Во-первых, все-равно писать можно. Иногда статьи, которые написаны не носителями языка очень тяжело писать, но они все-равно публикуются.
Во-вторых, навык написания технических текстов на английском замечательно нарабатывается напианием блога. Тем более, что там критиковать не будут, правда и читать, наверно, тоже.
В общем, чтобы научиться писать по английски технические тексты — надо писать по английски технические тексты.
Как-то ни о чем, что много слов, но непонятно что с эти делать.
Людям в академической среде платят за сам факт своего существования. И да, не так много организаций могут себе позволить содержать умных, образованных людей в надежде на то, что что-то у них когда-то получится. Шансы низкие.
В штатах вопрос решили конем — сделали университеты машиной зарабатывания денег на бакалаврах. Но чтобы их зарабатывать, бакалавры должны туда идти => рейтинги, статусы и т.д. => заработанные деньги идут на зарплаты аспирантам и профессуре, которые без большого давления двигают науку в какую-нибудь сторону.
И это замечательно работающая система, но если бы так было у нас, я бы в университет не пошел, потому что у родителей денег на это не было. Так что со своей шкурной стороны я ее не приветствую.
Но при этом другого варианта я не вижу, потому что для того, чтобы платить людям за сам факт из существования надо много денег. И кто-то должен их выделять. Либо государство, либо бакалавры.
Хорошо бы услышать как в различных задачах машинного обучения, какие методы усреднения лучше работают при составлении ансамблей из различных моделей в зависимости от данных / метрики.
Вот такой у меня вопрос, который не связан c постом не напрямую, а скорее по касательной, больше как к экспертам применения нейронных сетей к снимкам изображения поверхности.
В дисциплине соревновательного машинного обучения очень тяжело соревноваться с мастерами Kaggle.com, хоть ты 10 лет разработчиком в различных банках работал.
Все-таки в контестах хорошо себя показывают те, кто имеет опыт участия в контестах.
При трезвом просмотре, да, что-то я не то написал. Лексикон совсем не мой. Очень сильно перед всеми извиняюсь.
Безусловно хотелось зацепить, даже в какой-то степени обидеть автора, чтобы уж наверняка будущие посты о том, как машинное обучение внедряется на практике, что для меня очень интересная тема, читались бы в удовольствие.
В общем, посыл моего комментария выше именно такой, как мне хотелось, но выражения, конечно, надо было выбирать.
Такой неплохой пост, но так отвратительно офрмлен. Читать очень тяжело.
Если кто со СберБанка прочитает этот комментарий, вы не могли бы по пальцам настучать чем-нибудь тяжелым тому, кто оформлял этот пост?
Все эти ядовито зеленые полосы, фотографии в background, которые не движутся при прокрутке, и прочая фигня.
В общем, очень бы хотелось чтобы ваши посты выглядели больше как научная статья и меньше как маркетинговая мукулатура. Все-таки надо знать свою аудиторию.
Хабр не лохи, не надо пытаться развести читателей. Пишите по делу, и читатели оценят.
В общем учитесь у Яндекса и Mail.ru — у них очень достойные посты, которые очень хорошо оформлены.
Это прекрасно что Сбербанк инвестирует в Data Science, причем не "для галочки", а на более серьезном фундаментальном уровне. В США похожую активность проявляет только банк Capital One, но, у них в этом подходе все очень не структурировано. Будем надеяться, что все у вас получится.
Хочется верить, что и остальные игроки подтянутся, что в свою очередь создаст большое число интересных и хорошо оплачиваемых вакансий, что стимулирует нынешних школьников при выборе университетов больше склонятся в сторону технических специальностей, а тех кто занимается работой с данными за рубежом начать возвращаться на историческую родину.
Более предметный вопрос, а в чем была основная причина того, что контест не был проведен на площадке Kaggle? Как минимум было бы больше участников, что обычно добавляет увлекательности совевнованиям, тем более, что предложенные задачи достаточно стандартные.
Как я понимаю каждый или практически каждый кто прочитал этот пост считает что у него высокий или очень высокий IQ, что имеет под собой основу в том смысле что это geektimes, а не «Аргументы и Факты».
Но так чтобы более предметно: сколько человек сможет без гугления сможет ответить на этот вопрос из какого-то онлайн теста?
По весне интервьюировался в Google на позицию Quantitative Analyst. Рекрутер вышла на меня сама. Я географически живу недалеко, поэтому вместо технического телефонного интервью попросил приехать к ним в офис и общаться вживую, отвечая на вопросы на Whiteboard. Мне пошли на встречу. Пара таких технических интервью, а потом приглашение к ним в офис на onsite от которого я отказался.
Основные причины моего отказа от onsite interview:
Quantitative Analyst — это много статистики, мне же в свою очередь интересно Machine Learning / Deep learning. Причем интервьюировался я на эту позицию потому что рекрутер, который со мной связялся хотел заполнить именно эту вакансию, а не потому что она мне была интересна.
Офис расположен в Mountain View, причем по утрам и вечерам дикие пробки, то есть это либо в этой деревне жить, либо тратить кучу времени на транспорт.
Мне дали интересный офер, с жестким дедлайном, так что был выбор либо реальный офер с Машинным обученим в стартапе в Сан Франциско или теоретический офер на работу со статистикой в Google в деревне. => я выбрал Сан Франциско.
Интервьюируют достаточно жестко, но интересно, то что я что-то не знаю или не помню каких-то стандартных с их точки зрения в статистике вещей можно компенсировать тем, что быстро выдаешь рабочие решения, даже если они не самые оптимальные.
В общем очень приятные впечатления от всего этого процесса, за исключением одного — в Google процесс наема идет так долго… Facebook и Uber в разы оперативнее. Говорят, что они пытаются ускорить процес найма. Поглядим через пару месяцев.
Я все-таки за рыночные отношения в том смысле, что если кто-то готов платить работнику больше, чем на старом месте работы, а особенно если такая компания не одна, и не важно за реальные знания и навыки или за умение на интервью на уши вешать, и если объем новых знаний в единицу времени человека не устраивает то этому человеку надо идти.
Оправдал он инвестиции или нет — это проблемы работодателя и работника должны волновать постольку поскольку. Возможно вам надо было распознать что он будет использовать вашу работу как ступеньку в своей карьере и не нанимать его. Или же уволить раньше, как только стало понятно, что junior'ом ему быть не нравится — это были бы его проблемы.
И, да, я такой же деятель как этот парень. После выпуска из университета я не мог найти работу много месяцев, так что принял первый же офер, не смотря на то, что эта не была работа моей мечты. Текст об этих злоключениях на хабре, а с первой работы, как только почуcтвовал что заний и навыка хвататет для того, чтобы идти дальше — ушел, и опять же написал на эту тему сответствующий текст.
И совсем не исключено, что мои прежние работодатели искренне считают, что вложились в неправильного junior'a. Но это опять же их проблемы.
А какие еще есть варианты у выпускника, который быстро учится, но без опыта работы в резюме?
И я понимаю, что у работодателя бюджет, сроки, контракты, а у стартапов еще и вопрос выживания, но кушать от этого меньше не хочется.
То что вы его научили — это вы молодцы. А вот что ему недоплачивали, и он вовремя это понял и ушел — это он молодец.
Смысл ему оставаться у вас, если по метрике (новые знания + деньги) вакансия в новой компании лучше чем в вашей? Парень перерос свою должность => ушел.
А вообще могло бы быть и хуже: могло бы получиться, что он ничему бы у вас не научился и так бы у вас и остался.
Во-первых, все-равно писать можно. Иногда статьи, которые написаны не носителями языка очень тяжело писать, но они все-равно публикуются.
Во-вторых, навык написания технических текстов на английском замечательно нарабатывается напианием блога. Тем более, что там критиковать не будут, правда и читать, наверно, тоже.
В общем, чтобы научиться писать по английски технические тексты — надо писать по английски технические тексты.
Arxiv.org же есть, его обычно двигатели науки по утрам глазами пробегают. Зачем изобретать какой-то новый портал?
Как-то ни о чем, что много слов, но непонятно что с эти делать.
Людям в академической среде платят за сам факт своего существования. И да, не так много организаций могут себе позволить содержать умных, образованных людей в надежде на то, что что-то у них когда-то получится. Шансы низкие.
В штатах вопрос решили конем — сделали университеты машиной зарабатывания денег на бакалаврах. Но чтобы их зарабатывать, бакалавры должны туда идти => рейтинги, статусы и т.д. => заработанные деньги идут на зарплаты аспирантам и профессуре, которые без большого давления двигают науку в какую-нибудь сторону.
И это замечательно работающая система, но если бы так было у нас, я бы в университет не пошел, потому что у родителей денег на это не было. Так что со своей шкурной стороны я ее не приветствую.
Но при этом другого варианта я не вижу, потому что для того, чтобы платить людям за сам факт из существования надо много денег. И кто-то должен их выделять. Либо государство, либо бакалавры.
Хорошо бы услышать как в различных задачах машинного обучения, какие методы усреднения лучше работают при составлении ансамблей из различных моделей в зависимости от данных / метрики.
Вот такой у меня вопрос, который не связан c постом не напрямую, а скорее по касательной, больше как к экспертам применения нейронных сетей к снимкам изображения поверхности.
Вот прямо сейчас идет соревнование на kaggle.com по сегментированию спутниковых снимков.
Не подскажите, какой литературой мне надо обчитаться, чтобы понять, какую архитектуру сети и какой post processing в этой задаче применять?
В дисциплине соревновательного машинного обучения очень тяжело соревноваться с мастерами Kaggle.com, хоть ты 10 лет разработчиком в различных банках работал.
Все-таки в контестах хорошо себя показывают те, кто имеет опыт участия в контестах.
При трезвом просмотре, да, что-то я не то написал. Лексикон совсем не мой. Очень сильно перед всеми извиняюсь.
Безусловно хотелось зацепить, даже в какой-то степени обидеть автора, чтобы уж наверняка будущие посты о том, как машинное обучение внедряется на практике, что для меня очень интересная тема, читались бы в удовольствие.
В общем, посыл моего комментария выше именно такой, как мне хотелось, но выражения, конечно, надо было выбирать.
Еще раз прошу у всех прощения.
Такой неплохой пост, но так отвратительно офрмлен. Читать очень тяжело.
Если кто со СберБанка прочитает этот комментарий, вы не могли бы по пальцам настучать чем-нибудь тяжелым тому, кто оформлял этот пост?
Все эти ядовито зеленые полосы, фотографии в background, которые не движутся при прокрутке, и прочая фигня.
В общем, очень бы хотелось чтобы ваши посты выглядели больше как научная статья и меньше как маркетинговая мукулатура. Все-таки надо знать свою аудиторию.
Хабр не лохи, не надо пытаться развести читателей. Пишите по делу, и читатели оценят.
В общем учитесь у Яндекса и Mail.ru — у них очень достойные посты, которые очень хорошо оформлены.
Спасибо.
Субъективно, насколько Pyflakes8 лучше / удобнее, чем встроенный в Pycharm linter?
Это прекрасно что Сбербанк инвестирует в Data Science, причем не "для галочки", а на более серьезном фундаментальном уровне. В США похожую активность проявляет только банк Capital One, но, у них в этом подходе все очень не структурировано. Будем надеяться, что все у вас получится.
Хочется верить, что и остальные игроки подтянутся, что в свою очередь создаст большое число интересных и хорошо оплачиваемых вакансий, что стимулирует нынешних школьников при выборе университетов больше склонятся в сторону технических специальностей, а тех кто занимается работой с данными за рубежом начать возвращаться на историческую родину.
Более предметный вопрос, а в чем была основная причина того, что контест не был проведен на площадке Kaggle? Как минимум было бы больше участников, что обычно добавляет увлекательности совевнованиям, тем более, что предложенные задачи достаточно стандартные.
Спасибо, поправил + добавил картинку в тект для визуального сравнения.
Но так чтобы более предметно: сколько человек сможет без гугления сможет ответить на этот вопрос из какого-то онлайн теста?
Я бы еще Россию добавил на график:
средний рейтинг фильма vs страна
И добавил начало координат, а то может сложиться впечатление, что в Великобритании фильмы в 4 раза лучше чем в Канаде.
По весне интервьюировался в Google на позицию Quantitative Analyst. Рекрутер вышла на меня сама. Я географически живу недалеко, поэтому вместо технического телефонного интервью попросил приехать к ним в офис и общаться вживую, отвечая на вопросы на Whiteboard. Мне пошли на встречу. Пара таких технических интервью, а потом приглашение к ним в офис на onsite от которого я отказался.
Основные причины моего отказа от onsite interview:
Интервьюируют достаточно жестко, но интересно, то что я что-то не знаю или не помню каких-то стандартных с их точки зрения в статистике вещей можно компенсировать тем, что быстро выдаешь рабочие решения, даже если они не самые оптимальные.
В общем очень приятные впечатления от всего этого процесса, за исключением одного — в Google процесс наема идет так долго… Facebook и Uber в разы оперативнее. Говорят, что они пытаются ускорить процес найма. Поглядим через пару месяцев.
Проверил у нас в конторе — и точно. В одной из команд есть доска почета где в несокльких категориях что-то кому-то присуждается каждый месяц.
Очень любопытно. Пример?
А иногда вот так:
"Ну мы же стартап!"
Я все-таки за рыночные отношения в том смысле, что если кто-то готов платить работнику больше, чем на старом месте работы, а особенно если такая компания не одна, и не важно за реальные знания и навыки или за умение на интервью на уши вешать, и если объем новых знаний в единицу времени человека не устраивает то этому человеку надо идти.
Оправдал он инвестиции или нет — это проблемы работодателя и работника должны волновать постольку поскольку. Возможно вам надо было распознать что он будет использовать вашу работу как ступеньку в своей карьере и не нанимать его. Или же уволить раньше, как только стало понятно, что junior'ом ему быть не нравится — это были бы его проблемы.
И, да, я такой же деятель как этот парень. После выпуска из университета я не мог найти работу много месяцев, так что принял первый же офер, не смотря на то, что эта не была работа моей мечты. Текст об этих злоключениях на хабре, а с первой работы, как только почуcтвовал что заний и навыка хвататет для того, чтобы идти дальше — ушел, и опять же написал на эту тему сответствующий текст.
И совсем не исключено, что мои прежние работодатели искренне считают, что вложились в неправильного junior'a. Но это опять же их проблемы.
А какие еще есть варианты у выпускника, который быстро учится, но без опыта работы в резюме?
И я понимаю, что у работодателя бюджет, сроки, контракты, а у стартапов еще и вопрос выживания, но кушать от этого меньше не хочется.
То что вы его научили — это вы молодцы. А вот что ему недоплачивали, и он вовремя это понял и ушел — это он молодец.
Смысл ему оставаться у вас, если по метрике (новые знания + деньги) вакансия в новой компании лучше чем в вашей? Парень перерос свою должность => ушел.
А вообще могло бы быть и хуже: могло бы получиться, что он ничему бы у вас не научился и так бы у вас и остался.