Bức ảnh này là của Arthur Kuzin (), tóm tắt khá chính xác nội dung bài viết trên blog. Do đó, câu chuyện sau đây nên được coi giống một câu chuyện thứ Sáu hơn là một điều gì đó cực kỳ hữu ích và mang tính kỹ thuật. Ngoài ra, điều đáng chú ý là văn bản rất giàu từ tiếng Anh. Tôi không biết cách dịch một số từ một cách chính xác và tôi chỉ không muốn dịch một số từ đó.
Quá trình chuyển đổi từ môi trường học thuật sang môi trường công nghiệp diễn ra như thế nào được hé lộ trong hai tập đầu tiên. Trong phần này, cuộc trò chuyện sẽ xoay quanh những gì xảy ra tiếp theo.
Đó là tháng 2017 năm XNUMX. Vào thời điểm đó, tôi đã có hơn một năm kinh nghiệm làm việc và tôi đã làm việc tại công ty ở San Francisco như Sr. Nhà khoa học dữ liệu.
TrueAccord là một công ty khởi nghiệp đòi nợ. Nói một cách đơn giản - một cơ quan thu nợ. Người thu gom thường gọi rất nhiều. Chúng tôi đã gửi rất nhiều email nhưng thực hiện rất ít cuộc gọi. Mỗi email đều dẫn đến trang web của công ty, nơi con nợ được giảm giá khoản nợ và thậm chí được phép trả góp. Cách tiếp cận này dẫn đến việc thu thập tốt hơn, cho phép mở rộng quy mô và ít gặp phải các vụ kiện tụng hơn.
Công ty vẫn bình thường. Sản phẩm rõ ràng. Việc quản lý là lành mạnh. Vị trí tốt.
Trung bình, người dân trong thung lũng làm việc ở một nơi trong khoảng một năm rưỡi. Nghĩa là, bất kỳ công ty nào bạn làm việc cũng chỉ là một bước nhỏ. Ở bước này, bạn sẽ huy động được một số tiền, tiếp thu kiến thức, kỹ năng, kết nối và dòng mới trong sơ yếu lý lịch của mình. Sau đó có sự chuyển đổi sang bước tiếp theo.
Tại TrueAccord, tôi đã tham gia vào việc gắn hệ thống đề xuất vào các bản tin email cũng như ưu tiên các cuộc gọi điện thoại. Tác động là điều dễ hiểu và được đo lường khá tốt bằng đô la thông qua thử nghiệm A/B. Vì không có máy học trước khi tôi đến nên tác động của công việc của tôi không tệ. Một lần nữa, việc cải thiện một thứ gì đó sẽ dễ dàng hơn nhiều so với một thứ đã được tối ưu hóa kỹ càng.
Sau sáu tháng làm việc trên các hệ thống này, họ thậm chí còn tăng lương cơ bản của tôi từ 150 nghìn đô la lên 163 nghìn đô la. Trong cộng đồng có một meme khoảng $163k. Nó phát triển bằng chân từ đây.
Tất cả những điều này thật tuyệt vời, nhưng nó không dẫn đến đâu cả, hoặc nó dẫn đến nhưng không đến đó.
Tôi rất tôn trọng TrueAccord, cả công ty và những người tôi làm việc cùng ở đó. Tôi đã học được rất nhiều điều từ họ, nhưng tôi không muốn làm việc lâu về hệ thống khuyến nghị ở một công ty thu nợ. Từ bước này bạn phải bước theo một hướng nào đó. Nếu không hướng về phía trước và hướng lên trên thì ít nhất là đi ngang.
Tôi đã không thích điều gì?
- Từ góc độ học máy, các vấn đề không làm tôi phấn khích. Tôi muốn thứ gì đó thời trang, trẻ trung, đó là Deep Learning, Computer Vision, thứ gì đó khá gần với khoa học hoặc ít nhất là giả kim thuật.
- Một công ty khởi nghiệp và thậm chí là một công ty thu nợ gặp khó khăn trong việc tuyển dụng nhân sự có trình độ cao. Là một công ty khởi nghiệp, nó không thể trả nhiều tiền. Nhưng với tư cách là một cơ quan thu nợ, nó mất đi vị thế. Nói một cách đại khái, nếu một cô gái trong buổi hẹn hò hỏi bạn làm việc ở đâu? Câu trả lời của bạn: “Trên Google” nghe có vẻ hay hơn “cơ quan thu nợ”. Tôi hơi khó chịu vì thực tế là đối với những người bạn làm việc tại Google và Facebook, không giống như tôi, tên công ty của họ đã mở ra những cánh cửa như: bạn có thể được mời tham dự một hội nghị hoặc buổi gặp mặt với tư cách là diễn giả, hoặc những người thú vị hơn viết trên LinkedIn với lời đề nghị gặp gỡ và trò chuyện bên một ly trà. Tôi thực sự thích giao tiếp với những người mà tôi không quen biết. Vì vậy, nếu bạn sống ở San Francisco, đừng ngần ngại viết thư - hãy đi uống cà phê và nói chuyện.
- Ngoài tôi, còn có ba Nhà khoa học dữ liệu đang làm việc trong công ty. Tôi đang nghiên cứu về máy học và họ đang thực hiện các nhiệm vụ Khoa học dữ liệu khác, những nhiệm vụ phổ biến ở bất kỳ công ty khởi nghiệp nào từ đây đến ngày mai. Kết quả là họ không thực sự hiểu về học máy. Nhưng để phát triển, cuối cùng tôi cần phải giao tiếp với ai đó, thảo luận về các bài báo và những diễn biến mới nhất cũng như xin lời khuyên.
Những gì đã có sẵn?
- Giáo dục: vật lý, không phải khoa học máy tính.
- Ngôn ngữ lập trình duy nhất tôi biết là Python. Có cảm giác rằng tôi cần phải chuyển sang C++, nhưng tôi vẫn chưa thể thực hiện được.
- Một năm rưỡi làm việc trong ngành. Hơn nữa, tại nơi làm việc, tôi không học Deep Learning hay Computer Vision.
- Không có một bài viết nào về Deep Learning / Computer Vision trong sơ yếu lý lịch.
- Có một thành tích Kaggle Master.
Bạn đã muốn gì?
- Một vị trí cần đào tạo nhiều mạng và gần hơn với thị giác máy tính.
- Sẽ tốt hơn nếu đó là một công ty lớn như Google, Tesla, Facebook, Uber, LinkedIn, v.v. Mặc dù trong tình thế khó khăn nhưng một công ty khởi nghiệp vẫn có thể làm được.
- Tôi không cần phải là chuyên gia về máy học lớn nhất trong nhóm. Nhu cầu rất lớn về các đồng chí cấp cao, người cố vấn và mọi hình thức giao tiếp nhằm đẩy nhanh quá trình học tập.
- Sau khi đọc các bài đăng trên blog về việc những sinh viên tốt nghiệp không có kinh nghiệm làm việc trong ngành có tổng mức lương từ 300-500 nghìn đô la mỗi năm như thế nào, tôi muốn đi sâu vào phạm vi tương tự. Không phải điều này làm tôi khó chịu lắm đâu, nhưng vì họ nói rằng đây là hiện tượng phổ biến nhưng tôi có ít hơn nên đây là một tín hiệu.
Nhiệm vụ dường như hoàn toàn có thể giải quyết được, mặc dù không phải theo nghĩa là bạn có thể nhảy vào bất kỳ công ty nào, mà đúng hơn là nếu bạn chết đói thì mọi việc sẽ ổn thỏa. Nghĩa là, hàng chục hoặc hàng trăm nỗ lực, và nỗi đau từ mỗi lần thất bại và mỗi lần bị từ chối, nên được sử dụng để rèn luyện khả năng tập trung, cải thiện trí nhớ và kéo dài một ngày lên 36 giờ.
Tôi chỉnh sửa sơ yếu lý lịch của mình, bắt đầu gửi nó đi và đi phỏng vấn. Tôi đã lướt qua hầu hết chúng ở giai đoạn giao tiếp với bộ phận nhân sự. Nhiều người yêu cầu C++, nhưng tôi không biết điều đó và tôi có cảm giác mạnh mẽ rằng mình sẽ không hứng thú lắm với những vị trí yêu cầu C++.
Điều đáng chú ý là cùng thời gian đó đã có sự chuyển đổi giai đoạn về loại hình cuộc thi trên Kaggle. Trước năm 2017 có rất nhiều dữ liệu dạng bảng và rất hiếm khi có dữ liệu hình ảnh, nhưng bắt đầu từ năm 2017 đã có rất nhiều nhiệm vụ về thị giác máy tính.
Cuộc sống trôi chảy theo cách sau:
- Làm việc trong ngày.
- Khi kỹ thuật sàng lọc/tại chỗ bạn được nghỉ.
- Buổi tối và cuối tuần Kaggle + bài viết / sách / bài đăng trên blog
Cuối năm 2016 được đánh dấu bằng việc tôi gia nhập cộng đồng , điều này đã đơn giản hóa rất nhiều thứ. Có rất nhiều người trong cộng đồng có kinh nghiệm công nghiệp phong phú, điều này cho phép chúng tôi hỏi rất nhiều câu hỏi ngu ngốc và nhận được rất nhiều câu trả lời thông minh. Ngoài ra còn có rất nhiều chuyên gia về máy học rất giỏi thuộc mọi lĩnh vực, điều này thật bất ngờ, đã cho phép tôi, thông qua ODS, kết thúc vấn đề bằng cách trao đổi chuyên sâu thường xuyên về Khoa học dữ liệu. Cho đến nay, xét về mặt ML, ODS mang lại cho tôi nhiều hơn những gì tôi nhận được ở nơi làm việc.
Vâng, như thường lệ, ODS có đủ chuyên gia tham gia các cuộc thi trên Kaggle và các trang khác. Giải quyết vấn đề trong nhóm vui vẻ và hiệu quả hơn, vì vậy với những câu chuyện cười, chửi thề, meme và những trò giải trí kỳ lạ khác, chúng tôi bắt đầu giải quyết từng vấn đề một.
Vào tháng 2017 năm XNUMX - cùng đội với Serega Mushinsky - vị trí thứ ba cho . Huy chương vàng môn Kaggle + $20k cho hai người. Trong nhiệm vụ này, công việc với hình ảnh vệ tinh + phân đoạn nhị phân qua UNet đã được cải thiện.
Cùng tháng 3 năm đó, tôi đến phỏng vấn tại NVidia với nhóm Tự lái xe. Tôi thực sự gặp khó khăn với các câu hỏi về Phát hiện đối tượng. Không có đủ kiến thức.
May mắn thay, cùng lúc đó, cuộc thi Phát hiện đối tượng trên hình ảnh trên không từ cùng DSTL đã bắt đầu. Chính Chúa đã ra lệnh giải quyết vấn đề và nâng cấp. Một tháng của buổi tối và cuối tuần. Em nhặt lại kiến thức và về nhì. Cuộc thi này có một sắc thái thú vị trong luật lệ, dẫn đến việc tôi được chiếu ở Nga trên các kênh liên bang chứ không phải liên bang. tôi có rồi và trong một loạt các ấn phẩm in ấn và trực tuyến. Tập đoàn Mail Ru đã nhận được một chút PR tích cực bằng chi phí của tôi và tiền của chính họ, và khoa học cơ bản ở Nga đã được làm giàu thêm 12000 bảng Anh. Như thường lệ, nó được viết về chủ đề này . Đến đó để biết chi tiết.
Cùng lúc đó, một nhà tuyển dụng của Tesla đã liên hệ với tôi và đề nghị nói chuyện về vị trí Thị giác Máy tính. Tôi đã đồng ý. Tôi lướt qua tờ giấy mang về nhà, hai màn hình công nghệ, một cuộc phỏng vấn tại chỗ và có một cuộc trò chuyện rất thú vị với Andrei Karpathy, người vừa được Tesla thuê làm Giám đốc AI. Giai đoạn tiếp theo là kiểm tra lý lịch. Sau đó, Elon Musk đã phải đích thân phê duyệt đơn đăng ký của tôi. Tesla có Thỏa thuận không tiết lộ (NDA) nghiêm ngặt.
Tôi đã không vượt qua được cuộc kiểm tra lý lịch. Nhà tuyển dụng cho biết tôi chat trực tuyến nhiều, vi phạm NDA. Nơi duy nhất mà tôi nói bất cứ điều gì về cuộc phỏng vấn tại Tesla là ODS, vì vậy giả thuyết hiện tại là ai đó đã chụp ảnh màn hình và viết thư cho bộ phận nhân sự tại Tesla, và tôi đã bị loại khỏi cuộc đua một cách an toàn. Lúc đó thật xấu hổ. Bây giờ tôi rất vui vì nó đã không thành công. Vị trí hiện tại của tôi tốt hơn nhiều, mặc dù sẽ rất thú vị nếu được làm việc với Andrey.
Ngay sau đó, tôi lao vào cuộc thi chụp ảnh vệ tinh trên Kaggle từ . Bài toán đơn giản và cực kỳ nhàm chán, không ai muốn giải nhưng ai cũng muốn có huy chương vàng miễn phí hoặc tiền thưởng. Vì vậy, với đội Kaggle Masters gồm 7 người, chúng tôi đã thống nhất sẽ ném sắt. Chúng tôi đã đào tạo 480 mạng ở chế độ 'fit_predict' và tạo thành một tập hợp ba tầng từ chúng. Chúng tôi đứng thứ bảy. . Nhân tiện, Jeremy Howard, người được biết đến rộng rãi với tư cách là người sáng tạo xong 23.
Sau khi cuộc thi kết thúc, thông qua một người bạn làm việc tại AdRoll, tôi đã tổ chức Meetup tại cơ sở của họ. Đại diện của Planet Labs đã phát biểu ở đó về việc tổ chức cuộc thi và đánh dấu dữ liệu từ phía họ trông như thế nào. Wendy Kwan, người làm việc tại Kaggle và giám sát cuộc thi, đã nói về cảm nhận của cô ấy về cuộc thi. Tôi đã mô tả giải pháp, thủ thuật, kỹ thuật và chi tiết kỹ thuật của chúng tôi. Hai phần ba khán giả đã giải quyết được vấn đề này nên các câu hỏi đều đi vào trọng tâm và nhìn chung mọi thứ đều ổn. Jeremy Howard cũng ở đó. Hóa ra anh ấy đứng ở vị trí thứ 23 vì anh ấy không biết cách xếp mô hình và hoàn toàn không biết về phương pháp xây dựng quần thể này.
Những cuộc gặp gỡ ở thung lũng về học máy rất khác với những cuộc gặp gỡ ở Moscow. Theo quy định, các cuộc gặp gỡ trong thung lũng là nơi thấp nhất. Nhưng của chúng tôi hóa ra lại tốt. Tiếc là đồng chí lẽ ra phải bấm nút và ghi lại mọi chuyện lại không bấm nút :)
Sau đó, tôi được mời đến nói chuyện với vị trí Kỹ sư Deep Learning tại Planet Labs này và ngay tại chỗ. Tôi đã không vượt qua nó. Lời từ chối là không có đủ kiến thức về Deep Learning.
Tôi thiết kế mỗi cuộc thi như một dự án trong . Đối với vấn đề DSTL chúng tôi đã viết và đăng nó lên arxiv. Không phải một bài báo, nhưng vẫn là bánh mì. Tôi cũng khuyên mọi người nên nâng cao hồ sơ LinkedIn của họ thông qua các cuộc thi, bài viết, kỹ năng, v.v. Có mối tương quan tích cực giữa số lượng từ khóa bạn có trong hồ sơ LinkedIn và tần suất mọi người nhắn tin cho bạn.
Nếu vào mùa đông và mùa xuân tôi rất kỹ thuật thì đến tháng 8 tôi đã có cả kiến thức lẫn sự tự tin.
Vào cuối tháng 7, một anh chàng làm quản lý Khoa học dữ liệu tại Lyft đã liên hệ với tôi trên LinkedIn và mời tôi uống cà phê và trò chuyện về cuộc sống, về Lyft, về TrueAccord. Chúng tôi đã nói chuyện. Anh ấy đề nghị được phỏng vấn với nhóm của mình cho vị trí Nhà khoa học dữ liệu. Tôi đã nói rằng tùy chọn này đang hoạt động, miễn là đó là Thị giác máy tính / Học sâu từ sáng đến tối. Ông đảm bảo rằng không có sự phản đối nào từ phía mình.
Tôi đã gửi sơ yếu lý lịch của mình và anh ấy đã tải nó lên cổng thông tin nội bộ của Lyft. Sau đó, nhà tuyển dụng gọi cho tôi để mở hồ sơ và tìm hiểu thêm về tôi. Ngay từ những lời đầu tiên, rõ ràng đối với anh ấy đây chỉ là một hình thức, vì anh ấy thấy rõ trong sơ yếu lý lịch rằng “Tôi không phải là vật chất cho Lyft”. Tôi đoán sau đó sơ yếu lý lịch của tôi đã bị ném vào thùng rác.
Trong suốt thời gian này, khi được phỏng vấn, tôi đã thảo luận về những thất bại và nhược điểm của mình trong ODS và mọi người đã cho tôi phản hồi và giúp đỡ tôi bằng mọi cách có thể với lời khuyên, mặc dù, như thường lệ, cũng có rất nhiều trò troll thân thiện ở đó.
Một trong những thành viên ODS đề nghị kết nối tôi với bạn của anh ấy, Giám đốc Kỹ thuật tại Lyft. Không sớm nói hơn làm. Tôi đến Lyft để ăn trưa, ngoài người bạn này còn có Trưởng bộ phận Khoa học dữ liệu và Giám đốc sản phẩm, một người rất yêu thích Deep Learning. Vào bữa trưa, chúng tôi trò chuyện qua DL. Và vì tôi đã đào tạo mạng 24/7 trong nửa năm, đọc hàng mét khối tài liệu và thực hiện các nhiệm vụ trên Kaggle với kết quả ít nhiều rõ ràng, nên tôi có thể nói về Deep Learning hàng giờ, cả về các bài báo mới và kỹ thuật thực hành.
Sau bữa trưa, họ nhìn tôi và nói - rõ ràng là bạn rất đẹp trai, bạn có muốn nói chuyện với chúng tôi không? Hơn nữa, họ nói thêm rằng đối với tôi, rõ ràng là có thể bỏ qua màn hình mang về nhà + công nghệ. Và rằng tôi sẽ được mời đến ngay tại chỗ. Tôi đã đồng ý.
Sau đó, nhà tuyển dụng đó đã gọi cho tôi để hẹn phỏng vấn tại chỗ và anh ấy không hài lòng. Anh ta lẩm bẩm điều gì đó về việc không nhảy qua đầu bạn.
Đã đến. Phỏng vấn tại chỗ. Năm giờ giao tiếp với những người khác nhau. Không có một câu hỏi nào về Deep Learning hay về nguyên tắc học máy. Vì không có Deep Learning/Computer Vision nên tôi không hứng thú. Như vậy, kết quả phỏng vấn là trực giao.
Nhà tuyển dụng này gọi điện và nói - xin chúc mừng, bạn đã vượt qua vòng phỏng vấn tại chỗ thứ hai. Đây là tất cả đáng ngạc nhiên. Tại chỗ thứ hai là gì? Tôi chưa bao giờ nghe nói về một điều như vậy. Tôi đã đi. Có một vài giờ ở đó, lần này là về học máy truyền thống. Cái đó tốt hơn. Nhưng vẫn không thú vị.
Nhà tuyển dụng gọi điện chúc mừng tôi đã vượt qua cuộc phỏng vấn tại chỗ lần thứ ba và thề rằng đây sẽ là lần cuối cùng. Mình đến xem thì có cả DL và CV.
Tôi đã có người trước đó trong nhiều tháng nói với tôi rằng sẽ không có lời đề nghị nào cả. Tôi sẽ đào tạo không phải về kỹ năng kỹ thuật mà về những kỹ năng mềm. Không phải ở khía cạnh yếu kém mà thực tế là vị trí đó sẽ đóng hoặc công ty chưa tuyển dụng mà chỉ đơn giản là đang kiểm tra thị trường và trình độ của ứng viên.
Giữa tháng Tám. Tôi uống bia được rồi. Suy nghĩ đen tối. Đã 8 tháng trôi qua mà vẫn chưa có lời đề nghị nào. Thật tốt khi sáng tạo dưới bia, đặc biệt nếu khả năng sáng tạo là lạ. Một ý tưởng chợt đến trong đầu tôi. Tôi chia sẻ điều này với Alexey Shvets, người lúc đó đang là nghiên cứu sinh sau tiến sĩ tại MIT.
Điều gì sẽ xảy ra nếu bạn tham dự hội nghị DL/CV gần nhất, xem các cuộc thi được tổ chức như một phần của nó, đào tạo thứ gì đó và gửi bài? Vì tất cả các chuyên gia ở đó đều đang xây dựng sự nghiệp của họ dựa trên lĩnh vực này và đã làm việc này trong nhiều tháng hoặc thậm chí nhiều năm nên chúng tôi không có cơ hội. Nhưng nó không đáng sợ. Chúng tôi đưa ra một số nội dung có ý nghĩa, bay đến vị trí cuối cùng và sau đó chúng tôi viết bản in trước hoặc một bài báo về việc chúng tôi không giống những người khác như thế nào và nói về quyết định của mình. Và bài viết đã có trên LinkedIn và trong sơ yếu lý lịch của bạn.
Nghĩa là, nó có vẻ phù hợp và có nhiều từ khóa chính xác hơn trong sơ yếu lý lịch, điều này sẽ làm tăng một chút cơ hội được tiếp cận màn hình công nghệ. Mã và nội dung gửi từ tôi, tin nhắn từ Alexey. Tất nhiên là trò chơi, nhưng tại sao không?
Không sớm nói hơn làm. Hội nghị gần nhất mà chúng tôi tìm kiếm trên Google là MICCAI và thực sự đã có những cuộc thi ở đó. Chúng tôi đánh cái đầu tiên. Đó là . Nhiệm vụ có 3 nhiệm vụ phụ. Còn 8 ngày nữa là hết hạn. Tôi tỉnh táo vào buổi sáng, nhưng tôi không từ bỏ ý định. Tôi lấy đường dẫn của mình từ Kaggle và chuyển chúng từ dữ liệu vệ tinh sang dữ liệu y tế. 'fit_predict'. Alexey đã chuẩn bị hai trang mô tả các giải pháp cho từng vấn đề và chúng tôi đã gửi nó. Sẵn sàng. Về lý thuyết, bạn có thể thở ra. Nhưng hóa ra có một nhiệm vụ khác cho cùng một xưởng () với ba nhiệm vụ phụ và thời hạn của cô ấy đã được đẩy lên 4 ngày, nghĩa là chúng tôi có thể thực hiện 'fit_predict' ở đó và gửi nó. Đó là những gì chúng tôi đã làm.
Không giống như Kaggle, những cuộc thi này có đặc điểm học thuật riêng:
- Không có bảng xếp hạng. Bài dự thi được gửi qua email.
- Bạn sẽ bị loại nếu đại diện nhóm không đến trình bày giải pháp tại buổi hội thảo tại Workshop.
- Vị trí của bạn trên bảng xếp hạng chỉ được biết đến trong hội nghị. Một loại kịch học thuật.
Hội nghị MICCAI 2017 được tổ chức tại Thành phố Quebec. Thành thật mà nói, đến tháng XNUMX, tôi bắt đầu kiệt sức nên ý tưởng nghỉ làm một tuần và đến Canada có vẻ thú vị.
Đã đến hội nghị. Mình đến Workshop này, không quen ai cả, ngồi trong góc. Mọi người đều biết nhau, họ giao tiếp, họ đưa ra những lời nói y học thông minh. Đánh giá cuộc thi đầu tiên. Những người tham gia phát biểu và nói về quyết định của mình. Ở đó mát mẻ, lấp lánh. Đến lượt tôi. Và tôi thậm chí còn thấy xấu hổ. Họ đã giải quyết vấn đề, nghiên cứu nó, khoa học tiên tiến và chúng tôi hoàn toàn “dự đoán phù hợp” từ những phát triển trong quá khứ, không phải vì khoa học mà để nâng cao lý lịch của chúng tôi.
Anh ấy bước ra và nói rằng tôi cũng không phải là chuyên gia về y học, xin lỗi vì đã lãng phí thời gian của họ và cho tôi xem một slide giải pháp. Tôi đi xuống hội trường.
Họ công bố nhiệm vụ phụ đầu tiên - chúng tôi là người đầu tiên và cách biệt.
Cái thứ hai và thứ ba được công bố.
Họ công bố lần thứ ba - lần đầu tiên và lần nữa dẫn trước.
Chung là đầu tiên.
Một số khán giả mỉm cười và nhìn tôi với ánh mắt tôn trọng. Những người khác, những người dường như được coi là chuyên gia trong lĩnh vực này, đã giành được trợ cấp cho nhiệm vụ này và đã làm công việc này trong nhiều năm, đều có vẻ mặt hơi méo mó.
Tiếp theo là nhiệm vụ thứ hai, nhiệm vụ có ba nhiệm vụ phụ và đã được đẩy lên trước bốn ngày.
Ở đây tôi cũng xin lỗi và chiếu lại slide của chúng tôi.
Câu chuyện tương tự. Hai cái đầu tiên, một giây, chung đầu tiên.
Tôi nghĩ đây có lẽ là lần đầu tiên trong lịch sử một công ty thu phí giành chiến thắng trong một cuộc thi chụp ảnh y tế.
Và bây giờ tôi đang đứng trên sân khấu, họ đang trao cho tôi một loại bằng tốt nghiệp nào đó và tôi bị tấn công dồn dập. Làm thế quái nào mà điều đó có thể xảy ra được? Những học giả này đang tiêu tiền của người nộp thuế, làm việc để đơn giản hóa và cải thiện chất lượng công việc cho các bác sĩ, về lý thuyết, đó là tuổi thọ của tôi, và một số cơ quan đã xé toàn bộ đội ngũ giảng viên này thành lá cờ Anh chỉ trong vài buổi tối.
Một phần thưởng cho điều này là ở các nhóm khác, những sinh viên tốt nghiệp đã làm những nhiệm vụ này trong nhiều tháng sẽ có một bản lý lịch hấp dẫn đối với bộ phận nhân sự, tức là họ sẽ dễ dàng được tiếp cận với màn hình công nghệ. Và trước mắt tôi là một email mới nhận được:
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.Nói chung, ngay từ trên sân khấu, tôi hỏi khán giả: “Có ai biết tôi làm việc ở đâu không?” Một trong những người tổ chức cuộc thi đã biết - anh ấy đã tra Google TrueAccord là gì. Phần còn lại thì không. Tôi tiếp tục: “Tôi làm việc cho một công ty thu phí và tại nơi làm việc, tôi không làm về Thị giác máy tính hay Học sâu. Và theo nhiều cách, điều này xảy ra do bộ phận nhân sự của Google Brain và Deepmind lọc sơ yếu lý lịch của tôi, không cho tôi cơ hội thể hiện trình độ đào tạo kỹ thuật. "
Họ trao giấy chứng nhận, nghỉ ngơi. Một nhóm học giả kéo tôi sang một bên. Hóa ra đây là nhóm Sức khỏe có Deepmind. Họ ấn tượng đến mức ngay lập tức muốn nói chuyện với tôi về vị trí Kỹ sư nghiên cứu trong nhóm của họ. (Chúng tôi đã nói chuyện. Cuộc trò chuyện này kéo dài 6 tháng, tôi đã mang về nhà, thi đố vui nhưng bị cắt ngắn trên màn hình công nghệ. 6 tháng kể từ khi bắt đầu giao tiếp đến màn hình công nghệ là một khoảng thời gian dài. Sự chờ đợi lâu dài mang lại hương vị của sự vô dụng. Kỹ sư nghiên cứu tại Deepmind ở London, so với nền tảng của TrueAccord, đã có một bước tiến mạnh mẽ, nhưng so với nền tảng vị trí hiện tại của tôi thì đó là một bước đi xuống. So với khoảng cách hai năm đã trôi qua kể từ đó, thật tốt rằng nó đã không xảy ra.)
Kết luận
Cùng lúc đó, tôi nhận được lời đề nghị từ Lyft và tôi đã chấp nhận.
Dựa trên kết quả của hai cuộc thi này với MICCAI, những thông tin sau đã được công bố:
Nghĩa là, bất chấp ý tưởng này có phần hoang dã, việc thêm các bài viết gia tăng và bản in trước thông qua các cuộc thi vẫn hoạt động tốt. Và trong những năm tiếp theo, chúng tôi còn khiến tình hình trở nên tồi tệ hơn.
Tôi đã làm việc tại Lyft trong vài năm qua về Thị giác máy tính/Học sâu cho xe tự lái. Tức là tôi đã có được thứ mình muốn. Và những nhiệm vụ, một công ty có địa vị cao, những đồng nghiệp mạnh mẽ và tất cả những điều tốt đẹp khác.
Trong những tháng này, tôi đã liên lạc với cả các công ty lớn Google, Facebook, Uber, LinkedIn và với rất nhiều công ty khởi nghiệp thuộc nhiều quy mô khác nhau.
Nó đau suốt mấy tháng nay. Vũ trụ nói với bạn điều gì đó không mấy dễ chịu mỗi ngày. Thường xuyên bị từ chối, thường xuyên mắc sai lầm và tất cả những điều này mang theo cảm giác tuyệt vọng dai dẳng. Không có gì đảm bảo rằng bạn sẽ thành công, nhưng có cảm giác rằng bạn là một kẻ ngốc. Nó rất gợi nhớ đến việc tôi đã cố gắng tìm việc làm ngay sau khi tốt nghiệp đại học.
Tôi nghĩ rằng nhiều người đang tìm việc làm ở thung lũng và mọi thứ đã dễ dàng hơn nhiều đối với họ. Bí quyết, theo ý kiến của tôi, là thế này. Nếu bạn đang tìm kiếm một công việc trong lĩnh vực mà bạn hiểu biết, có nhiều kinh nghiệm và sơ yếu lý lịch của bạn cũng nói như vậy thì không có vấn đề gì. Tôi đã lấy nó và tìm thấy nó. Có rất nhiều vị trí tuyển dụng.
Nhưng nếu bạn đang tìm kiếm một công việc trong một lĩnh vực mới đối với bạn, tức là khi không có kiến thức, không có mối liên hệ và sơ yếu lý lịch của bạn có điều gì đó sai - thì lúc này mọi thứ trở nên cực kỳ thú vị.
Hiện tại, các nhà tuyển dụng thường xuyên viết thư cho tôi và đề nghị làm công việc tương tự như tôi đang làm, nhưng ở một công ty khác. Đã đến lúc phải thay đổi công việc. Nhưng chẳng ích gì khi làm những việc mà tôi vốn đã giỏi. Để làm gì?
Nhưng đối với những gì tôi muốn, tôi lại không có kiến thức cũng như dòng chữ trong sơ yếu lý lịch của mình. Hãy xem mọi chuyện kết thúc như thế nào. Nếu mọi việc suôn sẻ, tôi sẽ viết phần tiếp theo. 🙂
Nguồn: www.habr.com