali prácu v doline a všetko im išlo oveľa ľahšie. Trik je podľa mňa v tomto. Ak hľadáte prácu v oblasti, ktorej rozumiete, máte dostatok skúseností a to isté hovorí aj váš životopis, nie sú žiadne problémy. Vzal som to a našiel som to. Voľných miest je veľa.
Ale ak hľadáte prácu v oblasti, ktorá je pre vás nová, teda keď neexistujú žiadne znalosti, žiadne súvislosti a váš životopis hovorí niečo zlé – v tejto chvíli začína byť všetko mimoriadne zaujímavé.
Práve teraz mi personalisti pravidelne píšu a ponúkajú mi to isté, čo robím teraz, ale v inej spoločnosti. Je naozaj čas zmeniť prácu. Ale nemá zmysel robiť to, v čom som už dobrý. Prečo?
Ale na to, čo chcem, zase nemám ani vedomosti, ani riadky v životopise. Pozrime sa, ako to všetko skončí. Ak všetko pôjde dobre, napíšem ďalšiu časť. 🙂
Zdroj: hab.com