Kutoka kwa wanafizikia hadi Sayansi ya Data (Kutoka kwa injini za sayansi hadi plankton ya ofisi). Sehemu ya tatu

Kutoka kwa wanafizikia hadi Sayansi ya Data (Kutoka kwa injini za sayansi hadi plankton ya ofisi). Sehemu ya tatu

Picha imechangiwa na Arthur Kuzinn01z3), kwa usahihi kabisa muhtasari wa yaliyomo kwenye chapisho la blogi. Kwa hivyo, simulizi ifuatayo inapaswa kutambuliwa zaidi kama hadithi ya Ijumaa kuliko kitu muhimu sana na kiufundi. Kwa kuongeza, ni muhimu kuzingatia kwamba maandishi ni matajiri katika maneno ya Kiingereza. Sijui jinsi ya kutafsiri baadhi yao kwa usahihi, na sitaki tu kutafsiri baadhi yao.

Sehemu ya kwanza.
Sehemu ya pili.

Jinsi mabadiliko kutoka kwa mazingira ya kielimu hadi mazingira ya kiviwanda yalifanyika inafichuliwa katika vipindi viwili vya kwanza. Katika hili, mazungumzo yatakuwa juu ya kile kilichotokea baadaye.

Ilikuwa Januari 2017. Wakati huo, nilikuwa na uzoefu wa kazi zaidi ya mwaka mmoja na nilifanya kazi huko San Francisco katika kampuni TrueAccord kama Sr. Mwanasayansi wa Takwimu.

TrueAccord ni mwanzo wa kukusanya madeni. Kwa maneno rahisi - wakala wa ukusanyaji. Watoza kawaida huita sana. Tulituma barua pepe nyingi, lakini tulipiga simu chache. Kila barua pepe ilisababisha tovuti ya kampuni, ambapo mdaiwa alipewa punguzo la deni, na hata kuruhusiwa kulipa kwa awamu. Mbinu hii ilisababisha ukusanyaji bora, kuruhusiwa kwa kuongeza na kupunguza uwezekano wa kesi.

Kampuni ilikuwa ya kawaida. Bidhaa ni wazi. Uongozi una akili timamu. Eneo ni nzuri.

Kwa wastani, watu katika bonde hufanya kazi katika sehemu moja kwa karibu mwaka mmoja na nusu. Yaani kampuni yoyote unayofanyia kazi ni hatua ndogo tu. Katika hatua hii utachangisha pesa, kupata maarifa mapya, ujuzi, miunganisho na mistari katika wasifu wako. Baada ya hayo kuna mpito kwa hatua inayofuata.

Katika TrueAccord yenyewe, nilihusika katika kuambatanisha mifumo ya mapendekezo kwa majarida ya barua pepe, na vile vile kuweka kipaumbele simu. Athari inaeleweka na ilipimwa vyema kwa dola kupitia majaribio ya A/B. Kwa kuwa hakukuwa na mafunzo ya mashine kabla ya kuwasili kwangu, matokeo ya kazi yangu hayakuwa mabaya. Tena, ni rahisi zaidi kuboresha kitu kuliko kitu ambacho tayari kimeboreshwa sana.

Baada ya miezi sita ya kufanya kazi kwenye mifumo hii, hata walipandisha malipo yangu ya msingi kutoka $150k hadi $163k. Katika jamii Sayansi ya Data wazi (ODS) kuna meme ya takriban $163k. Inakua na miguu yake kutoka hapa.

Yote hii ilikuwa ya ajabu, lakini haikuongoza popote, au iliongoza, lakini si huko.

Ninaheshimu sana TrueAccord, kampuni na watu niliofanya nao kazi hapo. Nilijifunza mengi kutoka kwao, lakini sikutaka kufanya kazi kwa muda mrefu kwenye mifumo ya mapendekezo katika wakala wa kukusanya. Kutoka kwa hatua hii ilibidi uingie katika mwelekeo fulani. Ikiwa sio mbele na juu, basi angalau kando.

Sikupenda nini?

  1. Kwa mtazamo wa kujifunza kwa mashine, matatizo hayakunisisimua. Nilitaka kitu cha mtindo, cha ujana, yaani, Kujifunza kwa kina, Maono ya Kompyuta, kitu karibu na sayansi au angalau alchemy.
  2. Kuanzisha, na hata wakala wa kukusanya, ina matatizo ya kuajiri wafanyakazi waliohitimu sana. Kama mwanzo, haiwezi kulipa sana. Lakini kama wakala wa ukusanyaji, inapoteza hadhi. Kwa kusema, ikiwa msichana kwenye tarehe anauliza unafanya kazi wapi? Jibu lako: "Kwenye Google" linasikika kuwa maagizo ya ukubwa bora kuliko "wakala wa kukusanya." Nilikerwa kidogo na ukweli kwamba kwa marafiki zangu wanaofanya kazi katika Google na Facebook, tofauti na mimi, jina la kampuni yao lilifungua milango kama vile: unaweza kualikwa kwenye mkutano au mkutano kama mzungumzaji, au watu wanaovutia zaidi wanaandika kwenye LinkedIn. kwa ofa ya kukutana na kuzungumza juu ya glasi ya chai. Ninapenda sana kuwasiliana na watu ambao siwafahamu ana kwa ana. Kwa hivyo ikiwa unaishi San Francisco, usisite kuandika - twende tukanywe kahawa na tuzungumze.
  3. Mbali na mimi, kampuni hiyo ilikuwa na Wanasayansi watatu wa Takwimu. Nilikuwa nikifanya kazi ya kujifunza kwa mashine, na walikuwa wakifanya kazi kwenye kazi zingine za Sayansi ya Data, ambazo ni za kawaida katika uanzishaji wowote kutoka hapa hadi kesho. Matokeo yake, hawakuelewa kabisa kujifunza kwa mashine. Lakini ili kukua, ninahitaji kuwasiliana na mtu, kujadili makala na maendeleo ya hivi karibuni, na kuomba ushauri, mwisho.

Ni nini kilipatikana?

  1. Elimu: fizikia, si sayansi ya kompyuta.
  2. Lugha pekee ya programu nilijua ilikuwa Python. Kulikuwa na hisia kwamba nilihitaji kubadili hadi C++, lakini bado sikuweza kuifikia.
  3. Mwaka na nusu ya kazi katika sekta hiyo. Isitoshe, kazini sikusoma Elimu ya Kina au Maono ya Kompyuta.
  4. Hakuna nakala moja juu ya Kujifunza kwa kina / Maono ya Kompyuta kwenye wasifu.
  5. Kulikuwa na mafanikio ya Kaggle Master.

Ulitaka nini?

  1. Nafasi ambayo itakuwa muhimu kufundisha mitandao mingi, na karibu na maono ya kompyuta.
  2. Ni bora ikiwa ni kampuni kubwa kama Google, Tesla, Facebook, Uber, LinkedIn, nk. Ingawa kwa ufupi, uanzishaji ungefanya.
  3. Sihitaji kuwa mtaalamu mkuu wa kujifunza mashine kwenye timu. Kulikuwa na hitaji kubwa la wandugu wakuu, washauri na kila aina ya mawasiliano, ambayo yalipaswa kuharakisha mchakato wa kujifunza.
  4. Baada ya kusoma machapisho ya blogu kuhusu jinsi wahitimu wasio na uzoefu wa kiviwanda wanavyopata jumla ya fidia ya $300-500k kwa mwaka, nilitaka kuingia katika safu sawa. Sio kwamba hii inanisumbua sana, lakini kwa kuwa wanasema kuwa hii ni jambo la kawaida, lakini nina kidogo, basi hii ni ishara.

Kazi hiyo ilionekana kutatuliwa kabisa, ingawa sio kwa maana kwamba unaweza kuruka kwenye kampuni yoyote, lakini badala yake kwamba ikiwa una njaa, kila kitu kitafanya kazi. Hiyo ni, makumi au mamia ya majaribio, na maumivu kutoka kwa kila kushindwa na kila kukataa, inapaswa kutumika kuimarisha lengo, kuboresha kumbukumbu na kunyoosha siku hadi saa 36.

Nilirekebisha wasifu wangu, nikaanza kuutuma, na kwenda kwa mahojiano. Nilipita wengi wao katika hatua ya mawasiliano na HR. Watu wengi walihitaji C ++, lakini sikujua, na nilikuwa na hisia kali kwamba singependezwa sana na nafasi zinazohitaji C ++.

Inafaa kumbuka kuwa karibu wakati huo huo kulikuwa na mpito wa awamu katika aina ya mashindano kwenye Kaggle. Kabla ya 2017 kulikuwa na data nyingi za tabular na data ya picha mara chache sana, lakini kuanzia mwaka wa 2017 kulikuwa na kazi nyingi za maono ya kompyuta.

Maisha yalitiririka katika hali ifuatayo:

  1. Kazi wakati wa mchana.
  2. Wakati tech screen / onsite wewe kuchukua muda mbali.
  3. Jioni na wikendi Kaggle + makala / vitabu / machapisho ya blogi

Mwisho wa 2016 uliwekwa alama na ukweli kwamba nilijiunga na jumuiya Sayansi ya Data wazi (ODS), ambayo imerahisisha mambo mengi. Kuna watu wengi katika jamii walio na tajiriba ya viwandani, ambayo ilituruhusu kuuliza maswali mengi ya kijinga na kupata majibu mengi mahiri. Pia kuna wataalamu wengi wenye nguvu sana wa kujifunza mashine wa mistari yote, ambayo, bila kutarajia, iliniruhusu, kupitia ODS, kufunga suala hili kwa mawasiliano ya kina ya mara kwa mara kuhusu Sayansi ya Data. Hadi sasa, kwa suala la ML, ODS hunipa mara nyingi zaidi ya kile ninachopata kazini.

Kweli, kama kawaida, ODS ina wataalam wa kutosha katika mashindano kwenye Kaggle na tovuti zingine. Kutatua matatizo katika timu ni ya kufurahisha zaidi na yenye tija, kwa hivyo kwa utani, matusi, memes na burudani zingine za ujinga, tulianza kutatua shida moja baada ya nyingine.

Mnamo Machi 2017 - katika timu na Serega Mushinsky - nafasi ya tatu kwa Utambuzi wa Kipengele cha Picha za Satellite cha Dstl. Medali ya dhahabu kwenye Kaggle + $20k kwa wawili. Kwenye kazi hii, kazi na picha za satelaiti + sehemu za binary kupitia UNet ziliboreshwa. Chapisho la blogi kuhusu Habre kuhusu mada hii.

Machi hiyo hiyo, nilienda kwa mahojiano huko NVidia na timu ya Kuendesha Self. Nilitatizika sana na maswali kuhusu Utambuzi wa Kitu. Hakukuwa na maarifa ya kutosha.

Kwa bahati nzuri, wakati huo huo, shindano la Kugundua Kitu kwenye picha za angani kutoka kwa DSTL sawa lilianza. Mungu mwenyewe aliamuru kutatua tatizo na kuboresha. Mwezi wa jioni na wikendi. Nilichukua maarifa na kumaliza nafasi ya pili. Ushindani huu ulikuwa na nuance ya kuvutia katika sheria, ambayo ilisababisha mimi kuonyeshwa nchini Urusi kwenye njia za shirikisho na sio za shirikisho. Nikapanda nyumbani Lenta.ru, na katika kundi la machapisho na machapisho ya mtandaoni. Mail Ru Group ilipokea PR chanya kidogo kwa gharama yangu na pesa zao wenyewe, na sayansi ya kimsingi nchini Urusi iliboreshwa na pauni 12000. Kama kawaida, iliandikwa juu ya mada hii chapisho la blogi kwenye hubr. Nenda huko kwa maelezo.

Wakati huo huo, mwajiri wa Tesla aliwasiliana nami na akajitolea kuzungumza juu ya nafasi ya Maono ya Kompyuta. Nilikubali. Nilikimbia kwa kurudi nyumbani, skrini mbili za teknolojia, mahojiano ya tovuti, na nilikuwa na mazungumzo ya kupendeza sana na Andrei Karpathy, ambaye alikuwa ameajiriwa huko Tesla kama Mkurugenzi wa AI. Hatua inayofuata ni ukaguzi wa mandharinyuma. Baada ya hapo, Elon Musk alilazimika kuidhinisha ombi langu binafsi. Tesla ina Mkataba mkali wa kutofichua (NDA).
Sikupitisha ukaguzi wa nyuma. Msajili alisema kuwa nilizungumza sana mtandaoni, nikiuka NDA. Mahali pekee ambapo nilisema chochote kuhusu mahojiano huko Tesla ilikuwa ODS, kwa hivyo nadharia ya sasa ni kwamba mtu alichukua picha ya skrini na kumwandikia HR huko Tesla, na niliondolewa kwenye mbio bila hatari. Ilikuwa ni aibu basi. Sasa ninafurahi haikufanya kazi. Msimamo wangu wa sasa ni bora zaidi, ingawa itakuwa ya kuvutia sana kufanya kazi na Andrey.

Mara tu baada ya hapo, nilijiingiza kwenye shindano la picha za setilaiti kwenye Kaggle kutoka Maabara ya Sayari - Kuelewa Amazon kutoka Angani. Tatizo lilikuwa rahisi na la kuchosha sana; hakuna aliyetaka kulitatua, lakini kila mtu alitaka medali ya bure ya dhahabu au pesa za tuzo. Kwa hiyo, pamoja na timu ya Kaggle Masters ya watu 7, tulikubaliana kwamba tutapiga chuma. Tulifunza mitandao 480 katika hali ya β€˜fit_predict’ na tukafanya mkusanyiko wa ghorofa tatu kutoka kwayo. Tulimaliza wa saba. Chapisho la blogi linaloelezea suluhisho kutoka kwa Arthur Kuzin. Kwa njia, Jeremy Howard, ambaye anajulikana sana kama muumbaji Haraka.AI kumaliza 23.

Baada ya mwisho wa shindano, kupitia kwa rafiki ambaye alifanya kazi katika AdRoll, nilipanga Mkutano kwenye majengo yao. Wawakilishi wa Sayari Labs walizungumza hapo kuhusu jinsi shirika la shindano na uwekaji alama wa data lilivyoonekana kwa upande wao. Wendy Kwan, ambaye anafanya kazi katika Kaggle na kusimamia shindano hilo, alizungumzia jinsi alivyoliona. Nilielezea suluhisho letu, hila, mbinu na maelezo ya kiufundi. Theluthi mbili ya watazamaji walitatua tatizo hili, kwa hiyo maswali yaliulizwa kwa uhakika na kwa ujumla kila kitu kilikuwa kizuri. Jeremy Howard alikuwepo pia. Ilibadilika kuwa alimaliza katika nafasi ya 23 kwa sababu hakujua jinsi ya kuweka mfano na kwamba hakujua kuhusu njia hii ya kujenga ensembles hata.

Mikutano kwenye bonde kwenye kujifunza kwa mashine ni tofauti sana na mikutano huko Moscow. Kama sheria, kukutana kwenye bonde ni chini. Lakini yetu iligeuka kuwa nzuri. Kwa bahati mbaya, rafiki ambaye alitakiwa kubonyeza kitufe na kurekodi kila kitu hakubonyeza kitufe :)

Baada ya hapo, nilialikwa kuzungumza na nafasi ya Mhandisi wa Kujifunza kwa kina katika Maabara hii ya Sayari, na mara moja kwenye tovuti. Sikuipita. Maneno ya kukataa ni kwamba hakuna maarifa ya kutosha katika Kujifunza kwa Kina.

Nilitengeneza kila shindano kama mradi ndani LinkedIn. Kwa tatizo la DSTL tuliandika kuchapisha kabla na kuiweka kwenye arxiv. Sio makala, lakini bado mkate. Pia ninapendekeza kwa kila mtu kuongeza wasifu wao wa LinkedIn kupitia mashindano, makala, ujuzi, na kadhalika. Kuna uwiano mzuri kati ya maneno mengi muhimu uliyo nayo kwenye wasifu wako wa LinkedIn na mara ngapi watu wanakutumia ujumbe.

Ikiwa katika majira ya baridi na spring nilikuwa kiufundi sana, basi kufikia Agosti nilikuwa na ujuzi na kujiamini.

Mwishoni mwa Julai, mvulana ambaye alifanya kazi kama meneja wa Sayansi ya Data huko Lyft aliwasiliana nami kwenye LinkedIn na akanialika ninywe kahawa na kuzungumza kuhusu maisha, kuhusu Lyft, kuhusu TrueAccord. Tulizungumza. Alijitolea kufanya mahojiano na timu yake kwa nafasi ya Mwanasayansi wa Takwimu. Nilisema kuwa chaguo hilo linafanya kazi, mradi ni Maono ya Kompyuta / Kujifunza kwa kina kutoka asubuhi hadi jioni. Alihakikisha kuwa hakuna pingamizi kwa upande wake.

Nilituma wasifu wangu na akaupakia kwenye lango la ndani la Lyft. Baada ya hapo, mwajiri aliniita ili nifungue wasifu wangu na kujua zaidi kunihusu. Kutoka kwa maneno ya kwanza kabisa, ilikuwa wazi kuwa kwake hii ilikuwa utaratibu, kwani ilikuwa dhahiri kwake kutoka kwa kuanza tena kuwa "mimi sio nyenzo ya Lyft." Nadhani baada ya hapo wasifu wangu uliingia kwenye pipa la takataka.

Wakati huu wote, nilipokuwa nikihojiwa, nilijadili kushindwa kwangu na kuanguka kwa ODS na wavulana walinipa maoni na kunisaidia kwa kila njia na ushauri, ingawa, kama kawaida, pia kulikuwa na unyanyasaji wa kirafiki huko.

Mmoja wa wanachama wa ODS alijitolea kuniunganisha na rafiki yake, ambaye ni Mkurugenzi wa Uhandisi huko Lyft. Si mapema alisema kuliko kufanya. Ninakuja Lyft kwa chakula cha mchana, na kando na rafiki huyu pia kuna Mkuu wa Sayansi ya Data na meneja wa Bidhaa ambaye ni shabiki mkubwa wa Deep Learning. Wakati wa chakula cha mchana tulizungumza juu ya DL. Na kwa kuwa nimekuwa nikitoa mafunzo kwa mitandao 24/7 kwa nusu mwaka, kusoma mita za ujazo za fasihi, na kutekeleza majukumu kwenye Kaggle na matokeo ya wazi zaidi au kidogo, ningeweza kuzungumza juu ya Kujifunza kwa Kina kwa masaa, kwa suala la nakala mpya na. mbinu za vitendo.

Baada ya chakula cha mchana walinitazama na kusema - ni dhahiri mara moja kuwa wewe ni mzuri, unataka kuzungumza nasi? Zaidi ya hayo, waliongeza kuwa ni wazi kwangu kwamba skrini ya kuchukua nyumbani + ya teknolojia inaweza kurukwa. Na kwamba nitaalikwa mara moja kwenye tovuti. Nilikubali.

Baada ya hapo, mwajiri huyo aliniita ili kupanga mahojiano kwenye tovuti, na hakuridhika. Alinung'unika kitu juu ya kutoruka juu ya kichwa chako.

Alikuja. Mahojiano ya tovuti. Saa tano za mawasiliano na watu tofauti. Hakukuwa na swali hata moja kuhusu Kujifunza kwa Kina, au kuhusu kujifunza kwa mashine kimsingi. Kwa kuwa hakuna Maono ya Kina/Maono ya Kompyuta, basi sipendezwi. Kwa hivyo, matokeo ya mahojiano yalikuwa ya orthogonal.

Msajili huyu anapiga simu na kusema - hongera, umepitia mahojiano ya pili ya tovuti. Haya yote yanashangaza. Je, nafasi ya pili ni ipi? Sijawahi kusikia kitu kama hicho. Nilienda. Kuna saa kadhaa huko, wakati huu kuhusu kujifunza kwa mashine ya kitamaduni. Hiyo ni bora zaidi. Lakini bado si ya kuvutia.

Mwajiri anapiga simu kwa pongezi kwamba nilipitisha usaili wa tatu kwenye tovuti na kuapa kwamba hii itakuwa ya mwisho. Nilienda kuiona na kulikuwa na DL na CV.

Nilikuwa na kabla kwa miezi mingi ambaye aliniambia kuwa hakutakuwa na ofa. Sitatoa mafunzo kwa ustadi wa kiufundi, lakini kwa laini. Sio kwa upande wa laini, lakini kwa ukweli kwamba nafasi itafungwa au kwamba kampuni haijaajiri bado, lakini inajaribu tu soko na kiwango cha wagombea.

Katikati ya Agosti. Nilikunywa bia sawa. Mawazo ya giza. Miezi 8 imepita na bado hakuna ofa. Ni vizuri kuwa mbunifu chini ya bia, haswa ikiwa ubunifu ni wa kushangaza. Wazo linakuja akilini mwangu. Ninashiriki na Alexey Shvets, ambaye wakati huo alikuwa postdoc huko MIT.

Je, ikiwa utahudhuria mkutano wa karibu wa DL/CV, tazama mashindano ambayo yanafanyika kama sehemu yake, fundisha kitu na uwasilishe? Kwa kuwa wataalam wote huko wanaunda taaluma zao juu ya hili na wamekuwa wakifanya hivi kwa miezi mingi au hata miaka, hatuna nafasi. Lakini sio ya kutisha. Tunatoa uwasilishaji wa maana, kuruka hadi mahali pa mwisho, na baada ya hapo tunaandika maandishi ya awali au makala kuhusu jinsi sisi si kama kila mtu mwingine na kuzungumza juu ya uamuzi wetu. Na nakala tayari iko kwenye LinkedIn na kwenye wasifu wako.

Hiyo ni, inaonekana kuwa muhimu na kuna maneno muhimu zaidi katika wasifu, ambayo inapaswa kuongeza kidogo nafasi za kufikia skrini ya teknolojia. Kanuni na mawasilisho kutoka kwangu, maandishi kutoka kwa Alexey. Mchezo, bila shaka, lakini kwa nini sivyo?

Si mapema alisema kuliko kufanya. Mkutano wa karibu zaidi ambao tulitumia google ulikuwa MICCAI na kwa kweli kulikuwa na mashindano huko. Tunapiga ya kwanza. Ilikuwa UCHAMBUZI WA Picha ya Utumbo (GIANA). Jukumu lina majukumu 3 madogo. Zilikuwa zimesalia siku 8 kabla ya tarehe ya mwisho. Niliamka asubuhi, lakini sikuacha wazo hilo. Nilichukua mabomba yangu kutoka Kaggle na kuyabadilisha kutoka kwa data ya setilaiti hadi ya matibabu. 'fit_predict'. Alexey alitayarisha maelezo ya kurasa mbili ya suluhisho kwa kila tatizo, na tukaituma. Tayari. Kwa nadharia, unaweza exhale. Lakini ikawa kwamba kulikuwa na kazi nyingine kwa semina hiyo hiyo (Sehemu ya Ala ya Roboti) akiwa na majukumu matatu madogo na kwamba tarehe yake ya mwisho iliongezwa kwa siku 4, yaani, tunaweza kufanya β€˜fit_predict’ hapo na kuituma. Ndivyo tulivyofanya.

Tofauti na Kaggle, mashindano haya yalikuwa na maelezo yao ya kitaaluma:

  1. Hakuna Ubao wa Wanaoongoza. Mawasilisho yanatumwa kwa barua pepe.
  2. Utaondolewa ikiwa mwakilishi wa timu hatakuja kuwasilisha suluhu kwenye mkutano kwenye Warsha.
  3. Mahali pako kwenye ubao wa wanaoongoza hujulikana wakati wa mkutano pekee. Aina ya drama ya kitaaluma.

Mkutano wa MICCAI 2017 ulifanyika Quebec City. Kusema kweli, kufikia Septemba nilikuwa naanza kuungua, kwa hivyo wazo la kuchukua mapumziko ya wiki kutoka kazini na kuelekea Kanada lilionekana kuvutia.

Alikuja kwenye mkutano. Nilikuja kwenye Warsha hii, simfahamu mtu yeyote, nimekaa pembeni. Kila mtu anajua kila mmoja, wanawasiliana, wanatupa maneno ya matibabu ya busara. Tathmini ya mashindano ya kwanza. Washiriki wanazungumza na kuzungumza juu ya maamuzi yao. Ni poa huko, na kumetameta. Zamu yangu. Na mimi kwa namna fulani hata aibu. Walitatua tatizo, walifanyia kazi, sayansi ya hali ya juu, na sisi "tunafaa_kutabiri" kutoka kwa maendeleo ya zamani, si kwa sayansi, bali ili kuboresha wasifu wetu.

Alitoka na kusema kwamba mimi si mtaalam wa dawa pia, akaomba msamaha kwa kupoteza wakati wao, na akanionyesha slaidi moja yenye suluhisho. Nilishuka hadi ukumbini.

Wanatangaza kazi ndogo ya kwanza - sisi ni wa kwanza, na kwa ukingo.
Ya pili na ya tatu yanatangazwa.
Wanatangaza ya tatu - tena kwanza na tena kwa kuongoza.
Mkuu ni wa kwanza.

Kutoka kwa wanafizikia hadi Sayansi ya Data (Kutoka kwa injini za sayansi hadi plankton ya ofisi). Sehemu ya tatu

Taarifa rasmi kwa vyombo vya habari.

Baadhi ya hadhira hutabasamu na kunitazama kwa heshima. Wengine, wale ambao walionekana kuwa wataalam katika uwanja huo, walikuwa wameshinda ruzuku kwa kazi hii na walikuwa wakifanya hivi kwa miaka mingi, walikuwa na sura potofu kidogo kwenye nyuso zao.

Inayofuata ni kazi ya pili, ile yenye kazi ndogo tatu na ambayo imesogezwa mbele kwa siku nne.

Hapa pia niliomba msamaha na kuonyesha slaidi yetu moja tena.
Hadithi sawa. Mbili kwanza, sekunde moja, kawaida kwanza.

Nadhani hii pengine ni mara ya kwanza katika historia kwa wakala wa ukusanyaji kushinda shindano la picha za matibabu.

Na sasa nimesimama jukwaani, wananipa aina fulani ya diploma na ninapigwa bomu. Je, hiyo inaweza kuwaje? Wasomi hawa wanatumia pesa za walipa kodi, wakifanya kazi ili kurahisisha na kuboresha ubora wa kazi kwa madaktari, yaani, kwa nadharia, umri wangu wa kuishi, na baadhi ya taasisi ilirarua wafanyakazi wote wa kitaaluma katika bendera ya Uingereza katika jioni chache.

Bonasi kwa hii ni kwamba katika timu zingine, wanafunzi waliohitimu ambao wamekuwa wakifanya kazi hizi kwa miezi mingi watakuwa na wasifu ambao unavutia kwa HR, ambayo ni, watafika kwa urahisi kwenye skrini ya teknolojia. Na mbele ya macho yangu kuna barua pepe mpya iliyopokelewa:

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.

Kwa ujumla, kutoka jukwaani, ninauliza watazamaji: "Je! kuna mtu yeyote anajua ninafanya kazi?" Mmoja wa waandaaji wa shindano hilo alijua - aliandika kwenye Google TrueAccord ni nini. Wengine sio. Ninaendelea: β€œNinafanya kazi katika wakala wa kukusanya pesa, na kazini sifanyi na Kompyuta Vision wala Deep Learning. Na kwa njia nyingi, hii hutokea kwa sababu idara za HR za Google Brain na Deepmind huchuja wasifu wangu, bila kunipa nafasi ya kuonyesha mafunzo ya kiufundi. "

Wakakabidhi cheti, mapumziko. Kundi la wasomi linanivuta kando. Ilibadilika kuwa hii ni kikundi cha Afya na Deepmind. Walivutiwa sana hivi kwamba walitaka kuzungumza nami mara moja kuhusu nafasi ya Mhandisi wa Utafiti katika timu yao. (Tulizungumza. Mazungumzo haya yalidumu kwa miezi 6, nilipita take home, chemsha bongo, lakini ilikatishwa kwenye skrini ya teknolojia. Miezi 6 tangu kuanza kwa mawasiliano hadi kwenye skrini ya teknolojia ni muda mrefu. Kusubiri kwa muda mrefu kunatoa ladha. ya kutokuwa na maana.Mhandisi wa Utafiti katika kampuni ya Deepmind huko London, dhidi ya historia ya TrueAccord kulikuwa na hatua kali ya juu, lakini dhidi ya historia ya nafasi yangu ya sasa ni hatua ya chini. Kutoka umbali wa miaka miwili ambayo imepita tangu wakati huo, ni vizuri. kwamba haikuwa hivyo.)

Hitimisho

Karibu wakati huo huo, nilipokea ofa kutoka kwa Lyft, ambayo nilikubali.
Kulingana na matokeo ya mashindano haya mawili na MICCAI, yafuatayo yalichapishwa:

  1. Ugawaji wa zana otomatiki katika upasuaji unaosaidiwa na roboti kwa kutumia ujifunzaji wa kina
  2. Ugunduzi na ujanibishaji wa Angiodysplasia kwa kutumia mitandao ya neva ya kina ya ubadilishaji
  3. Changamoto ya 2017 ya kugawa chombo cha roboti

Hiyo ni, licha ya ujinga wa wazo hilo, kuongeza vifungu vya ziada na maagizo ya awali kupitia mashindano hufanya kazi vizuri. Na katika miaka iliyofuata tuliifanya kuwa mbaya zaidi.

Kutoka kwa wanafizikia hadi Sayansi ya Data (Kutoka kwa injini za sayansi hadi plankton ya ofisi). Sehemu ya tatu

Nimekuwa nikifanya kazi huko Lyft kwa miaka michache iliyopita nikifanya Maono ya Kompyuta/Kujifunza kwa kina kwa magari ya Kuendesha Kibinafsi. Yaani nilipata nilichotaka. Na kazi, na kampuni ya hali ya juu, na wenzako hodari, na mambo mengine yote mazuri.

Kwa miezi hii, nilikuwa na mawasiliano na kampuni zote mbili kubwa za Google, Facebook, Uber, LinkedIn, na bahari ya kuanza kwa ukubwa tofauti.

Iliumiza miezi yote hii. Ulimwengu unakuambia kitu kisichopendeza sana kila siku. Kukataliwa mara kwa mara, kufanya makosa mara kwa mara na yote haya yanaonyeshwa na hisia inayoendelea ya kutokuwa na tumaini. Hakuna dhamana kwamba utafaulu, lakini kuna hisia kwamba wewe ni mjinga. Inakumbusha sana jinsi nilivyojaribu kutafuta kazi mara tu baada ya chuo kikuu.

Nadhani wengi walikuwa wakitafuta kazi kwenye bonde na kila kitu kilikuwa rahisi kwao. Ujanja, kwa maoni yangu, ni hii. Ikiwa unatafuta kazi katika uwanja ambao unaelewa, uwe na uzoefu mwingi, na wasifu wako unasema sawa, hakuna shida. Niliichukua na kuipata. Kuna nafasi nyingi za kazi.

Lakini ikiwa unatafuta kazi katika uwanja ambao ni mpya kwako, ambayo ni, wakati hakuna maarifa, hakuna miunganisho na resume yako inasema kitu kibaya - kwa wakati huu kila kitu kinakuwa cha kufurahisha sana.

Hivi sasa, waajiri huniandikia mara kwa mara na kujitolea kufanya kitu kile kile ninachofanya sasa, lakini katika kampuni tofauti. Kweli ni wakati wa kubadilisha kazi. Lakini hakuna maana ya kwenda kufanya kile ambacho tayari niko vizuri. Kwa ajili ya nini?

Lakini kwa kile ninachotaka, tena sina maarifa wala mistari katika wasifu wangu. Wacha tuone jinsi hii yote itaisha. Ikiwa kila kitu kitaenda vizuri, nitaandika sehemu inayofuata. πŸ™‚

Chanzo: mapenzi.com

Kuongeza maoni