До подачи заявления в Lyne я в основном сосредоточился на повышении уровня своего обучения в области машинного обучения и нейронных сетей, а также на работе над личными проектами и семестровыми проектами. Я знал, что должен подать заявку, как только прочитал, что это возможность увидеть, что карьера в области машинного обучения и науки о данных всегда интриговала меня.
Первый раунд был шорт-листом резюме, затем я был допущен к первому техническому раунду, в котором мне дали несколько бизнес-задач и попросили придумать техническое решение, которое могло бы их решить, и несколько технических вопросов, касающихся нормализации данных и алгоритмов машинного обучения. , например, учитывая набор данных, имеющий дисбаланс между различными классами, какие методы вы адаптируете для решения этой проблемы. Отзывы после этого раунда были очень положительными, поэтому у меня были большие надежды.
Следующий раунд был HR-раундом, на котором также присутствовал один из соучредителей Lyne, чтобы помочь мне понять бизнес-цели всей работы, проводимой в lyne. Через несколько дней мне прислали письмо с предложением и назначили ответственного за отчетность вместе со списком задач.
Когда я начал в мае, я чувствовал себя таким неподготовленным и обеспокоенным — все, с кем я разговаривал, говорили мне, насколько работа будет отличаться от моей курсовой. Как человека, который гордится тем, что готов ко всему, меня очень пугала идея быстрой адаптации, но вскоре я понял, что то, что говорили эти люди, было правдой! Большая часть вашей работы действительно основана на том, чему вы учитесь во время работы.
Будучи студентами, мы все задавали себе извечный вопрос: «Когда мне когда-нибудь это понадобится в реальном мире?», чаще всего во время зубрежки на экзамене или особенно сложной домашней работы. проблема. Этим летом я обнаружил, что нам действительно нужны эти вещи в реальном мире.
Первый месяц был чем-то вроде испытательного срока, когда мне пришлось просмотреть много документации и уже разработанных кодов от других коллег, работающих там, понять их и попытаться придумать способы их оптимизации. Затем мне поставили задачу нормализовать и очистить огромный набор данных, содержащий данные о людях, во время этого проекта я познакомился с различными новыми технологиями, такими как AWS Glue и другими сервисами AWS, предназначенными для решения задач ETL. Затем моим следующим проектом стала разработка сценария, который можно использовать для прогнозирования рабочей электронной почты человека, если он присоединится к определенной компании, используя сгенерированные данные синтаксиса. В настоящее время я работаю над созданием кастома, обученного классифицировать, выпускает ли компания подкаст или нет.
Мой опыт стажировки был вне этого мира, и я так счастлив, что смог почувствовать, каким будет «реальный мир» через два года. Я завел так много замечательных друзей, выполнил сложную и приносящую удовлетворение работу и должен делать то, что люблю, каждый божий день. Если вы инженер и думаете о стажировке или совместной работе, воспользуйтесь возможностью. Вы не пожалеете, обещаю!
