Setšoantšo sena ke Arthur Kuzin (), e akaretsa ka nepo litaba tsa poso ea blog. Ka lebaka leo, pale e latelang e lokela ho nkoa e le pale ea Labohlano ho feta e le ntho e molemo ka ho fetisisa le ea theknoloji. Ho phaella moo, ke habohlokoa ho hlokomela hore mongolo o ruile ka mantsoe a Senyesemane. Ha ke tsebe ho fetolela tse ling tsa tsona ka nepo, 'me ha ke batle ho fetolela tse ling tsa tsona.
Hore na phetoho ea ho tloha tikolohong ea thuto ho ea tikolohong ea indasteri e etsahetse joang e senoloa likarolong tse peli tsa pele. Tabeng ena, puisano e tla bua ka se ileng sa etsahala ka mor'a moo.
E ne e le January 2017. Ka nako eo, ke ne ke e-na le phihlelo e fetang selemo ea mosebetsi 'me ke sebetsa San Francisco k'hamphaning joalo ka Sr. Setsebi sa Boitsebiso.
TrueAccord ke qalo ea pokello ea likoloto. Ka mantsoe a bonolo - setsi sa pokello. Hangata babokelli ba bitsa haholo. Re rometse li-imeile tse ngata, empa re letsa tse fokolang. E-mail e 'ngoe le e' ngoe e ile ea lebisa ho websaeteng ea k'hamphani, moo mokoloto a ileng a fuoa theolelo ea molato, a ba a lumelloa ho lefa ka mekhahlelo. Mokhoa ona o entse hore ho bokelloe ho betere, ho lumelletsoe ho fokotsoa le ho se pepesehetse liqoso.
Khampani e ne e tloaelehile. Sehlahisoa se hlakile. Tsamaiso e hlaphohetsoe kelellong. Sebaka se setle.
Ka karolelano, batho ba phuleng ba sebetsa sebakeng se le seng ka nako e ka etsang selemo le halofo. Ke hore, k'hamphani efe kapa efe eo u e sebeletsang ke mohato o monyane feela. Mohato ona o tla bokella chelete, o fumane tsebo e ncha, litsebo, likhokahano le mela ts'ebetsong ea hau. Ka mor'a sena ho na le phetoho ho mohato o latelang.
Ho TrueAccord ka boeona, ke bile le seabo ho hokeleng litsamaiso tsa likhothaletso ho likoranta tsa lengolo-tsoibila, hammoho le ho etelletsa mehala ea mohala pele. Tšusumetso ea utloahala 'me e lekantsoe hantle ka lidolara ka tlhahlobo ea A/B. Kaha ho ne ho se na ho ithuta ka mochine pele ke fihla, phello ea mosebetsi oa ka e ne e se mpe. Hape, ho bonolo haholo ho ntlafatsa ho hong ho feta ntho e seng e ntlafalitsoe haholo.
Ka mor'a likhoeli tse tšeletseng tsa ho sebetsa lits'ebetsong tsena, ba bile ba phahamisa moputso oa ka oa motheo ho tloha ho $ 150k ho ea ho $ 163k. Sechabeng ho na le meme e ka bang $163k. E hola ka maoto ho tloha mona.
Sena sohle se ne se le monate, empa ha sea ka sa lebisa kae kapa kae, kapa sa etella pele, empa eseng moo.
Ke hlompha TrueAccord haholo, khamphani le bahlankana bao ke sebelitseng le bona moo. Ke ithutile ho hongata ho bona, empa ke ne ke sa batle ho sebetsa nako e telele ka mekhoa ea likhothaletso setsing sa pokello. Ho tloha mohatong ona u ne u lokela ho hata ka tsela e itseng. Haeba e se ho ea pele le holimo, joale bonyane ka mahlakoreng.
Ke ne ke sa rate eng?
- Ho latela pono ea ho ithuta ka mochini, mathata ha aa ka a nthabisa. Ke ne ke batla ntho e fesheneng, ea bocha, ke hore, Thuto e tebileng, Pono ea Khomphutha, ntho e haufi le saense kapa bonyane ho alchemy.
- Setsi sa ho qala, esita le setsi sa pokello, se na le mathata a ho hira basebetsi ba tšoanelehang haholo. Ha e qala, e ke ke ea lefa haholo. Empa joalo ka mokhatlo oa pokello, e lahleheloa ke maemo. Ha e le hantle, haeba ngoanana ea intša a botsa hore na u sebetsa hokae? Karabo ea hau: "Ho Google" e utloahala e le molemo ho feta "setsi sa pokello." Ke ne ke tšoenngoa hanyenyane ke taba ea hore ho metsoalle ea ka e sebetsang ho Google le Facebook, ho fapana le 'na, lebitso la k'hamphani ea bona le ile la bula mamati a kang: u ka memeloa sebokeng kapa ho kopana u le sebui, kapa batho ba thahasellisang ba ngola ho LinkedIn. ka tlhahiso ea ho kopana le ho qoqa ka khalase ea tee. Ke hlile ke rata ho buisana le batho bao ke sa ba tsebeng ka ho toba. Kahoo haeba u lula San Francisco, u seke oa tsilatsila ho ngola - ha re eeng kofi re bue.
- Ho phaella ho 'na, Data Scientists tse tharo li ne li sebetsa k'hamphaning. Ke ne ke sebetsa ka ho ithuta ka mochine, 'me ba ne ba sebetsa mesebetsing e meng ea Data Science, e tloaelehileng ho qala leha e le efe ho tloha mona ho fihlela hosasane. Ka lebaka leo, ba ne ba hlile ba sa utloisise ho ithuta ka mochine. Empa e le hore ke hōle, ke hloka ho buisana le motho e mong, ho buisana ka lihlooho le tsoelo-pele ea morao-rao, le ho kōpa keletso, qetellong.
Ke eng e neng e fumaneha?
- Thuto: fisiks, eseng saense ea khomphutha.
- Puo feela ea mananeo eo ke neng ke e tseba e ne e le Python. Ho ne ho e-na le maikutlo a hore ke hloka ho fetohela ho C ++, empa ke ne ke ntse ke sa khone ho e potoloha.
- Selemo le halofo ea mosebetsi indastering. Ho feta moo, ha ke le mosebetsing ke ne ke sa ithute ho Deep Learning kapa Computer Vision.
- Ha ho sengoloa se le seng se mabapi le Thuto e Tebileng / Pono ea Khomphutha e qalang.
- Ho bile le katleho ea Kaggle Master.
U ne u batla eng?
- Boemo moo ho tla hlokahala ho koetlisa marang-rang a mangata, le haufi le pono ea k'homphieutha.
- Ho molemo ha e le k'hamphani e kholo joalo ka Google, Tesla, Facebook, Uber, LinkedIn, joalo-joalo. Leha e le ka pinch, ho qala ho ne ho tla etsa.
- Ha ho hlokahale hore ke be setsebi se seholo sa ho ithuta ka mochini sehlopheng. Ho ne ho e-na le tlhokahalo e kholo ea li-comrade tse phahameng, baeletsi le mefuta eohle ea puisano, e neng e lokela ho potlakisa mokhoa oa ho ithuta.
- Kamora ho bala lingoloa tsa blog mabapi le hore na baithuti ba se nang boiphihlelo ba indasteri ba na le matšeliso a felletseng a $300-500k ka selemo, ke ne ke batla ho kena maemong a tšoanang. Hase hore sena se ntšoenya haholo, empa kaha ba re sena ke ntho e tloaelehileng, empa ke na le ho fokolang, joale sena ke pontšo.
Mosebetsi ona o ne o bonahala o ka rarolloa ka botlalo, leha e se ka kutloisiso ea hore o ka tlolela k'hamphaning efe kapa efe, empa ho e-na le hoo, haeba u bolaoa ke tlala, tsohle li tla sebetsa. Ke hore, liteko tse mashome kapa tse makholo, le bohloko bo tsoang ho ho hloleha ho hong le ho hong le ho hana, li lokela ho sebelisoa ho chorisa ho tsepamisa maikutlo, ho ntlafatsa mohopolo le ho otlolla letsatsi ho isa ho lihora tse 36.
Ke ile ka fetola tlhahiso ea ka, ka qala ho e romela, le ho ea lipuisanong. Ke ile ka feta boholo ba bona sethaleng sa puisano le HR. Batho ba bangata ba ne ba hloka C ++, empa ke ne ke sa tsebe, 'me ke ne ke e-na le maikutlo a matla a hore nke ke ka thahasella haholo maemo a hlokang C ++.
Ke habohlokoa ho hlokomela hore ka nako e ts'oanang ho ne ho e-na le phetoho ea mekhahlelo mofuteng oa litlholisano tsa Kaggle. Pele ho 2017 ho ne ho e-na le boitsebiso bo bongata ba li-tabular le boitsebiso bo fokolang haholo ba litšoantšo, empa ho qala ka 2017 ho ne ho e-na le mesebetsi e mengata ea pono ea k'homphieutha.
Bophelo bo ile ba phalla ka mokhoa o latelang:
- Sebetsa motsheare.
- Ha skrineng sa theknoloji / setšeng u nka nako.
- Mantsiboea le mafelo-beke Kaggle + lingoliloeng / libuka / li-post tsa blog
Qetellong ea 2016 e ile ea tšoauoa ka hore ke kene sechabeng , e ileng ea nolofatsa lintho tse ngata. Ho na le bashanyana ba bangata sechabeng ba nang le phihlelo e ruileng ea indasteri, e ileng ea re lumella ho botsa lipotso tse ngata tse hlokang kelello le ho fumana likarabo tse ngata tse bohlale. Hape ho na le litsebi tse ngata tse matla haholo tsa ho ithuta mochine oa metsero eohle, eo, ka tšohanyetso, e ileng ea ntumella, ka ODS, ho koala taba ena ka puisano e tebileng ea kamehla ka Data Science. Ho fihlela joale, mabapi le ML, ODS e mpha makhetlo a mangata ho feta seo ke se fumanang mosebetsing.
Joalo ka tloaelo, ODS e na le litsebi tse lekaneng litlholisanong tsa Kaggle le libaka tse ling. Ho rarolla mathata ka har'a sehlopha ho monate ebile hoa hlahisa, kahoo ka metlae, mahlapa, memes le boithabiso bo bong bo bobe, re ile ra qala ho rarolla mathata ka bonngoe.
Ka March 2017 - sehlopheng se nang le Serega Mushinsky - sebaka sa boraro bakeng sa . Khau ea khauta ho Kaggle + $20k bakeng sa tse peli. Mosebetsing ona, ho sebetsa ka litšoantšo tsa satellite + likarolo tsa binary ka UNet li ile tsa ntlafatsoa.
Ka Hlakubele eona eo, ke ile ka ea lipuisanong le NVidia le sehlopha sa Self Driving. Ke ne ke thatafalloa ke lipotso ka Object Detection. Ho ne ho se tsebo e lekaneng.
Ka lehlohonolo, ka nako e ts'oanang, tlholisano ea Ho Fumana Ntho e mabapi le litšoantšo tsa sefofane ho tsoa ho DSTL eona eo e ile ea qala. Molimo ka boeena o laetse ho rarolla bothata le ho ntlafatsa. Khoeli ea mantsiboea le mafelo-beke. Ke ile ka nka tsebo mme ka qeta la bobeli. Tlholisano ena e ne e e-na le phapang e thahasellisang melaong, e leng se ileng sa etsa hore ke bontšoe Russia liteisheneng tsa 'muso eseng tsa 'muso. Ke ile ka palama , le ka bongata ba lingoliloeng le lingoliloeng tsa inthaneteng. Mail Ru Group e amohetse PR e nyane ka litšenyehelo tsa ka le chelete ea eona, mme mahlale a mantlha a Russia a matlafalitsoe ke liponto tse 12000. Joalo ka tloaelo, e ne e ngotsoe ka taba ena . E-ea moo bakeng sa lintlha.
Ka nako e ts'oanang, mohiri oa Tesla o ile a ikopanya le 'na' me a ithaopela ho bua ka boemo ba Computer Vision. Ke ile ka lumela. Ke ile ka potlakela ho ea hae, li-skrini tse peli tsa theknoloji, lipuisano tsa ka ntle, 'me ka ba le puisano e monate haholo le Andrei Karpathy, ea neng a sa tsoa hiroa Tesla e le Mookameli oa AI. Mohato o latelang ke ho hlahloba ka morao. Ka mor'a moo, Elon Musk o ile a tlameha ho amohela kopo ea ka ka boeena. Tesla e na le Tumellano e tiileng ea ho se Behe Phano (NDA).
Ha kea fetisa cheke ea mokokotlo. Mohiri o itse ke qoqa haholo inthaneteng, ke tlola NDA. Sebaka se le seng feela moo ke ileng ka bua letho ka lipuisano ho Tesla e ne e le ODS, kahoo khopolo ea hona joale ke hore motho e mong o ile a nka skrini 'me a ngolla HR ho Tesla,' me ke ile ka tlosoa peisong ka lebaka la kotsi. E ne e le dihlong ka nako eo. Joale ke thabetse hore ha e ea sebetsa. Boemo ba ka ba hajoale bo betere haholo, leha ho ka ba monate ho sebetsa le Andrey.
Hang ka mor'a moo, ke ile ka kena tlholisanong ea litšoantšo tsa sathelaete ho Kaggle ho tloha . Bothata bo ne bo le bonolo ebile bo tena haholo; ho ne ho se motho ea batlang ho bo rarolla, empa bohle ba ne ba batla khau ea mahala ea khauta kapa chelete ea moputso. Ka hona, le sehlopha sa Kaggle Masters sa batho ba 7, re ile ra lumellana hore re tla akhela tšepe. Re koetlisitse marang-rang a 480 ka mokhoa oa 'fit_predict' 'me ra etsa sehlopha sa mekato e meraro ho bona. Re ile ra qeta sebakeng sa bosupa. . Ka tsela, Jeremy Howard, ea tsejoang haholo e le moetsi e qetile 23.
Ka mor'a hore tlhōlisano e fele, ka motsoalle ea neng a sebetsa AdRoll, ke ile ka hlophisa Meetup sebakeng sa bona. Baemeli ba Planet Labs ba buile moo ka hore na mokhatlo oa tlholisano le ho tšoaea data o shebahala joang ka lehlakoreng la bona. Wendy Kwan, ya sebetsang Kaggle mme a okametse tlhodisano, o buile ka moo a e boneng kateng. Ke hlalositse tharollo ea rona, maqheka, mekhoa le lintlha tsa tekheniki. Likarolo tse peli ho tse tharo tsa bamameli li ile tsa rarolla bothata bona, kahoo lipotso li ile tsa botsoa ho fihlela joale 'me ka kakaretso ntho e' ngoe le e 'ngoe e ne e pholile. Jeremy Howard le eena o ne a le teng. Ho ile ha fumaneha hore o qetile sebakeng sa bo23 hobane o ne a sa tsebe ho beha mohlala le hore o ne a sa tsebe ka mokhoa ona oa ho haha li-ensembles ho hang.
Likopano phuleng ea ho ithuta ka mochini li fapane haholo le liboka tsa Moscow. E le molao, meetups phuleng ke tlase. Empa ea rona e ile ea tsamaea hantle. Ka bomalimabe, motsoalle ea neng a lokela ho tobetsa konopo le ho rekota ntho e 'ngoe le e' ngoe ha aa ka a tobetsa konopo :)
Ka mor'a moo, ke ile ka memeloa ho bua le boemo ba Deep Learning Engineer ho Planet Labs eona ena, 'me hang-hang sebakeng seo. Ha kea e fetisa. Mantsoe a ho hana ke hore ha ho na tsebo e lekaneng Thutong e Tebileng.
Ke ralile tlholisano ka 'ngoe e le projeke ka . Bakeng sa bothata ba DSTL re ngotse mme a e beha ho arxiv. Eseng sehlooho, empa e ntse e le bohobe. Ke boetse ke khothaletsa batho ba bang ho kenya profil ea bona ea LinkedIn ka litlholisano, lingoliloeng, litsebo, joalo-joalo. Ho na le kamano e ntle pakeng tsa hore na u na le mantsoe a makae a bohlokoa profilaneng ea hau ea LinkedIn le hore na batho ba u romella molaetsa hangata hakae.
Haeba mariha le selemo ke ne ke le setsebi haholo, joale ka August ke ne ke e-na le tsebo le ho itšepa.
Qetellong ea July, mohlankana ea neng a sebetsa e le mookameli oa Data Science Lyft o ile a ikopanya le 'na ho LinkedIn' me a 'memela ho ea noa kofi le ho qoqa ka bophelo, ka Lyft, ka TrueAccord. Re ile ra buisana. O ile a ithaopela ho buisana le sehlopha sa hae bakeng sa boemo ba Data Scientist. Ke boletse hore khetho e ea sebetsa, ha feela e le Computer Vision / Deep Learning ho tloha hoseng ho fihlela mantsiboea. O ile a tiisa hore ha ho na khanyetso ka lehlakoreng la hae.
Ke rometse tlhahiso ea ka mme a e kenya ho portal ea kahare ea Lyft. Ka mor’a moo, motho ea hirileng mosebetsi o ile a mpitsa hore ke phetle lengolo la ka la ho tsoela pele le ho tseba ho eketsehileng ka ’na. Ho tloha mantsoeng a pele, ho ne ho hlakile hore ho eena sena e ne e le tloaelo, kaha ho ne ho hlakile ho eena ho tloha ha a qala hape hore "Ha ke ntho ea Lyft." Ke nahana hore ka mor'a moo qalelle ea ka e ile ea kena ka moqomong oa lithōle.
Nakong ena eohle, ha ke ntse ke buisanoa, ke ile ka buisana ka mefokolo ea ka le ho oa ha ka ho ODS mme bashanyana ba ile ba mpha maikutlo 'me ba nthusa ka tsela e' ngoe le e 'ngoe ka keletso, le hoja, joalo ka tloaelo, ho ne ho boetse ho e-na le trolling e ngata ea botsoalle moo.
E mong oa litho tsa ODS o ile a ithaopela ho nkopanya le motsoalle oa hae, eo e leng Mookameli oa Boenjiniere Lyft. Ka pele ka potlako. Ke tla Lyft bakeng sa lijo tsa mots'eare, 'me ntle le motsoalle enoa ho boetse ho na le Hlooho ea Saense ea Boitsebiso le mookameli oa Sehlahisoa eo e leng motsoalle e moholo oa Thuto e tebileng. Lijong tsa mots'eare re ile ra qoqa ka DL. 'Me kaha esale ke koetlisa marang-rang 24/7 ka halofo ea selemo, ke bala li-cubic metres tsa lingoliloeng,' me ke matha mesebetsi ho Kaggle ka liphello tse hlakileng haholoanyane, ke ne ke khona ho bua ka Thuto e tebileng ka lihora tse ngata, ka bobeli ho ea ka lihlooho tse ncha le mekhoa e sebetsang .
Kamora lijo tsa mots'eare, ba ile ba ntjheba mme ba re - ho hlakile hanghang hore o motle, na o batla ho bua le rona? Ho feta moo, ba ekelitse hore ho hlakile ho 'na hore skrine ea lapeng + ea theknoloji e ka qojoa. Le hore ke tla memeloa hang-hang ho ea sebakeng seo. Ke ile ka lumela.
Ka mor’a moo, mohiri eo o ile a ntetsetsa hore ke tl’o buisana le ’na sebakeng seo, ’me o ne a sa khotsofala. O ile a honotha ho hong ka ho se tlole hodima hlooho ya hao.
O tlile. Puisano ea sebakeng sa heno. Lihora tse hlano tsa puisano le batho ba fapaneng. Ho ne ho se potso e le 'ngoe mabapi le ho Ithuta ho Tebileng, kapa mabapi le ho ithuta ka mochini ka molao-motheo. Kaha ha ho na Thuto e Tebileng / Pono ea Khomphutha, joale ha ke thahaselle. Kahoo, liphetho tsa lipuisano li ne li le tsa orthogonal.
Mohiri enoa oa letsa o re - kea u lebohela, u fihlile tlhahlobong ea bobeli ea hau. Sena sea makatsa. Sebaka sa bobeli ke sefe? Ha ke so utloe ka ntho e joalo. Ke ile ka ea. Ho na le lihora tse 'maloa moo, lekhetlong lena e bua ka ho ithuta ka mochini oa setso. Ho molemo. Empa e ntse e sa thahaselle.
Motho ea hirang o letsa ka liteboho hore ebe ke atlehile tlhahlobong ea boraro ea sebakeng seo mme ke ikana hore ena e tla ba ea ho qetela. Ke ile ka ea e bona 'me ho ne ho e-na le DL le CV ka bobeli.
Ke bile le pele ka likhoeli tse ngata ea ileng a mpolella hore ha ho na tlhahiso. Ke tla koetlisa eseng ka litsebo tsa tekheniki, empa ka tse bonolo. Eseng ka lehlakoreng le bonolo, empa ka taba ea hore boemo bo tla koaloa kapa hore khampani ha e e-s'o hire, empa e mpa e leka 'maraka le boemo ba ba khethiloeng.
Bohareng ba Phato. Ke noele biri hantle. Mehopolo e lefifi. Likhoeli tse 8 li fetile mme ho ntse ho se na tlhahiso. Ho molemo ho ba le boqapi ka tlas'a biri, haholo-holo haeba boqapi bo makatsa. Ho tla mohopolo oa ka. Ke e arolelana le Alexey Shvets, eo ka nako eo e neng e le postdoc ho MIT.
Ho thoe'ng haeba u nka kopano e haufi ea DL / CV, shebella litlholisano tse tšoaroang e le karolo ea eona, koetlisa ho hong 'me u romelle? Kaha litsebi tsohle tse teng li haha mesebetsi ea tsona ho sena mme esale li etsa sena ka likhoeli tse ngata kapa esita le lilemo, ha re na monyetla. Empa ha e tshose. Re etsa tlhahiso e nang le morero, re fofela sebakeng sa ho qetela, ebe ka mor'a moo re ngola sengoliloeng kapa sengoloa se buang ka hore na ha re tšoane le motho e mong le e mong joang ebe re bua ka qeto ea rona. 'Me sengoloa se se se ntse se le ho LinkedIn le tlhahisong ea hau.
Ke hore, e bonahala e le ea bohlokoa 'me ho na le mantsoe a bohlokoa a nepahetseng ho qalelle, a lokelang ho eketsa menyetla ea ho fihla skrineng sa theknoloji hanyane. Khoutu le litlhahiso tse tsoang ho 'na, litemana tse tsoang ho Alexey. Papali, ehlile, empa hobaneng?
Ka pele ka potlako. Seboka se haufinyane seo re ileng ra se sebelisa google e ne e le MICCAI mme ho bile le litlholisano moo. Re otla ea pele. E ne le . Mosebetsi o na le likaroloana tse 3. Ho ne ho setse matsatsi a 8 pele ho nako ea ho qetela. Ke ile ka lla hoseng, empa ha kea ka ka tela khopolo eo. Ke ile ka nka liphaephe tsa ka ho tloha Kaggle 'me ka li fetola ho tloha ho data ea satellite ho ea ho data ea bongaka. 'fit_predict'. Alexey o ile a lokisetsa tlhaloso ea maqephe a mabeli ea tharollo bakeng sa bothata bo bong le bo bong, 'me ra e romela. E lokile. Ka khopolo, u ka exhale. Empa ho ile ha fumaneha hore ho na le mosebetsi o mong bakeng sa workshop e tšoanang () ka mesebetsi e nyane e meraro le hore nako ea hae ea ho qetela e nyolohile ka matsatsi a 4, ke hore, re ka etsa 'fit_predict' moo le ho e romella. Ke seo re se entseng.
Ho fapana le Kaggle, litlholisano tsena li ne li e-na le lintlha tsa tsona tsa thuto:
- Ha ho Leboto la Baetapele. Litlhahiso li romelloa ka imeile.
- U tla tlosoa haeba moemeli oa sehlopha a sa tle ho tla fana ka tharollo kopanong ea Workshop.
- Sebaka sa hau ho baetapele se tsejoa feela nakong ea kopano. Mofuta oa tšoantšiso ea thuto.
Seboka sa MICCAI 2017 se ne se tšoaretsoe Quebec City. Ho bua 'nete, ka Loetse ke ne ke qala ho khathala, kahoo mohopolo oa ho nka beke mosebetsing le ho ea Canada o ne o bonahala o thahasellisa.
Ke tlile kopanong. Ke tlile Workshop ena, ha ke tsebe motho, ke lutse hukung. E mong le e mong oa tsebana, ba buisana, ba lahla mantsoe a bohlale a bongaka. Tlhahlobo ea tlholisano ea pele. Barupeluoa ba bua le ho bua ka liqeto tsa bona. Ho phodile mono, ka ho phatsima. Nako ea ka. 'Me ke hlajoa ke lihlong ka tsela e itseng. Ba rarolle bothata, ba sebetsa ho bona, mahlale a tsoetseng pele, 'me re "lokela_ho bolela esale pele" ho tsoa liketsahalong tse fetileng, eseng bakeng sa mahlale, empa ho matlafatsa tlhahiso ea rona.
O ile a tsoa ’me a re le ’na ha ke setsebi litabeng tsa bongaka, a kōpa tšoarelo ka ho ba senyetsa nako, ’me a mpontša selaete se le seng se nang le tharollo. Ke ile ka theohela holong.
Ba phatlalatsa mosebetsi o monyenyane oa pele - ke rona ba pele, 'me re le ka thōko.
Ea bobeli le ea boraro lia phatlalatsoa.
Ba phatlalatsa ea boraro - hape pele le hape ka ketapele.
Kakaretso ke ea pele.
Ba bang har’a bamameli ba bososela ’me ba ncheba ka tlhompho. Ba bang, bao ho bonahalang ba ne ba nkoa e le litsebi lefapheng lena, ba ne ba hapile lithuso bakeng sa mosebetsi ona ’me ba ’nile ba etsa sena ka lilemo tse ngata, ba ne ba e-na le ponahalo e sothehileng hanyenyane lifahlehong tsa bona.
E latelang ke mosebetsi oa bobeli, o nang le mesebetsi e nyenyane e meraro le e seng e fetiselitsoe pele ka matsatsi a mane.
Mona ke ile ka boela ka kōpa tšoarelo 'me ka bontša slide ea rōna e le 'ngoe hape.
Eona pale. Tse peli pele, motsotsoana o le mong, tse tloaelehileng pele.
Ke nahana hore mohlomong lena ke lekhetlo la pele historing moo setsi sa pokello se hapileng tlholisano ea litšoantšo tsa bongaka.
'Me hona joale ke eme sethaleng, ba mpha mofuta oa diploma mme ke hlasetsoe. Ho ka ba joalo joang? Barutehi bana ba sebelisa chelete ea balefi ba lekhetho, ba sebeletsa ho nolofatsa le ho ntlafatsa boleng ba mosebetsi oa lingaka, ke hore, ka khopolo, nako eo ke lebeletsoeng ho phela ka eona, 'me sehlopha se seng se ile sa hahola basebetsi bohle ba thuto ho folaga ea Borithane mantsiboeeng a seng makae.
Bonase ho sena ke hore lihlopheng tse ling, baithuti ba fumaneng mangolo ba qetileng likhoeli tse ngata ba ntse ba sebetsa mesebetsing ena ba tla ba le qalelle e khahlang HR, ke hore, ba tla fihla skrineng sa theknoloji habonolo. 'Me ka pel'a mahlo a ka ho na le lengolo-tsoibila le sa tsoa amoheloa:
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.Ka kakaretso, ho tloha sethaleng, ke botsa bamameli: “Na ho na le ea tsebang moo ke sebetsang teng?” E mong oa bahlophisi ba tlholisano o ne a tseba - o ile a etsa Google hore na TrueAccord ke eng. Ba bang kaofela ha ba joalo. Ke tsoela pele: “Ke sebeletsa setsi sa pokello, ’me mosebetsing ha ke etse Computer Vision kapa Deep Learning. 'Me ka litsela tse ngata, sena se etsahala hobane mafapha a HR a Google Brain le Deepmind a hloekisa qalelle ea ka, a sa mphe monyetla oa ho bontša koetliso ea tekheniki. "
Ba nehelana ka setifikeiti, khefu. Sehlopha sa barutehi se nkhulela ka thoko. Ho ile ha fumaneha hore sena ke sehlopha sa Health se nang le Deepmind. Ba ne ba khahliloe hoo hang-hang ba ileng ba batla ho bua le ’na ka sekheo sa Moenjiniere oa Lipatlisiso sehlopheng sa bona. (Re ile ra bua. Puisano ena e ile ea nka likhoeli tsa 6, ke ile ka feta ho nka hae, lipotso, empa ke ile ka khutsufatsoa skrineng sa theknoloji. Likhoeli tsa 6 ho tloha qalong ea puisano ho ea skrineng ea theknoloji ke nako e telele. Ho ema nako e telele ho fana ka tatso. Setsebi sa Lipatlisiso ho Deepmind London, khahlanong le semelo sa TrueAccord ho ne ho e-na le mohato o matla oa ho nyoloha, empa khahlanong le semelo sa boemo ba ka ba hona joale ke ho theoha ho tloha bohōle ba lilemo tse peli tse fetileng ho tloha ka nako eo, ho molemo hore ha ho joalo.)
fihlela qeto e
Hoo e ka bang ka nako e tšoanang, ke ile ka fumana tlhahiso e tsoang ho Lyft, eo ke ileng ka e amohela.
Ho ipapisitsoe le liphetho tsa litlholisano tsena tse peli le MICCAI, tse latelang li phatlalalitsoe:
Ka mantsoe a mang, ho sa tsotellehe ho hlaha ha maikutlo, ho eketsa lingoliloeng le li-preprints ka litlholisano ho sebetsa hantle. 'Me lilemong tse latelang re ile ra mpefatsa boemo le ho feta.
Ke sebelitse Lyft ka lilemo tse 'maloa tse fetileng ke etsa Computer Vision/Deep Learning for Self Driving cars. Ke hore, ke fumane seo ke neng ke se batla. Le mesebetsi, le k'hamphani ea boemo bo holimo, le basebetsi-'moho le matla, le tse ling tsohle tse molemo.
Likhoeling tsena, ke bile le puisano le lik'hamphani tse peli tse kholo tsa Google, Facebook, Uber, LinkedIn, le tse ngata tse qalang tsa boholo bo fapaneng.
Ho bohloko likhoeling tsena kaofela. Bokahohle bo u bolella ntho e sa thabiseng hakaalo letsatsi le leng le le leng. Ho khesoa khafetsa, ho etsa liphoso khafetsa, 'me sena sohle se natefisoa ke maikutlo a phehellang a ho hloka tšepo. Ha ho na tiiso ea hore u tla atleha, empa ho na le maikutlo a hore u leoatla. E nkhopotsa haholo kamoo ke ileng ka leka ho fumana mosebetsi hang ka mor’a univesithi.
Ke nahana hore ba bangata ba ne ba batla mosebetsi phuleng eo ’me ntho e ’ngoe le e ’ngoe e ne e le bonolo ho bona. Leqheka, ka maikutlo a ka, ke sena. Haeba u batla mosebetsi tšimong eo u e utloisisang, u na le phihlelo e ngata, 'me qalelle ea hau e bua se tšoanang, ha ho na mathata. Ke ile ka e nka mme ka e fumana. Ho na le likheo tse ngata.
Empa haeba u batla mosebetsi tšimong e ncha ho uena, ke hore, ha ho se na tsebo, ha ho na likamano le tlhahiso ea hau e bua ntho e fosahetseng - motsotso ona ntho e 'ngoe le e' ngoe e fetoha e thahasellisang haholo.
Hona joale, bahiri ba 'ngolla khafetsa' me ba ithaopela ho etsa ntho e tšoanang le eo ke e etsang hona joale, empa k'hamphaning e fapaneng. Ke nako ea ho fetola mesebetsi. Empa ha ho na thuso ea ho etsa seo ke seng ke ntse ke le sona. Molelmong oa eng?
Empa bakeng sa seo ke se batlang, ke boetse ke se na tsebo kapa mela e qalelleng ea ka. A re bone hore na sena sohle se fella joang. Haeba tsohle li tsamaea hantle, ke tla ngola karolo e latelang. 🙂
Source: www.habr.com