یہ تصویر آرتھر کوزن کی ہے ()، بالکل درست طریقے سے بلاگ پوسٹ کے مواد کا خلاصہ کرتا ہے۔ نتیجتاً، درج ذیل بیانیہ کو ایک انتہائی مفید اور تکنیکی چیز کے بجائے جمعہ کی کہانی کی طرح سمجھا جانا چاہیے۔ اس کے علاوہ یہ بات بھی قابل توجہ ہے کہ متن انگریزی الفاظ سے بھرپور ہے۔ میں نہیں جانتا کہ ان میں سے کچھ کا صحیح ترجمہ کیسے کرنا ہے، اور میں صرف ان میں سے کچھ کا ترجمہ نہیں کرنا چاہتا۔
علمی ماحول سے صنعتی ماحول میں تبدیلی کیسے ہوئی اس کا انکشاف پہلی دو اقساط میں ہوا ہے۔ اس میں آگے کیا ہوا اس کے بارے میں گفتگو ہوگی۔
یہ جنوری 2017 تھا۔ اس وقت، میرے پاس کام کا ایک سال سے کچھ زیادہ کا تجربہ تھا اور میں نے کمپنی میں سان فرانسسکو میں کام کیا۔ سینئر کی طرح ڈیٹا سائنسدان۔
TrueAccord قرض جمع کرنے کا ایک آغاز ہے۔ سادہ الفاظ میں - ایک مجموعہ ایجنسی. جمع کرنے والے عام طور پر بہت کچھ کہتے ہیں۔ ہم نے بہت سارے ای میلز بھیجے، لیکن کچھ کالیں کیں۔ ہر ای میل کمپنی کی ویب سائٹ پر لے گیا، جہاں مقروض کو قرض پر رعایت کی پیشکش کی گئی، اور یہاں تک کہ قسطوں میں ادائیگی کرنے کی اجازت دی گئی۔ یہ نقطہ نظر بہتر جمع کرنے کا باعث بنا، اسکیلنگ کی اجازت دی گئی اور قانونی چارہ جوئی کی کم نمائش ہوئی۔
کمپنی نارمل تھی۔ پروڈکٹ واضح ہے۔ انتظامیہ سمجھدار ہے۔ مقام اچھا ہے۔
اوسطاً وادی میں لوگ تقریباً ڈیڑھ سال تک ایک جگہ کام کرتے ہیں۔ یعنی جس کمپنی میں آپ کام کرتے ہیں وہ صرف ایک چھوٹا قدم ہے۔ اس مرحلے پر آپ کچھ رقم جمع کریں گے، نیا علم، مہارت، کنکشن اور اپنے ریزیومے میں لائنیں حاصل کریں گے۔ اس کے بعد اگلے مرحلے میں منتقلی ہوتی ہے۔
خود TrueAccord میں، میں ای میل نیوز لیٹرز کے ساتھ سفارشی نظام منسلک کرنے کے ساتھ ساتھ فون کالز کو ترجیح دینے میں بھی شامل تھا۔ اثر قابل فہم ہے اور A/B ٹیسٹنگ کے ذریعے ڈالر میں کافی اچھی طرح سے ماپا گیا۔ چونکہ میرے آنے سے پہلے کوئی مشین لرننگ نہیں تھی اس لیے میرے کام کا اثر برا نہیں تھا۔ ایک بار پھر، کسی چیز کو بہتر بنانا اس چیز کے مقابلے میں بہت آسان ہے جو پہلے سے بہت زیادہ بہتر ہے۔
ان سسٹمز پر چھ ماہ کام کرنے کے بعد، انہوں نے میری بنیادی تنخواہ کو $150k سے بڑھا کر $163k تک کر دیا۔ کمیونٹی میں 163k کے بارے میں ایک meme ہے۔ یہ یہاں سے اپنی ٹانگوں سے اگتا ہے۔
یہ سب حیرت انگیز تھا، لیکن یہ کہیں بھی نہیں گیا، یا اس نے قیادت کی، لیکن وہاں نہیں.
میں TrueAccord، کمپنی اور ان لڑکوں دونوں کے لیے بہت احترام کرتا ہوں جن کے ساتھ میں نے وہاں کام کیا۔ میں نے ان سے بہت کچھ سیکھا، لیکن میں جمع کرنے والی ایجنسی میں سفارشی نظاموں پر زیادہ دیر تک کام نہیں کرنا چاہتا تھا۔ اس قدم سے آپ کو کسی نہ کسی سمت میں قدم رکھنا تھا۔ اگر آگے اور اوپر کی طرف نہیں تو کم از کم بغل میں۔
مجھے کیا پسند نہیں آیا؟
- مشین لرننگ کے نقطہ نظر سے، مسائل نے مجھے پرجوش نہیں کیا۔ میں کچھ فیشن پسند، جوانی، یعنی ڈیپ لرننگ، کمپیوٹر ویژن، سائنس کے قریب یا کم از کم کیمیا کے قریب کچھ چاہتا تھا۔
- ایک سٹارٹ اپ، اور یہاں تک کہ ایک کلیکشن ایجنسی کو بھی اعلیٰ تعلیم یافتہ اہلکاروں کی خدمات حاصل کرنے میں دشواری ہوتی ہے۔ ایک آغاز کے طور پر، یہ زیادہ ادائیگی نہیں کر سکتا۔ لیکن جمع کرنے والی ایجنسی کے طور پر، یہ حیثیت میں کھو دیتا ہے. موٹے الفاظ میں، اگر کوئی لڑکی ڈیٹ پر پوچھے کہ آپ کہاں کام کرتے ہیں؟ آپ کا جواب: "Google پر" "کلیکشن ایجنسی" سے زیادہ شدت کے آرڈرز لگتے ہیں۔ میں اس حقیقت سے قدرے پریشان تھا کہ میرے برعکس جو میرے دوست گوگل اور فیس بک پر کام کرتے ہیں، ان کے لیے ان کی کمپنی کے نام نے دروازے کھول دیے جیسے: آپ کو کانفرنس میں مدعو کیا جا سکتا ہے یا بطور اسپیکر میٹ اپ کیا جا سکتا ہے، یا مزید دلچسپ لوگ LinkedIn پر لکھتے ہیں۔ چائے کے گلاس پر ملنے اور بات کرنے کی پیشکش کے ساتھ۔ مجھے ان لوگوں کے ساتھ بات چیت کرنا بہت پسند ہے جنہیں میں ذاتی طور پر نہیں جانتا ہوں۔ لہذا اگر آپ سان فرانسسکو میں رہتے ہیں، تو لکھنے میں ہچکچاہٹ محسوس نہ کریں - آئیے کافی پیتے ہیں اور بات کرتے ہیں۔
- میرے علاوہ تین ڈیٹا سائنسدان کمپنی میں کام کرتے تھے۔ میں مشین لرننگ پر کام کر رہا تھا، اور وہ ڈیٹا سائنس کے دوسرے کاموں پر کام کر رہے تھے، جو یہاں سے کل تک کسی بھی اسٹارٹ اپ میں عام ہیں۔ نتیجے کے طور پر، وہ واقعی مشین لرننگ کو نہیں سمجھتے تھے۔ لیکن بڑھنے کے لیے، مجھے کسی سے بات چیت کرنے، مضامین اور تازہ ترین پیشرفت پر تبادلہ خیال کرنے اور آخر میں مشورہ طلب کرنے کی ضرورت ہے۔
کیا دستیاب تھا؟
- تعلیم: فزکس، کمپیوٹر سائنس نہیں۔
- واحد پروگرامنگ زبان جو میں جانتا تھا وہ تھی ازگر۔ ایک احساس تھا کہ مجھے C++ پر سوئچ کرنے کی ضرورت ہے، لیکن میں پھر بھی اس تک نہیں پہنچ سکا۔
- انڈسٹری میں ڈیڑھ سال کام کیا۔ مزید یہ کہ، کام پر میں نے ڈیپ لرننگ یا کمپیوٹر ویژن کا مطالعہ نہیں کیا۔
- ریزیومے میں ڈیپ لرننگ / کمپیوٹر وژن پر ایک بھی مضمون نہیں ہے۔
- ایک کاگل ماسٹر کارنامہ تھا۔
تم کیا چاہتے تھے؟
- ایک ایسی پوزیشن جہاں بہت سے نیٹ ورکس کو تربیت دینا ضروری ہو گا، اور کمپیوٹر ویژن کے قریب۔
- یہ بہتر ہے اگر یہ گوگل، ٹیسلا، فیس بک، اوبر، لنکڈ ان وغیرہ جیسی بڑی کمپنی ہو۔ اگرچہ ایک چوٹکی میں، ایک آغاز کرے گا.
- مجھے ٹیم میں مشین لرننگ کا سب سے بڑا ماہر بننے کی ضرورت نہیں ہے۔ سینئر ساتھیوں، سرپرستوں اور ہر قسم کے رابطے کی بہت ضرورت تھی، جس سے سیکھنے کے عمل کو تیز کرنا تھا۔
- بلاگ پوسٹس کو پڑھنے کے بعد کہ کس طرح صنعتی تجربے کے بغیر گریجویٹس کو سالانہ $300-500k کا کل معاوضہ ملتا ہے، میں اسی حد میں جانا چاہتا تھا۔ ایسا نہیں ہے کہ یہ مجھے زیادہ پریشان کرتا ہے، لیکن چونکہ وہ کہتے ہیں کہ یہ ایک عام رجحان ہے، لیکن میرے پاس کم ہے، تو یہ ایک اشارہ ہے۔
یہ کام مکمل طور پر حل ہونے والا لگ رہا تھا، حالانکہ اس معنی میں نہیں کہ آپ کسی بھی کمپنی میں کود سکتے ہیں، بلکہ یہ کہ اگر آپ بھوکے مریں گے تو سب کچھ ٹھیک ہوجائے گا۔ یعنی دسیوں یا سیکڑوں کوششیں، اور ہر ناکامی اور ہر مسترد ہونے کے درد کو، توجہ کو تیز کرنے، یادداشت کو بہتر بنانے اور دن کو 36 گھنٹے تک بڑھانے کے لیے استعمال کیا جانا چاہیے۔
میں نے اپنے ریزیومے کو ٹویٹ کیا، اسے بھیجنا شروع کر دیا، اور انٹرویوز کے لیے جانا شروع کر دیا۔ میں HR کے ساتھ مواصلت کے مرحلے پر ان میں سے بیشتر سے گزر گیا۔ بہت سے لوگوں کو C++ کی ضرورت تھی، لیکن میں اسے نہیں جانتا تھا، اور مجھے یہ احساس تھا کہ میں ایسی پوزیشنوں میں زیادہ دلچسپی نہیں رکھوں گا جن کے لیے C++ کی ضرورت ہے۔
یہ بات قابل غور ہے کہ تقریباً ایک ہی وقت میں Kaggle پر مقابلوں کی قسم میں ایک مرحلہ کی منتقلی تھی۔ 2017 سے پہلے بہت زیادہ ٹیبلر ڈیٹا تھا اور بہت کم تصویری ڈیٹا تھا، لیکن 2017 سے شروع ہونے والے کمپیوٹر ویژن کے بہت سارے کام تھے۔
زندگی مندرجہ ذیل موڈ میں بہہ رہی تھی:
- دن میں کام کریں۔
- جب ٹیک اسکرین / آن سائٹ آپ وقت نکالتے ہیں۔
- شام اور اختتام ہفتہ کاگل + مضامین / کتابیں / بلاگ پوسٹس
2016 کا اختتام اس حقیقت سے نشان زد ہوا کہ میں نے کمیونٹی میں شمولیت اختیار کی۔ ، جس نے بہت سی چیزوں کو آسان بنایا۔ کمیونٹی میں بہت سارے لڑکے ہیں جن کے پاس صنعتی تجربہ ہے، جس کی وجہ سے ہمیں بہت سے احمقانہ سوالات پوچھنے اور بہت سے ہوشیار جوابات حاصل کرنے کا موقع ملا۔ تمام پٹیوں کے بہت مضبوط مشین لرننگ ماہرین بھی ہیں، جنہوں نے، غیر متوقع طور پر، مجھے ODS کے ذریعے، ڈیٹا سائنس کے بارے میں باقاعدہ گہرائی سے بات چیت کے ساتھ مسئلہ کو بند کرنے کی اجازت دی۔ ابھی تک، ML کے لحاظ سے، ODS مجھے کام پر ملنے والے سے کئی گنا زیادہ دیتا ہے۔
ٹھیک ہے، ہمیشہ کی طرح، ODS کے پاس Kaggle اور دیگر سائٹس پر ہونے والے مقابلوں میں کافی ماہرین ہیں۔ ایک ٹیم میں مسائل کو حل کرنا زیادہ پرلطف اور نتیجہ خیز ہوتا ہے، اس لیے لطیفے، گالی گلوچ، میمز اور دیگر نرالی تفریح کے ساتھ، ہم نے ایک ایک کر کے مسائل کو حل کرنا شروع کیا۔
مارچ 2017 میں - Serega Mushinsky کے ساتھ ایک ٹیم میں - کے لئے تیسری جگہ . Kaggle پر گولڈ میڈل + دو کے لیے $20k۔ اس کام پر، UNet کے ذریعے سیٹلائٹ امیجز + بائنری سیگمنٹیشن کے ساتھ کام کو بہتر بنایا گیا۔
اسی مارچ میں، میں سیلف ڈرائیونگ ٹیم کے ساتھ NVidia میں انٹرویو کے لیے گیا۔ میں نے آبجیکٹ کی کھوج کے بارے میں سوالات کے ساتھ واقعی جدوجہد کی۔ کافی علم نہیں تھا۔
خوش قسمتی سے، اسی وقت، اسی DSTL سے ہوائی تصویروں پر آبجیکٹ کا پتہ لگانے کا مقابلہ شروع ہوا۔ خدا نے خود مسئلہ حل کرنے اور اپ گریڈ کرنے کا حکم دیا۔ شام اور اختتام ہفتہ کا ایک مہینہ۔ میں نے علم اٹھایا اور دوسری پوزیشن حاصل کی۔ اس مقابلے میں قواعد کی ایک دلچسپ اہمیت تھی، جس کی وجہ سے مجھے روس میں وفاقی چینلز پر نہیں بلکہ وفاقی چینلز پر دکھایا گیا۔ میں چل پڑا ، اور پرنٹ اور آن لائن اشاعتوں کے ایک گروپ میں۔ میل رو گروپ کو میرے خرچے اور اس کے اپنے پیسے پر تھوڑا سا مثبت PR ملا، اور روس میں بنیادی سائنس کو 12000 پاؤنڈز سے مالا مال کیا گیا۔ ہمیشہ کی طرح اس موضوع پر لکھا گیا۔ . تفصیلات کے لیے وہاں جائیں۔
اسی وقت، ایک Tesla بھرتی کرنے والے نے مجھ سے رابطہ کیا اور کمپیوٹر وژن کی پوزیشن کے بارے میں بات کرنے کی پیشکش کی۔ میں متفق ہوں. میں نے ٹیک ہوم، دو ٹیک اسکرینز، ایک آن سائٹ انٹرویو، اور آندرے کارپاتھی کے ساتھ بہت خوشگوار بات چیت کی، جنہیں ابھی ٹیسلا میں AI کے ڈائریکٹر کے طور پر رکھا گیا تھا۔ اگلا مرحلہ پس منظر کی جانچ ہے۔ اس کے بعد ایلون مسک کو ذاتی طور پر میری درخواست منظور کرنی پڑی۔ ٹیسلا کے پاس ایک سخت غیر انکشاف معاہدہ (NDA) ہے۔
میں نے بیک گراؤنڈ چیک پاس نہیں کیا۔ بھرتی کرنے والے نے کہا کہ میں این ڈی اے کی خلاف ورزی کرتے ہوئے بہت زیادہ آن لائن چیٹ کرتا ہوں۔ واحد جگہ جہاں میں نے Tesla میں انٹرویو کے بارے میں کچھ کہا تھا وہ ODS تھا، لہذا موجودہ مفروضہ یہ ہے کہ کسی نے اسکرین شاٹ لیا اور ٹیسلا میں HR کو لکھا، اور مجھے نقصان کے راستے سے دوڑ سے ہٹا دیا گیا۔ تب یہ شرم کی بات تھی۔ اب مجھے خوشی ہے کہ یہ کام نہیں ہوا۔ میری موجودہ پوزیشن بہت بہتر ہے، حالانکہ آندرے کے ساتھ کام کرنا بہت دلچسپ ہوگا۔
اس کے فوراً بعد، میں نے کاگل پر سیٹلائٹ امیجری مقابلے میں حصہ لیا۔ . مسئلہ سادہ اور انتہائی بورنگ تھا؛ کوئی بھی اسے حل نہیں کرنا چاہتا تھا، لیکن ہر کوئی مفت گولڈ میڈل یا انعامی رقم چاہتا تھا۔ لہذا، 7 لوگوں پر مشتمل Kaggle ماسٹرز کی ٹیم کے ساتھ، ہم نے اس بات پر اتفاق کیا کہ ہم لوہا پھینکیں گے۔ ہم نے 480 نیٹ ورکس کو 'fit_predict' موڈ میں تربیت دی اور ان میں سے ایک تین منزلہ جوڑا بنایا۔ ہم ساتویں نمبر پر رہے۔ . ویسے، جیریمی ہاورڈ، جو بڑے پیمانے پر خالق کے طور پر جانا جاتا ہے 23 ختم ہوا۔
مقابلہ ختم ہونے کے بعد، ایڈرول میں کام کرنے والے ایک دوست کے ذریعے، میں نے ان کے احاطے میں ایک میٹ اپ کا اہتمام کیا۔ پلینٹ لیبز کے نمائندوں نے وہاں اس بارے میں بات کی کہ مقابلہ کی تنظیم اور ڈیٹا مارکنگ ان کی طرف سے کیسی نظر آتی ہے۔ وینڈی کوان، جو Kaggle میں کام کرتی ہے اور مقابلے کی نگرانی کرتی ہے، اس کے بارے میں بات کی کہ اس نے اسے کیسے دیکھا۔ میں نے اپنا حل، چالیں، تکنیک اور تکنیکی تفصیلات بیان کیں۔ سامعین میں سے دو تہائی نے اس مسئلے کو حل کیا، لہذا سوالات کو پوائنٹ پر پوچھا گیا اور عام طور پر سب کچھ ٹھنڈا تھا۔ جیریمی ہاورڈ بھی وہاں موجود تھے۔ یہ پتہ چلا کہ وہ 23 ویں نمبر پر رہا کیونکہ وہ نہیں جانتا تھا کہ ماڈل کو کس طرح اسٹیک کرنا ہے اور وہ جوڑا بنانے کے اس طریقہ کے بارے میں بالکل بھی نہیں جانتا تھا۔
مشین لرننگ پر وادی میں ملاقاتیں ماسکو میں ملاقاتوں سے بہت مختلف ہیں۔ ایک اصول کے طور پر، وادی میں ملاقاتیں سب سے نیچے ہیں۔ لیکن ہمارے اچھے نکلے۔ بدقسمتی سے جس کامریڈ نے بٹن دبانا تھا اور سب کچھ ریکارڈ کرنا تھا اس نے بٹن نہیں دبایا :)
اس کے بعد، مجھے اسی پلانیٹ لیبز میں ڈیپ لرننگ انجینئر کے عہدے سے بات کرنے کے لیے مدعو کیا گیا، اور فوری طور پر آن سائٹ۔ میں نے اسے پاس نہیں کیا۔ انکار کے الفاظ یہ ہیں کہ ڈیپ لرننگ میں کافی علم نہیں ہے۔
میں نے ہر مقابلے کو ایک پروجیکٹ کے طور پر ڈیزائن کیا۔ . DSTL مسئلہ کے لیے ہم نے لکھا اور اسے arxiv پر پوسٹ کیا۔ ایک مضمون نہیں، لیکن پھر بھی روٹی. میں ہر کسی کو یہ بھی مشورہ دیتا ہوں کہ وہ اپنے LinkedIn پروفائل کو مقابلوں، مضامین، مہارتوں وغیرہ کے ذریعے بڑھا دیں۔ آپ کے LinkedIn پروفائل میں کتنے مطلوبہ الفاظ ہیں اور لوگ آپ کو کتنی بار پیغام بھیجتے ہیں اس کے درمیان ایک مثبت تعلق ہے۔
اگر سردیوں اور بہار میں میں بہت تکنیکی تھا، تو اگست تک میرے پاس علم اور خود اعتمادی دونوں تھی۔
جولائی کے آخر میں، Lyft میں ڈیٹا سائنس مینیجر کے طور پر کام کرنے والے ایک لڑکے نے LinkedIn پر مجھ سے رابطہ کیا اور مجھے کافی پینے اور زندگی کے بارے میں، Lyft کے بارے میں، TrueAccord کے بارے میں بات کرنے کی دعوت دی۔ ہم نے بات کی. اس نے ڈیٹا سائنٹسٹ کے عہدے کے لیے اپنی ٹیم کے ساتھ انٹرویو کی پیشکش کی۔ میں نے کہا کہ آپشن کام کر رہا ہے، بشرطیکہ یہ کمپیوٹر ویژن/ڈیپ لرننگ صبح سے شام تک ہو۔ انہوں نے یقین دلایا کہ ان کی طرف سے کوئی اعتراض نہیں ہے۔
میں نے اپنا ریزیومے بھیجا اور اس نے اسے Lyft کے اندرونی پورٹل پر اپ لوڈ کر دیا۔ اس کے بعد، بھرتی کرنے والے نے مجھے اپنا ریزیومے کھولنے اور میرے بارے میں مزید جاننے کے لیے بلایا۔ پہلے ہی الفاظ سے، یہ واضح تھا کہ اس کے لیے یہ ایک رسمی بات تھی، کیونکہ یہ اس کے لیے اپنے تجربے کی فہرست سے واضح تھا کہ "میں لیفٹ کے لیے مواد نہیں ہوں۔" مجھے لگتا ہے کہ اس کے بعد میرا ریزیومے کوڑے دان میں چلا گیا۔
اس سارے عرصے میں، جب میرا انٹرویو کیا جا رہا تھا، میں نے ODS میں اپنی ناکامیوں اور پستیوں کے بارے میں بات کی اور لڑکوں نے مجھے فیڈ بیک دیا اور مشورہ کے ساتھ میری ہر ممکن مدد کی، حالانکہ ہمیشہ کی طرح، وہاں بہت زیادہ دوستانہ ٹرولنگ بھی ہوئی۔
ODS ممبروں میں سے ایک نے مجھے اپنے دوست سے جوڑنے کی پیشکش کی، جو Lyft میں انجینئرنگ کا ڈائریکٹر ہے۔ جلد از جلد کہا نہیں کیا. میں لنچ کے لیے Lyft آتا ہوں، اور اس دوست کے علاوہ ڈیٹا سائنس کا ایک سربراہ اور ایک پروڈکٹ مینیجر بھی ہے جو ڈیپ لرننگ کا بہت بڑا پرستار ہے۔ دوپہر کے کھانے میں ہم نے ڈی ایل پر بات کی۔ اور چونکہ میں نصف سال سے نیٹ ورکس کو 24/7 تربیت دے رہا ہوں، کیوبک میٹر لٹریچر پڑھتا ہوں، اور کم و بیش واضح نتائج کے ساتھ Kaggle پر کام چلاتا ہوں، اس لیے میں نئے مضامین اور دونوں کے لحاظ سے گھنٹوں ڈیپ لرننگ کے بارے میں بات کر سکتا ہوں۔ عملی تکنیک
دوپہر کے کھانے کے بعد انہوں نے میری طرف دیکھا اور کہا - یہ فوری طور پر ظاہر ہے کہ آپ خوبصورت ہیں، کیا آپ ہم سے بات کرنا چاہتے ہیں؟ مزید یہ کہ، انہوں نے مزید کہا کہ یہ میرے لیے واضح ہے کہ ٹیک ہوم + ٹیک اسکرین کو چھوڑا جا سکتا ہے۔ اور یہ کہ مجھے فوری طور پر آن سائٹ پر مدعو کیا جائے گا۔ میں متفق ہوں.
اس کے بعد، اس بھرتی کرنے والے نے مجھے آن سائٹ انٹرویو کے شیڈول کے لیے بلایا، اور وہ غیر مطمئن تھا۔ اس نے آپ کے سر پر چھلانگ نہ لگانے کے بارے میں کچھ بڑبڑایا۔
آیا۔ آن سائٹ انٹرویو۔ مختلف لوگوں کے ساتھ پانچ گھنٹے کی بات چیت۔ ڈیپ لرننگ، یا اصولی طور پر مشین لرننگ کے بارے میں ایک بھی سوال نہیں تھا۔ چونکہ ڈیپ لرننگ/کمپیوٹر ویژن نہیں ہے، اس لیے مجھے کوئی دلچسپی نہیں ہے۔ اس طرح، انٹرویو کے نتائج آرتھوگونل تھے۔
یہ بھرتی کرنے والا کال کرتا ہے اور کہتا ہے - مبارک ہو، آپ دوسرے آن سائٹ انٹرویو میں پہنچ گئے۔ یہ سب حیران کن ہے۔ دوسری آن سائٹ کیا ہے؟ میں نے کبھی ایسی بات نہیں سنی۔ میں چلا گیا. وہاں کچھ گھنٹے ہیں، اس بار روایتی مشین لرننگ کے بارے میں۔ یہ بہتر ہے. لیکن پھر بھی دلچسپ نہیں۔
بھرتی کرنے والا مبارکباد کے ساتھ فون کرتا ہے کہ میں نے آن سائٹ کا تیسرا انٹرویو پاس کیا ہے اور وعدہ کیا ہے کہ یہ آخری انٹرویو ہوگا۔ میں اسے دیکھنے گیا تو وہاں ڈی ایل اور سی وی دونوں موجود تھے۔
میرے پاس کئی مہینوں سے پہلے تھا جس نے مجھے بتایا کہ کوئی پیشکش نہیں ہوگی۔ میں تکنیکی مہارتوں پر نہیں بلکہ نرم مہارتوں پر تربیت دوں گا۔ نرم پہلو پر نہیں، لیکن اس حقیقت پر کہ پوزیشن بند ہو جائے گی یا یہ کہ کمپنی ابھی ملازمت نہیں کر رہی ہے، لیکن صرف مارکیٹ اور امیدواروں کی سطح کی جانچ کر رہی ہے۔
وسط اگست۔ میں نے بیئر ٹھیک پی لی۔ تاریک خیالات۔ 8 ماہ گزر چکے ہیں اور ابھی تک کوئی پیشکش نہیں ہے۔ بیئر کے تحت تخلیقی ہونا اچھا ہے، خاص طور پر اگر تخلیقی صلاحیت عجیب ہو۔ میرے ذہن میں ایک خیال آتا ہے۔ میں اسے Alexey Shvets کے ساتھ شیئر کرتا ہوں، جو اس وقت MIT میں پوسٹ ڈاک تھا۔
کیا ہوگا اگر آپ قریب ترین DL/CV کانفرنس میں شرکت کریں، اس کے حصہ کے طور پر منعقد ہونے والے مقابلے دیکھیں، کچھ تربیت دیں اور جمع کرائیں؟ چونکہ وہاں کے تمام ماہرین اس پر اپنا کیریئر بنا رہے ہیں اور کئی مہینوں یا سالوں سے یہ کام کر رہے ہیں، اس لیے ہمارے پاس کوئی موقع نہیں ہے۔ لیکن یہ خوفناک نہیں ہے۔ ہم کچھ معنی خیز عرض کرتے ہیں، آخری جگہ پر پرواز کرتے ہیں، اور اس کے بعد ہم ایک پری پرنٹ یا مضمون لکھتے ہیں کہ ہم کس طرح ہر کسی کی طرح نہیں ہیں اور اپنے فیصلے کے بارے میں بات کرتے ہیں۔ اور مضمون پہلے سے ہی LinkedIn پر اور آپ کے تجربے کی فہرست میں ہے۔
یعنی، یہ متعلقہ معلوم ہوتا ہے اور ریزیومے میں زیادہ درست کلیدی الفاظ ہیں، جن سے ٹیک اسکرین پر آنے کے امکانات میں قدرے اضافہ ہونا چاہیے۔ میری طرف سے کوڈ اور گذارشات، الیکسی کے متن۔ کھیل، یقینا، لیکن کیوں نہیں؟
جلد از جلد کہا نہیں کیا. قریب ترین کانفرنس جسے ہم نے گوگل کیا وہ MICCAI تھی اور وہاں دراصل مقابلے تھے۔ ہم نے پہلا مارا۔ یہ تھا . ٹاسک میں 3 ذیلی کام ہیں۔ آخری تاریخ میں 8 دن باقی تھے۔ میں صبح سویرے بیدار ہوا، لیکن میں نے خیال نہیں چھوڑا۔ میں نے Kaggle سے اپنی پائپ لائنیں لیں اور انہیں سیٹلائٹ ڈیٹا سے میڈیکل ڈیٹا میں تبدیل کر دیا۔ 'fit_predict'۔ الیکسی نے ہر مسئلے کے حل کی دو صفحات پر مشتمل تفصیل تیار کی، اور ہم نے اسے بھیج دیا۔ تیار. نظریہ میں، آپ سانس چھوڑ سکتے ہیں۔ لیکن معلوم ہوا کہ اسی ورکشاپ کا ایک اور کام تھا () تین ذیلی کاموں کے ساتھ اور یہ کہ اس کی آخری تاریخ میں 4 دن کا اضافہ کیا گیا ہے، یعنی ہم وہاں 'fit_predict' کر سکتے ہیں اور اسے بھیج سکتے ہیں۔ ہم نے یہی کیا۔
Kaggle کے برعکس، ان مقابلوں کی اپنی تعلیمی خصوصیات تھیں:
- کوئی لیڈر بورڈ نہیں۔ گذارشات ای میل کے ذریعے بھیجی جاتی ہیں۔
- اگر ٹیم کا نمائندہ ورکشاپ میں کانفرنس میں حل پیش کرنے نہیں آتا ہے تو آپ کو ہٹا دیا جائے گا۔
- لیڈر بورڈ پر آپ کی جگہ کانفرنس کے دوران ہی معلوم ہوتی ہے۔ ایک طرح کا علمی ڈرامہ۔
MICCAI 2017 کانفرنس کیوبیک سٹی میں منعقد ہوئی۔ سچ پوچھیں تو ستمبر تک میں جلنا شروع ہو گیا تھا، اس لیے کام سے ایک ہفتے کی چھٹی لے کر کینیڈا جانے کا خیال دلچسپ لگا۔
کانفرنس میں آئے۔ میں اس ورکشاپ میں آیا ہوں، میں کسی کو نہیں جانتا، میں کونے میں بیٹھا ہوں۔ ہر کوئی ایک دوسرے کو جانتا ہے، وہ بات چیت کرتے ہیں، وہ ہوشیار طبی الفاظ نکالتے ہیں۔ پہلے مقابلے کا جائزہ۔ شرکاء بولتے ہیں اور اپنے فیصلوں کے بارے میں بات کرتے ہیں۔ یہ وہاں ٹھنڈا ہے، چمک کے ساتھ۔ میری باری. اور میں کسی نہ کسی طرح شرمندہ بھی ہوں۔ انہوں نے مسئلہ حل کیا، اس پر کام کیا، سائنس کو ترقی دی، اور ہم مکمل طور پر ماضی کی پیش رفت سے "fit_predict" ہیں، سائنس کے لیے نہیں، بلکہ اپنے تجربے کی فہرست کو فروغ دینے کے لیے۔
اس نے باہر آ کر کہا کہ میں طب کا ماہر بھی نہیں ہوں، اپنا وقت ضائع کرنے پر معذرت کی اور مجھے حل کے ساتھ ایک سلائیڈ دکھائی۔ میں نیچے ہال میں چلا گیا۔
وہ پہلے ذیلی کام کا اعلان کرتے ہیں - ہم پہلے ہیں، اور ایک فرق سے۔
دوسرے اور تیسرے کا اعلان کیا جاتا ہے۔
وہ تیسرے کا اعلان کرتے ہیں - دوبارہ پہلے اور پھر ایک برتری کے ساتھ۔
جنرل پہلے ہیں۔
سامعین میں سے کچھ مسکراتے ہیں اور میری طرف احترام سے دیکھتے ہیں۔ دوسرے وہ لوگ جو بظاہر اس شعبے کے ماہر سمجھے جاتے تھے، اس کام کے لیے گرانٹ حاصل کر چکے تھے اور کئی سالوں سے یہ کام کر رہے تھے، ان کے چہروں پر قدرے بگڑے ہوئے تاثرات تھے۔
اس کے بعد دوسرا کام ہے، جس میں تین ذیلی کام ہیں اور جسے چار دن آگے بڑھایا گیا ہے۔
یہاں میں نے معذرت بھی کی اور اپنی ایک سلائیڈ دوبارہ دکھائی۔
وہی کہانی۔ پہلے دو، ایک سیکنڈ، عام پہلے۔
میرے خیال میں یہ شاید تاریخ میں پہلی بار ہوا ہے کہ ایک کلیکشن ایجنسی نے میڈیکل امیجنگ مقابلہ جیتا۔
اور اب میں اسٹیج پر کھڑا ہوں، وہ مجھے کسی قسم کا ڈپلومہ دے رہے ہیں اور میں بمباری کر رہا ہوں۔ یہ کیسے ہو سکتا ہے؟ یہ ماہرین تعلیم ٹیکس دہندگان کا پیسہ خرچ کر رہے ہیں، ڈاکٹروں کے لیے کام کے معیار کو آسان بنانے اور بہتر بنانے کے لیے کام کر رہے ہیں، یعنی نظریہ طور پر، میری متوقع عمر، اور کچھ جسم نے چند شاموں میں اس پورے تعلیمی عملے کو برطانوی پرچم میں پھاڑ دیا۔
اس کا ایک بونس یہ ہے کہ دوسری ٹیموں میں، گریجویٹ طلباء جو کئی مہینوں سے ان کاموں پر کام کر رہے ہیں، ان کے پاس ایک ایسا ریزیوم ہوگا جو HR کے لیے پرکشش ہو، یعنی وہ آسانی سے ٹیک اسکرین پر پہنچ جائیں گے۔ اور میری آنکھوں کے سامنے ایک تازہ موصول ہوئی ای میل ہے:
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.عام طور پر، اسٹیج سے ہی، میں سامعین سے پوچھتا ہوں: "کیا کوئی جانتا ہے کہ میں کہاں کام کرتا ہوں؟" مقابلے کے منتظمین میں سے ایک جانتا تھا - اس نے گوگل کیا کہ TrueAccord کیا ہے۔ باقی نہیں ہیں۔ میں جاری رکھتا ہوں: "میں ایک جمع کرنے والی ایجنسی کے لئے کام کرتا ہوں، اور کام پر میں نہ تو کمپیوٹر ویژن کرتا ہوں اور نہ ہی ڈیپ لرننگ۔ اور بہت سے طریقوں سے، ایسا اس لیے ہوتا ہے کیونکہ گوگل برین اور ڈیپ مائنڈ کے ایچ آر ڈیپارٹمنٹ میرے تجربے کی فہرست کو فلٹر کرتے ہیں، مجھے تکنیکی تربیت دکھانے کا موقع نہیں دیتے۔ "
انہوں نے سرٹیفیکیٹ حوالے کیا، ایک وقفہ۔ ماہرین تعلیم کا ایک گروپ مجھے ایک طرف کھینچتا ہے۔ معلوم ہوا کہ یہ ڈیپ مائنڈ والا ہیلتھ گروپ ہے۔ وہ اتنے متاثر ہوئے کہ انہوں نے فوراً مجھ سے اپنی ٹیم میں ریسرچ انجینئر کی آسامی کے بارے میں بات کرنا چاہی۔ (ہم نے بات کی۔ یہ بات چیت 6 ماہ تک جاری رہی، میں نے گھر لے کر کوئز پاس کیا، لیکن ٹیک اسکرین پر اسے مختصر کر دیا گیا۔ ٹیک اسکرین تک کمیونیکیشن کے آغاز سے 6 ماہ کا عرصہ ایک طویل وقت ہے۔ طویل انتظار ایک ذائقہ دیتا ہے لندن میں ڈیپ مائنڈ میں ریسرچ انجینئر، TrueAccord کے پس منظر کے خلاف ایک مضبوط قدم اوپر تھا، لیکن میری موجودہ پوزیشن کے پس منظر کے خلاف یہ ایک قدم نیچے ہے۔ اس کے بعد سے گزرنے والے دو سال کے فاصلے سے، یہ اچھا ہے کہ ایسا نہیں ہوا۔)
حاصل يہ ہوا
اسی وقت میں، مجھے Lyft کی طرف سے ایک پیشکش موصول ہوئی، جسے میں نے قبول کر لیا۔
MICCAI کے ساتھ ان دو مقابلوں کے نتائج کی بنیاد پر، درج ذیل شائع کیے گئے:
یعنی، خیال کی جنگلی پن کے باوجود، مقابلوں کے ذریعے اضافی مضامین اور پری پرنٹس کا اضافہ اچھا کام کرتا ہے۔ اور بعد کے سالوں میں ہم نے اسے اور بھی بدتر بنا دیا۔
میں گزشتہ دو سالوں سے لیفٹ میں کمپیوٹر وژن/ڈیپ لرننگ فار سیلف ڈرائیونگ کاروں میں کام کر رہا ہوں۔ یعنی مجھے وہ مل گیا جو میں چاہتا تھا۔ اور کام، اور ایک اعلیٰ درجہ کی کمپنی، اور مضبوط ساتھی، اور دیگر تمام چیزیں۔
ان مہینوں میں، میں نے دونوں بڑی کمپنیوں گوگل، فیس بک، اوبر، لنکڈ اِن، اور مختلف سائز کے اسٹارٹ اپس کے سمندر کے ساتھ رابطہ کیا۔
اس نے ان تمام مہینوں کو تکلیف دی۔ کائنات ہر روز آپ کو کچھ بتاتی ہے جو بہت خوشگوار نہیں ہوتی ہے۔ باقاعدگی سے مسترد کرنا، باقاعدگی سے غلطیاں کرنا اور یہ سب مایوسی کے مستقل احساس کے ساتھ ذائقہ دار ہے۔ اس بات کی کوئی گارنٹی نہیں ہے کہ آپ کامیاب ہوں گے، لیکن ایک احساس ہے کہ آپ بیوقوف ہیں۔ یہ بہت یاد دلانے والا ہے کہ میں نے یونیورسٹی کے فوراً بعد نوکری تلاش کرنے کی کوشش کی۔
میرا خیال ہے کہ بہت سے لوگ وادی میں کام کی تلاش میں تھے اور ان کے لیے سب کچھ بہت آسان تھا۔ چال، میری رائے میں، یہ ہے. اگر آپ کسی ایسے شعبے میں نوکری تلاش کر رہے ہیں جس میں آپ سمجھتے ہیں، آپ کے پاس کافی تجربہ ہے، اور آپ کا ریزیوم بھی یہی کہتا ہے، کوئی مسئلہ نہیں ہے۔ میں نے اسے لے لیا اور اسے پایا۔ بہت ساری آسامیاں ہیں۔
لیکن اگر آپ کسی ایسے شعبے میں نوکری تلاش کر رہے ہیں جو آپ کے لیے نئی ہو، یعنی جب کوئی علم نہ ہو، کوئی رابطہ نہ ہو اور آپ کا ریزیومے کچھ غلط کہتا ہو - اس وقت سب کچھ انتہائی دلچسپ ہو جاتا ہے۔
ابھی، بھرتی کرنے والے باقاعدگی سے مجھے لکھتے ہیں اور وہی کام کرنے کی پیشکش کرتے ہیں جو میں ابھی کر رہا ہوں، لیکن ایک مختلف کمپنی میں۔ یہ واقعی ملازمتوں کو تبدیل کرنے کا وقت ہے. لیکن ایسا کرنے کا کوئی فائدہ نہیں ہے جس میں میں پہلے ہی اچھا ہوں۔ کس لیے؟
لیکن جو میں چاہتا ہوں، میرے پاس پھر سے نہ تو علم ہے اور نہ ہی میرے تجربے کی فہرست میں لائنیں ہیں۔ آئیے دیکھتے ہیں کہ یہ سب کیسے ختم ہوتا ہے۔ اگر سب کچھ ٹھیک رہا تو اگلا حصہ لکھوں گا۔ 🙂
ماخذ: www.habr.com