ภาพนี้โดย Arthur Kuzin () สรุปเนื้อหาของโพสต์บล็อกได้ค่อนข้างแม่นยำ ด้วยเหตุนี้ การเล่าเรื่องต่อไปนี้จึงควรมองว่าเป็นเรื่องราวในวันศุกร์มากกว่าเป็นสิ่งที่มีประโยชน์และเป็นเทคนิคอย่างยิ่ง นอกจากนี้ยังเป็นที่น่าสังเกตว่าข้อความมีคำศัพท์ภาษาอังกฤษมากมาย ฉันไม่รู้วิธีแปลบางส่วนให้ถูกต้อง และฉันแค่ไม่อยากแปลบางส่วนเท่านั้น
การเปลี่ยนแปลงจากสภาพแวดล้อมทางวิชาการไปสู่สภาพแวดล้อมทางอุตสาหกรรมเกิดขึ้นได้อย่างไรในสองตอนแรก ในเรื่องนี้จะเป็นบทสนทนาเกี่ยวกับสิ่งที่เกิดขึ้นต่อไป
มันคือเดือนมกราคม 2017 ตอนนั้นฉันมีประสบการณ์การทำงานมากกว่าหนึ่งปีนิดหน่อย และฉันก็ทำงานในบริษัทที่ซานฟรานซิสโก เหมือนนาย นักวิทยาศาสตร์ข้อมูล
TrueAccord สตาร์ทอัพทวงหนี้ กล่าวง่ายๆ คือ หน่วยงานเรียกเก็บเงิน นักสะสมมักจะโทรมาบ่อยมาก เราส่งอีเมลไปมากมายแต่ก็โทรไปบ้าง อีเมลแต่ละฉบับนำไปสู่เว็บไซต์ของบริษัท ซึ่งลูกหนี้ได้รับข้อเสนอส่วนลดหนี้ และยังอนุญาตให้ผ่อนชำระอีกด้วย แนวทางนี้นำไปสู่การรวบรวมที่ดีขึ้น อนุญาตให้ขยายขนาดได้ และมีความเสี่ยงต่อการถูกฟ้องร้องน้อยลง
บริษัทก็ปกติดี สินค้ามีความชัดเจน ฝ่ายบริหารก็มีสติ ทำเลที่ตั้งดี
โดยเฉลี่ยแล้วผู้คนในหุบเขาทำงานในที่แห่งเดียวประมาณหนึ่งปีครึ่ง นั่นคือบริษัทใดๆ ที่คุณทำงานด้วยเป็นเพียงก้าวเล็กๆ เท่านั้น ในขั้นตอนนี้ คุณจะระดมเงิน ได้รับความรู้ ทักษะ การเชื่อมต่อ และสายงานใหม่ๆ ในเรซูเม่ของคุณ หลังจากนี้จะมีการเปลี่ยนแปลงไปสู่ขั้นต่อไป
ที่ TrueAccord ฉันมีส่วนร่วมในการแนบระบบคำแนะนำไปกับจดหมายข่าวทางอีเมล รวมถึงจัดลำดับความสำคัญของการโทร ผลกระทบเป็นเรื่องที่เข้าใจได้และวัดผลได้ค่อนข้างดีในสกุลเงินดอลลาร์ผ่านการทดสอบ A/B เนื่องจากก่อนที่ฉันมาถึงไม่มีการเรียนรู้ของเครื่อง ผลกระทบจากงานของฉันจึงไม่เลวร้าย ขอย้ำอีกครั้งว่า การปรับปรุงบางอย่างทำได้ง่ายกว่าบางสิ่งที่ได้รับการปรับให้เหมาะสมอย่างมากอยู่แล้ว
หลังจากทำงานกับระบบเหล่านี้เป็นเวลาหกเดือน พวกเขายังเพิ่มเงินเดือนของฉันจาก 150 ดอลลาร์เป็น 163 ดอลลาร์อีกด้วย ในสังคม มีมีมเกี่ยวกับ $163k มันเติบโตด้วยขาจากที่นี่
ทั้งหมดนี้ช่างวิเศษมาก แต่มันไม่ได้พาไปไหน หรือพาไป แต่ก็ไม่ได้ไปที่นั่น
ฉันเคารพ TrueAccord เป็นอย่างมาก ทั้งบริษัทและทีมงานที่ฉันร่วมงานด้วย ฉันเรียนรู้มากมายจากพวกเขา แต่ฉันไม่ต้องการทำงานเป็นเวลานานกับระบบการแนะนำในหน่วยงานเรียกเก็บเงิน จากขั้นตอนนี้คุณต้องก้าวไปในทิศทางใดทิศทางหนึ่ง ถ้าไม่ไปข้างหน้าและขึ้นก็อย่างน้อยก็ไปด้านข้าง
ฉันไม่ชอบอะไร?
- จากมุมมองของแมชชีนเลิร์นนิง ปัญหาไม่ได้ทำให้ฉันตื่นเต้น ฉันต้องการบางสิ่งที่ทันสมัย อ่อนเยาว์ นั่นคือ Deep Learning คอมพิวเตอร์วิทัศน์ บางอย่างที่ค่อนข้างใกล้เคียงกับวิทยาศาสตร์หรืออย่างน้อยก็เกี่ยวกับการเล่นแร่แปรธาตุ
- สตาร์ทอัพและแม้แต่บริษัทตัวแทนเรียกเก็บเงิน ประสบปัญหาในการจ้างบุคลากรที่มีคุณสมบัติสูง สตาร์ทอัพก็จ่ายไม่มาก แต่ในฐานะหน่วยงานเรียกเก็บเงินก็สูญเสียสถานะไป ประมาณว่าถ้าสาวไปเดทถามว่าคุณทำงานที่ไหน? คำตอบของคุณ: “ใน Google” ฟังดูมีความสำคัญมากกว่า “หน่วยงานจัดเก็บภาษี” ฉันรู้สึกรำคาญเล็กน้อยกับความจริงที่ว่าสำหรับเพื่อนของฉันที่ทำงานที่ Google และ Facebook ซึ่งแตกต่างจากฉันชื่อ บริษัท ของพวกเขาเปิดประตูเช่น: คุณสามารถได้รับเชิญให้เข้าร่วมการประชุมหรือพบปะในฐานะวิทยากรหรือคนที่น่าสนใจเขียนบน LinkedIn พร้อมข้อเสนอให้พบปะพูดคุยพร้อมจิบชาสักแก้ว ฉันชอบสื่อสารกับผู้คนที่ฉันไม่รู้จักเป็นการส่วนตัว ดังนั้นหากคุณอาศัยอยู่ในซานฟรานซิสโก อย่าลังเลที่จะเขียน ไปดื่มกาแฟและพูดคุยกัน
- นอกจากฉันแล้ว Data Scientist อีกสามคนยังทำงานในบริษัทอีกด้วย ฉันกำลังทำงานเกี่ยวกับการเรียนรู้ของเครื่อง และพวกเขากำลังทำงานด้านวิทยาศาสตร์ข้อมูลอื่นๆ ซึ่งเป็นเรื่องปกติในสตาร์ทอัพนับจากนี้จนถึงวันพรุ่งนี้ เป็นผลให้พวกเขาไม่เข้าใจแมชชีนเลิร์นนิงจริงๆ แต่เพื่อที่จะเติบโต ฉันจำเป็นต้องสื่อสารกับใครบางคน หารือเกี่ยวกับบทความและการพัฒนาล่าสุด และขอคำแนะนำในท้ายที่สุด
มีอะไรให้บ้าง?
- การศึกษา: ฟิสิกส์ ไม่ใช่วิทยาการคอมพิวเตอร์
- ภาษาโปรแกรมเดียวที่ฉันรู้คือ Python มีความรู้สึกว่าฉันต้องเปลี่ยนไปใช้ C++ แต่ก็ยังทำไม่ได้
- หนึ่งปีครึ่งของการทำงานในอุตสาหกรรม นอกจากนี้ ที่ทำงานฉันไม่ได้เรียน Deep Learning หรือ Computer Vision เลย
- ไม่ใช่บทความเดียวเกี่ยวกับ Deep Learning / Computer Vision ในเรซูเม่
- มีความสำเร็จของ Kaggle Master
คุณต้องการอะไร?
- ตำแหน่งที่จำเป็นในการฝึกอบรมเครือข่ายจำนวนมากและใกล้กับคอมพิวเตอร์วิทัศน์มากขึ้น
- จะดีกว่าหากเป็นบริษัทใหญ่ๆ เช่น Google, Tesla, Facebook, Uber, LinkedIn และอื่นๆ แม้ว่าจะเป็นช่วงสั้นๆ แต่สตาร์ทอัพก็ทำได้
- ฉันไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงที่ใหญ่ที่สุดในทีม มีความต้องการอย่างมากสำหรับสหายอาวุโส พี่เลี้ยง และการสื่อสารทุกประเภท ซึ่งควรจะเร่งกระบวนการเรียนรู้ให้เร็วขึ้น
- หลังจากอ่านบล็อกโพสต์เกี่ยวกับวิธีที่ผู้สำเร็จการศึกษาที่ไม่มีประสบการณ์ในอุตสาหกรรมได้รับค่าตอบแทนรวม 300-500 ดอลลาร์ต่อปี ฉันอยากจะอยู่ในช่วงเดียวกัน ไม่ใช่ว่าสิ่งนี้กวนใจฉันมากนัก แต่เนื่องจากพวกเขาบอกว่านี่เป็นปรากฏการณ์ทั่วไป แต่ฉันมีน้อยกว่านี่ก็เป็นสัญญาณ
งานนี้ดูเหมือนจะแก้ไขได้อย่างสมบูรณ์ แม้ว่าจะไม่ใช่ในแง่ที่ว่าคุณสามารถกระโดดเข้าไปในบริษัทใดก็ได้ แต่หากคุณอดอาหาร ทุกอย่างจะสำเร็จ นั่นคือความพยายามนับสิบหรือหลายร้อยครั้ง และความเจ็บปวดจากความล้มเหลวและการปฏิเสธทุกครั้ง ควรใช้เพื่อเพิ่มสมาธิ พัฒนาความจำ และยืดเวลาของวันเป็น 36 ชั่วโมง
ฉันปรับเปลี่ยนเรซูเม่ของฉัน เริ่มส่งออก และไปสัมภาษณ์ ฉันบินผ่านพวกเขาส่วนใหญ่ในขั้นตอนการสื่อสารกับฝ่ายทรัพยากรบุคคล หลายๆ คนต้องการ C++ แต่ฉันไม่รู้ และฉันก็รู้สึกหนักแน่นว่าฉันจะไม่สนใจตำแหน่งที่ต้องใช้ C++ มากนัก
เป็นที่น่าสังเกตว่าในเวลาเดียวกันก็มีการเปลี่ยนช่วงในประเภทการแข่งขันของ Kaggle ก่อนปี 2017 มีข้อมูลแบบตารางจำนวนมากและข้อมูลรูปภาพน้อยมาก แต่ตั้งแต่ปี 2017 เป็นต้นมา มีงานคอมพิวเตอร์วิทัศน์จำนวนมาก
ชีวิตไหลไปในโหมดต่อไปนี้:
- ทำงานระหว่างวัน.
- เมื่อหน้าจอเทคโนโลยี / นอกสถานที่คุณใช้เวลาหยุด
- ช่วงเย็นและวันหยุดสุดสัปดาห์ Kaggle + บทความ / หนังสือ / บล็อกโพสต์
ช่วงสิ้นปี 2016 โดดเด่นด้วยการที่ฉันเข้าร่วมชุมชน ซึ่งทำให้หลายสิ่งหลายอย่างง่ายขึ้น มีผู้ชายจำนวนมากในชุมชนที่มีประสบการณ์ในอุตสาหกรรมมากมาย ซึ่งทำให้เราสามารถถามคำถามโง่ๆ มากมายและได้รับคำตอบที่ชาญฉลาดมากมาย นอกจากนี้ยังมีผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงที่แข็งแกร่งจำนวนมากในทุกด้าน ซึ่งโดยไม่คาดคิดทำให้ฉันสามารถปิดปัญหาด้วยการสื่อสารเชิงลึกเกี่ยวกับ Data Science ผ่านทาง ODS ได้ จนถึงขณะนี้ ในแง่ของ ML นั้น ODS ให้มากกว่าที่ฉันได้ทำงานหลายเท่า
ตามปกติ ODS มีผู้เชี่ยวชาญเพียงพอในการแข่งขันกับ Kaggle และเว็บไซต์อื่นๆ การแก้ปัญหาในทีมนั้นสนุกและมีประสิทธิภาพมากขึ้น ดังนั้นด้วยเรื่องตลก การสบถ มีม และความบันเทิงเนิร์ดอื่นๆ เราจึงเริ่มแก้ไขปัญหาทีละเรื่อง
ในเดือนมีนาคม 2017 - ในทีมกับ Serega Mushinsky - อันดับที่สามสำหรับ . เหรียญทองจาก Kaggle + $20k สำหรับสองคน ในงานนี้ ปรับปรุงการทำงานกับภาพถ่ายดาวเทียม + การแบ่งส่วนไบนารีผ่าน UNet
ในเดือนมีนาคมเดียวกันนั้น ฉันได้ไปสัมภาษณ์กับทีม Self Driving ที่ NVidia ฉันประสบปัญหาอย่างมากกับคำถามเกี่ยวกับการตรวจจับวัตถุ มีความรู้ไม่เพียงพอ
โชคดีที่ในเวลาเดียวกัน การแข่งขันการตรวจจับวัตถุในภาพถ่ายทางอากาศจาก DSTL เดียวกันก็เริ่มต้นขึ้น พระเจ้าเองก็ได้รับคำสั่งให้แก้ไขปัญหาและอัพเกรด เดือนแห่งช่วงเย็นและวันหยุดสุดสัปดาห์ ฉันหยิบความรู้ขึ้นมาและจบอันดับที่สอง การแข่งขันครั้งนี้มีความแตกต่างที่น่าสนใจในกฎเกณฑ์ ซึ่งทำให้ฉันได้แสดงในรัสเซียในช่องของรัฐบาลกลางและไม่ใช่ช่องทางของรัฐบาลกลาง ฉันได้ไป และในสิ่งพิมพ์และสิ่งพิมพ์ออนไลน์มากมาย Mail Ru Group ได้รับการประชาสัมพันธ์เชิงบวกเล็กน้อยด้วยค่าใช้จ่ายของฉันและเงินของตัวเอง และวิทยาศาสตร์พื้นฐานในรัสเซียก็ได้รับความมั่งคั่งถึง 12000 ปอนด์ ตามปกติจะเขียนในหัวข้อนี้ . ไปที่นั่นเพื่อดูรายละเอียด
ในเวลาเดียวกัน เจ้าหน้าที่สรรหาของ Tesla ติดต่อฉันและเสนอที่จะพูดคุยเกี่ยวกับตำแหน่ง Computer Vision ฉันเห็นด้วย ฉันรีบสำรวจหน้าจอเทคโนโลยีสองหน้าจอ สัมภาษณ์ในสถานที่ และพูดคุยกับ Andrei Karpathy ซึ่งเพิ่งได้รับการว่าจ้างจาก Tesla ในตำแหน่งผู้อำนวยการฝ่าย AI ขั้นตอนต่อไปคือการตรวจสอบประวัติ หลังจากนั้น Elon Musk จะต้องอนุมัติใบสมัครของฉันเป็นการส่วนตัว Tesla มีข้อตกลงการไม่เปิดเผยข้อมูล (NDA) ที่เข้มงวด
ฉันไม่ผ่านการตรวจสอบประวัติ เจ้าหน้าที่สรรหาบอกว่าฉันแชทออนไลน์บ่อยมาก ละเมิด NDA ที่เดียวที่ฉันพูดอะไรเกี่ยวกับการสัมภาษณ์ที่ Tesla คือ ODS ดังนั้นสมมติฐานในปัจจุบันคือมีคนจับภาพหน้าจอและเขียนถึง HR ที่ Tesla และฉันก็ถูกถอดออกจากการแข่งขันโดยไม่เป็นอันตราย มันเป็นความอัปยศในตอนนั้น ตอนนี้ฉันดีใจที่มันไม่ได้ผล ตำแหน่งปัจจุบันของฉันดีขึ้นมาก แม้ว่าการร่วมงานกับ Andrey จะน่าสนใจมากก็ตาม
หลังจากนั้นฉันก็กระโจนเข้าสู่การแข่งขันภาพถ่ายดาวเทียมบน Kaggle จาก . ปัญหานั้นง่ายและน่าเบื่อมาก ไม่มีใครอยากแก้ไข แต่ทุกคนต้องการเหรียญทองหรือเงินรางวัลฟรี ดังนั้นด้วยทีมงาน Kaggle Masters จำนวน 7 คน เราจึงตกลงกันว่าเราจะขว้างเหล็ก เราฝึกอบรมเครือข่าย 480 เครือข่ายในโหมด 'fit_predict' และสร้างเครือข่ายสามชั้นขึ้นมา เราจบอันดับที่เจ็ด . โดยทางเจเรมี ฮาวเวิร์ด ซึ่งเป็นที่รู้จักกันอย่างแพร่หลายในฐานะผู้สร้าง จบ 23.
หลังจากสิ้นสุดการแข่งขัน ฉันได้จัด Meetup ในสถานที่ของพวกเขาผ่านทางเพื่อนที่ทำงานที่ AdRoll ตัวแทนของ Planet Labs พูดที่นั่นเกี่ยวกับลักษณะการจัดการแข่งขันและการทำเครื่องหมายข้อมูลในส่วนของพวกเขา Wendy Kwan ซึ่งทำงานที่ Kaggle และดูแลการแข่งขัน เล่าว่าเธอมองเห็นมันอย่างไร ฉันได้อธิบายวิธีแก้ปัญหา เทคนิค เทคนิค และรายละเอียดทางเทคนิคของเราแล้ว สองในสามของผู้ชมแก้ไขปัญหานี้ ดังนั้นคำถามจึงถูกถามตรงประเด็น และโดยทั่วไปแล้วทุกอย่างก็ยอดเยี่ยม เจเรมี ฮาวเวิร์ดก็อยู่ที่นั่นด้วย ปรากฎว่าเขาจบอันดับที่ 23 เพราะเขาไม่รู้ว่าจะซ้อนโมเดลอย่างไร และเขาไม่รู้เกี่ยวกับวิธีการสร้างวงดนตรีแบบนี้เลย
การพบปะในหุบเขาโดยใช้การเรียนรู้ของเครื่องแตกต่างจากการพบปะในมอสโกอย่างมาก ตามกฎแล้ว การพบปะในหุบเขาจะเป็นจุดต่ำสุด แต่ของเรากลับออกมาดี เสียดายเพื่อนที่ควรกดปุ่มและบันทึกทุกอย่างไม่ได้กดปุ่ม :)
หลังจากนั้น ฉันได้รับเชิญให้ไปพูดคุยกับตำแหน่ง Deep Learning Engineer ที่ Planet Labs แห่งเดียวกันนี้และในสถานที่จริงทันที ฉันไม่ผ่านมัน ถ้อยคำของการปฏิเสธคือมีความรู้ใน Deep Learning ไม่เพียงพอ
ฉันออกแบบการแข่งขันแต่ละครั้งเป็นโครงการค่ะ . สำหรับปัญหา DSTL ที่เราเขียนไว้ และโพสต์บน arxiv ไม่ใช่บทความ แต่ยังคงเป็นขนมปัง ฉันยังแนะนำให้คนอื่นๆ เพิ่มโปรไฟล์ LinkedIn ของพวกเขาผ่านการแข่งขัน บทความ ทักษะ และอื่นๆ มีความสัมพันธ์เชิงบวกระหว่างจำนวนคำสำคัญที่คุณมีในโปรไฟล์ LinkedIn ของคุณ และความถี่ที่ผู้คนส่งข้อความถึงคุณ
หากในฤดูหนาวและฤดูใบไม้ผลิฉันมีความรู้ทางเทคนิคมาก ภายในเดือนสิงหาคมฉันก็มีทั้งความรู้และความมั่นใจในตนเอง
เมื่อปลายเดือนกรกฎาคม ชายคนหนึ่งที่ทำงานเป็นผู้จัดการ Data Science ของ Lyft ติดต่อฉันทาง LinkedIn และเชิญฉันไปดื่มกาแฟและพูดคุยเกี่ยวกับชีวิต เกี่ยวกับ Lyft เกี่ยวกับ TrueAccord เราได้พูดคุย. เขาเสนอให้สัมภาษณ์ทีมงานในตำแหน่ง Data Scientist ฉันบอกว่าตัวเลือกนี้ใช้งานได้โดยมีเงื่อนไขว่าเป็น Computer Vision / Deep Learning ตั้งแต่เช้าถึงเย็น เขามั่นใจว่าไม่มีการคัดค้านในส่วนของเขา
ฉันส่งเรซูเม่ของฉันแล้วเขาก็อัปโหลดไปยังพอร์ทัลภายในของ Lyft หลังจากนั้นเจ้าหน้าที่สรรหาก็โทรมาให้ฉันเปิดเรซูเม่และหาข้อมูลเพิ่มเติมเกี่ยวกับฉัน จากคำแรกสุดเห็นได้ชัดว่าสำหรับเขาแล้วนี่เป็นพิธีการเนื่องจากจากประวัติย่อของเขาเห็นได้ชัดสำหรับเขาว่า "ฉันไม่ใช่บุคคลสำคัญของ Lyft" ฉันเดาว่าหลังจากนั้นเรซูเม่ของฉันก็ลงไปในถังขยะ
ตลอดเวลานี้ ขณะที่ฉันกำลังถูกสัมภาษณ์ ฉันได้พูดคุยเกี่ยวกับความล้มเหลวและความตกต่ำของฉันใน ODS และคนเหล่านั้นก็ให้ข้อเสนอแนะและช่วยเหลือฉันในทุกวิถีทางที่เป็นไปได้ด้วยคำแนะนำ แม้ว่าตามปกติแล้ว ยังมีการแกล้งกันอย่างเป็นมิตรอยู่ที่นั่นด้วย
สมาชิก ODS คนหนึ่งเสนอให้ติดต่อฉันกับเพื่อนของเขาซึ่งเป็นผู้อำนวยการฝ่ายวิศวกรรมของ Lyft พูดไม่ทันทำเลย ฉันมาที่ Lyft เพื่อรับประทานอาหารกลางวัน และนอกจากเพื่อนคนนี้แล้ว ยังมีหัวหน้าฝ่ายวิทยาศาสตร์ข้อมูลและผู้จัดการผลิตภัณฑ์ที่เป็นแฟนตัวยงของ Deep Learning อีกด้วย ในมื้อเที่ยงเราคุยกันทาง DL และเนื่องจากฉันฝึกอบรมเครือข่ายตลอด 24 ชั่วโมงทุกวันเป็นเวลาครึ่งปี อ่านวรรณกรรมเป็นลูกบาศก์เมตร และทำงานบน Kaggle โดยให้ผลลัพธ์ที่ชัดเจนไม่มากก็น้อย ฉันจึงสามารถพูดคุยเกี่ยวกับ Deep Learning ได้นานหลายชั่วโมง ทั้งในแง่ของบทความใหม่และ เทคนิคการปฏิบัติ
หลังอาหารกลางวันพวกเขาก็มองมาที่ฉันแล้วพูดว่า - เห็นได้ชัดว่าคุณหล่ออยากคุยกับเราไหม? นอกจากนี้พวกเขายังเสริมด้วยว่าเห็นได้ชัดว่าสามารถข้ามหน้าจอ Take Home + Tech ได้ และผมจะได้รับเชิญให้เข้าสถานที่ทันที ฉันเห็นด้วย
หลังจากนั้น เจ้าหน้าที่คนนั้นก็โทรหาฉันเพื่อนัดสัมภาษณ์งาน และเขาก็ไม่พอใจ เขาพึมพำบางอย่างเกี่ยวกับการไม่กระโดดข้ามหัวคุณ
มา. สัมภาษณ์นอกสถานที่. ห้าชั่วโมงในการสื่อสารกับผู้คนต่างๆ ไม่มีคำถามเดียวเกี่ยวกับ Deep Learning หรือเกี่ยวกับการเรียนรู้ของเครื่องโดยหลักการ เนื่องจากไม่มี Deep Learning / Computer Vision ฉันจึงไม่สนใจ ดังนั้นผลการสัมภาษณ์จึงตั้งฉาก
เจ้าหน้าที่สรรหารายนี้โทรมาและพูดว่า ยินดีด้วย คุณผ่านการสัมภาษณ์นอกสถานที่ครั้งที่สองแล้ว ทั้งหมดนี้น่าประหลาดใจ สถานที่ที่สองคืออะไร? ฉันไม่เคยได้ยินเรื่องนี้มาก่อน ฉันไป. มีเวลาสองสามชั่วโมง คราวนี้เป็นเรื่องเกี่ยวกับการเรียนรู้ของเครื่องแบบดั้งเดิม นั่นดีกว่า. แต่ก็ยังไม่น่าสนใจ
เจ้าหน้าที่สรรหาโทรมาแสดงความยินดีที่ฉันผ่านการสัมภาษณ์ในสถานที่ครั้งที่สาม และสาบานว่านี่จะเป็นครั้งสุดท้าย ผมไปดูมาแล้วมีทั้ง DL และ CV
ฉันมีเรื่องมาหลายเดือนแล้วและบอกฉันว่าจะไม่มีข้อเสนอ ฉันจะไม่ฝึกทักษะทางเทคนิค แต่จะฝึกทักษะที่นุ่มนวล ไม่ใช่ด้านอ่อน แต่เป็นความจริงที่ว่าตำแหน่งจะถูกปิดหรือบริษัทยังไม่ได้จ้างงาน แต่เป็นเพียงการทดสอบตลาดและระดับของผู้สมัคร
กลางเดือนสิงหาคม ฉันดื่มเบียร์โอเค ความคิดที่มืดมน ผ่านไป 8 เดือนแล้วยังไม่มีข้อเสนอใดๆ ความคิดสร้างสรรค์ภายใต้เบียร์เป็นเรื่องดี โดยเฉพาะอย่างยิ่งหากความคิดสร้างสรรค์นั้นแปลก ความคิดหนึ่งเข้ามาในใจของฉัน ฉันแชร์เรื่องนี้กับ Alexey Shvets ซึ่งตอนนั้นเป็นนักศึกษาหลังปริญญาเอกที่ MIT
จะเป็นอย่างไรหากคุณเข้าร่วมการประชุม DL/CV ที่ใกล้ที่สุด ดูการแข่งขันที่จัดขึ้นเป็นส่วนหนึ่งของการประชุม ฝึกอบรมบางอย่าง และส่งผลงาน เนื่องจากผู้เชี่ยวชาญทุกคนกำลังสร้างอาชีพของตนในเรื่องนี้และทำสิ่งนี้มาหลายเดือนหรือหลายปี เราจึงไม่มีโอกาส แต่ก็ไม่ได้น่ากลัว เราส่งผลงานที่มีความหมาย บินไปที่สุดท้าย และหลังจากนั้นเราก็เขียนงานพิมพ์ล่วงหน้าหรือบทความเกี่ยวกับวิธีที่เราไม่เหมือนคนอื่นๆ และพูดคุยเกี่ยวกับการตัดสินใจของเรา และบทความนี้มีอยู่ใน LinkedIn และในประวัติส่วนตัวของคุณแล้ว
นั่นคือดูเหมือนว่าจะมีความเกี่ยวข้องและมีคำหลักที่ถูกต้องมากกว่าในเรซูเม่ซึ่งน่าจะเพิ่มโอกาสในการเข้าสู่หน้าจอเทคโนโลยีเล็กน้อย รหัสและการส่งจากฉัน ข้อความจาก Alexey แน่นอนว่าเป็นเกม แต่ทำไมจะไม่ได้ล่ะ?
พูดไม่ทันทำเลย การประชุมที่ใกล้ที่สุดที่เราค้นหาใน Google คือ MICCAI และมีการแข่งขันที่นั่นจริงๆ เราโดนอันแรกแล้ว มันเป็น . งานมี 3 งานย่อย เหลือเวลาอีก 8 วันก่อนถึงเส้นตาย ฉันเมาในตอนเช้าแต่ฉันก็ไม่เลิกล้มความคิดนี้ ฉันนำท่อส่งของฉันจาก Kaggle และเปลี่ยนจากข้อมูลดาวเทียมเป็นข้อมูลทางการแพทย์ 'fit_predict' Alexey เตรียมคำอธิบายวิธีแก้ปัญหาสองหน้าสำหรับแต่ละปัญหา แล้วเราก็ส่งไป พร้อม. ตามทฤษฎีแล้ว คุณสามารถหายใจออกได้ แต่ปรากฎว่ามีงานอื่นสำหรับเวิร์กช็อปเดียวกัน () โดยมีงานย่อยสามงานและกำหนดเวลาของเธอถูกเลื่อนขึ้นอีก 4 วัน นั่นคือเราสามารถทำ 'fit_predict' ที่นั่นและส่งไปได้เลย นั่นคือสิ่งที่เราทำ
การแข่งขันเหล่านี้ต่างจาก Kaggle ตรงที่มีลักษณะทางวิชาการเฉพาะของตนเอง:
- ไม่มีลีดเดอร์บอร์ด การส่งจะถูกส่งทางอีเมล
- คุณจะถูกถอดออกหากตัวแทนทีมไม่มานำเสนอวิธีแก้ปัญหาในการประชุมเชิงปฏิบัติการ
- ตำแหน่งของคุณบนกระดานผู้นำจะเป็นที่รู้จักในระหว่างการประชุมเท่านั้น ละครวิชาการประเภทหนึ่ง
การประชุม MICCAI 2017 จัดขึ้นที่เมืองควิเบก พูดตามตรงภายในเดือนกันยายนฉันเริ่มเหนื่อยหน่ายดังนั้นความคิดที่จะลาหยุดงานหนึ่งสัปดาห์และมุ่งหน้าไปยังแคนาดาจึงดูน่าสนใจ
ได้มาสัมมนา.. ฉันมาเวิร์คช็อปนี้ ฉันไม่รู้จักใครเลย ฉันนั่งอยู่ตรงมุมห้อง ทุกคนรู้จักกัน พวกเขาสื่อสารกัน พวกเขาโยนคำศัพท์ทางการแพทย์อันชาญฉลาดออกมา ทบทวนการแข่งขันครั้งแรก ผู้เข้าร่วมพูดและพูดคุยเกี่ยวกับการตัดสินใจของพวกเขา ที่นั่นอากาศเย็นสบายพร้อมประกายไฟ ตาฉัน. และฉันก็รู้สึกละอายใจด้วยซ้ำ พวกเขาแก้ไขปัญหา ทำงานโดยใช้วิทยาศาสตร์ขั้นสูง และเราเป็นเพียง "fit_predict" จากการพัฒนาในอดีตเท่านั้น ไม่ใช่เพื่อวิทยาศาสตร์ แต่เพื่อเพิ่มเรซูเม่ของเรา
เขาออกมาบอกว่าฉันก็ไม่ใช่ผู้เชี่ยวชาญด้านการแพทย์เหมือนกัน ขอโทษที่ทำให้เสียเวลา และเอาสไลด์วิธีแก้ปัญหามาให้ผมดู ฉันลงไปที่ห้องโถง
พวกเขาประกาศงานย่อยแรก - เราเป็นคนแรกและมีระยะขอบ
ประกาศตัวที่สองและสามแล้ว
พวกเขาประกาศครั้งที่สาม - อีกครั้งหนึ่งครั้งแล้วครั้งเล่าโดยเป็นผู้นำ
ทั่วไปเป็นคนแรก
ผู้ชมบางคนยิ้มและมองฉันด้วยความเคารพ คนอื่นๆ ที่เห็นได้ชัดว่าถือว่าเป็นผู้เชี่ยวชาญในสาขานี้ ได้รับทุนสำหรับงานนี้และทำสิ่งนี้มาหลายปีแล้ว มีสีหน้าบิดเบี้ยวเล็กน้อยบนใบหน้าของพวกเขา
ต่อไปเป็นงานที่สอง งานที่มีงานย่อยสามงานและเลื่อนไปข้างหน้าภายในสี่วัน
ฉันขอโทษด้วยและแสดงสไลด์ของเราอีกครั้ง
เรื่องเดียวกัน สองคนแรก หนึ่งวินาที ทั่วไปก่อน
ฉันคิดว่านี่อาจเป็นครั้งแรกในประวัติศาสตร์ที่หน่วยงานจัดเก็บภาษีชนะการแข่งขันการถ่ายภาพทางการแพทย์
และตอนนี้ฉันกำลังยืนอยู่บนเวที พวกเขากำลังยื่นประกาศนียบัตรบางอย่างให้ฉัน และฉันก็ถูกโจมตีด้วยระเบิด มันจะเป็นไปได้ยังไงล่ะ? นักวิชาการเหล่านี้ใช้เงินของผู้เสียภาษี ทำงานเพื่อลดความซับซ้อนและปรับปรุงคุณภาพงานของแพทย์ ซึ่งในทางทฤษฎีแล้ว คืออายุขัยของฉัน และร่างกายบางส่วนก็ฉีกเจ้าหน้าที่วิชาการทั้งหมดนี้จนติดธงชาติอังกฤษในตอนเย็นไม่กี่วัน
ข้อดีอีกอย่างคือในทีมอื่นๆ นักศึกษาระดับบัณฑิตศึกษาที่ทำงานเหล่านี้มาหลายเดือนจะมีเรซูเม่ที่น่าสนใจสำหรับ HR กล่าวคือ พวกเขาจะเข้าสู่หน้าจอเทคโนโลยีได้อย่างง่ายดาย และต่อหน้าต่อตาฉันก็มีอีเมลที่ได้รับมาใหม่:
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.โดยทั่วไปจากบนเวที ฉันถามผู้ชมว่า “มีใครรู้บ้างว่าฉันทำงานที่ไหน” หนึ่งในผู้จัดการแข่งขันรู้ดี - เขา Google ค้นหาว่า TrueAccord คืออะไร ส่วนที่เหลือไม่ได้ ฉันพูดต่อ: “ฉันทำงานให้กับหน่วยงานเรียกเก็บเงิน และในที่ทำงานฉันไม่ได้ทำทั้งคอมพิวเตอร์วิทัศน์หรือการเรียนรู้เชิงลึก และในหลายๆ ด้าน สิ่งนี้เกิดขึ้นเพราะแผนกทรัพยากรบุคคลของ Google Brain และ Deepmind กรองเรซูเม่ของฉัน ไม่ให้โอกาสฉันได้แสดงการฝึกอบรมด้านเทคนิค "
พวกเขามอบใบรับรองให้หยุดพัก นักวิชาการกลุ่มหนึ่งดึงฉันออกไป ปรากฎว่านี่คือกลุ่มสุขภาพที่มี Deepmind พวกเขาประทับใจมากจนอยากคุยกับฉันทันทีเกี่ยวกับตำแหน่งวิศวกรวิจัยในทีมของพวกเขา (เราเคยคุยกัน บทสนทนานี้กินเวลา 6 เดือน ผมผ่าน Take Home แบบทดสอบ แต่ถูกตัดขาดจากหน้าจอเทคโนโลยี 6 เดือนนับจากเริ่มสื่อสารสู่หน้าจอเทคโนโลยีนั้นยาวนาน การรอคอยที่ยาวนานทำให้ได้ลิ้มรส ไร้ประโยชน์ วิศวกรวิจัยที่ Deepmind ในลอนดอน เทียบกับเบื้องหลังของ TrueAccord มีการก้าวขึ้นมาอย่างแข็งแกร่ง แต่เทียบกับพื้นหลังของตำแหน่งปัจจุบันของฉัน กลับเป็นการก้าวลง จากระยะทาง XNUMX ปีผ่านไปนับแต่นั้นมา ถือว่าดี ว่ามันไม่ได้)
ข้อสรุป
ในเวลาเดียวกัน ฉันได้รับข้อเสนอจาก Lyft ซึ่งฉันก็ยอมรับ
จากผลการแข่งขันทั้งสองรายการกับ MICCAI มีการเผยแพร่สิ่งต่อไปนี้:
นั่นคือแม้จะมีความคิดที่ดุร้าย แต่การเพิ่มบทความเพิ่มเติมและการพิมพ์ล่วงหน้าผ่านการแข่งขันก็ใช้ได้ดี และในปีต่อๆ มา เราก็ทำให้มันแย่ลงไปอีก
ฉันทำงานที่ Lyft มาสองสามปีแล้วโดยทำคอมพิวเตอร์วิทัศน์/การเรียนรู้เชิงลึกสำหรับรถยนต์ที่ขับเคลื่อนด้วยตนเอง นั่นคือฉันได้สิ่งที่ฉันต้องการ และงาน บริษัทที่มีสถานะสูง เพื่อนร่วมงานที่แข็งแกร่ง และสินค้าอื่นๆ ทั้งหมด
ในช่วงหลายเดือนที่ผ่านมา ฉันได้สื่อสารกับทั้งบริษัทขนาดใหญ่ Google, Facebook, Uber, LinkedIn และกับบริษัทสตาร์ทอัพขนาดต่างๆ มากมาย
มันเจ็บตลอดเดือนนี้ จักรวาลบอกบางสิ่งที่ไม่น่าพึงพอใจแก่คุณทุกวัน การถูกปฏิเสธเป็นประจำ การทำผิดพลาดเป็นประจำ และทั้งหมดนี้ปรุงแต่งด้วยความรู้สึกสิ้นหวังอย่างต่อเนื่อง ไม่มีการรับประกันว่าคุณจะประสบความสำเร็จ แต่มีความรู้สึกว่าคุณเป็นคนโง่ มันชวนให้นึกถึงตอนที่ฉันพยายามหางานทำหลังเรียนจบมหาวิทยาลัยมาก
ฉันคิดว่าหลายคนกำลังมองหางานในหุบเขาและทุกอย่างก็ง่ายกว่ามากสำหรับพวกเขา เคล็ดลับในความคิดของฉันคือสิ่งนี้ หากคุณกำลังมองหางานในสาขาที่คุณเข้าใจ มีประสบการณ์มากมาย และเรซูเม่ของคุณก็บอกเหมือนเดิม ก็ไม่มีปัญหา ฉันรับมันมาและพบว่ามัน มีตำแหน่งงานว่างมากมาย
แต่ถ้าคุณกำลังมองหางานในสาขาที่ใหม่สำหรับคุณ นั่นคือเมื่อไม่มีความรู้ ไม่มีการเชื่อมต่อ และเรซูเม่ของคุณบอกว่ามีบางอย่างผิดปกติ ในขณะนี้ ทุกอย่างกลายเป็นสิ่งที่น่าสนใจอย่างยิ่ง
ขณะนี้ เจ้าหน้าที่สรรหาบุคลากรเขียนถึงฉันเป็นประจำและเสนอที่จะทำสิ่งเดียวกันกับที่ฉันทำอยู่ตอนนี้ แต่อยู่ในบริษัทอื่น ถึงเวลาเปลี่ยนงานจริงๆ แต่ก็ไม่มีประโยชน์ที่จะทำสิ่งที่ฉันเก่งอยู่แล้ว เพื่ออะไร?
แต่สำหรับสิ่งที่ฉันต้องการ ฉันก็ไม่มีทั้งความรู้และบรรทัดฐานในเรซูเม่ของฉันอีกแล้ว มาดูกันว่าทั้งหมดนี้จบลงอย่างไร ถ้าทุกอย่างผ่านไปด้วยดี ผมจะเขียนตอนต่อไปครับ 🙂
ที่มา: will.com