英国の衛星画像2：実際の様子

この投稿には大きな技術的負荷がかからず、「金曜日の履歴」モードでのみ認識されるように、すぐに予約してください。 さらに、テキストには英語の単語がたくさんあり、その一部は翻訳方法がわからず、一部は翻訳したくないだけです。



最初の部分の要約：



1. DSTL（英国国防総省の科学技術研究所）は、 Kaggleで公開競争を開催しました 。

2.コンテストは3月7日に終了し、結果は3月14日に発表されました。

3. 10の最高のチームのうち5つはロシア語で 、すべてがオープンデータサイエンスコミュニティのメンバーです 。

4.賞金10万ドルは、残忍なマレーシアのカイル 、 ローマ・ソロヴィヨフとアーサー・クジンのチーム、そして私とセルゲイ・ムシンスキーによって共有されました。

5.結果に応じて 、ブログ投稿が書かれ（ ハブラに関する私の投稿、ハブラに関する アーサーの 投稿、Kaggleに関するSeryogaの投稿 ）、スピーチが会議で開催されました（ Adrollの パフォーマンス、H20.aiの パフォーマンス、YandexのArturのパフォーマンス 、 Mail.Ru GroupでのEugene Nekrasovによるスピーチ ）、 arxivに関する技術報告書 。



主催者は、提案されたソリューションの品質を好みましたが、この競争のためにどれだけ緩めたかを好みませんでした。 Kaggleは$ 50万を費やしましたが、賞金はわずか$ 10万でした。



論理的な結論が出されました-好みと体育館の学生であなた自身の英国のKaggleを作成するために。 英国国防省とMI6の科学のエンジンに関する知識は、本格的なAI研究には不十分であるため、独自の手綱を作る代わりに、オープンな競争を組織しましたが、泥だらけのルール、つまり、誰でも参加できますが、市民であり、 次の2014年の汚職評価で賞金の特定のカットオフを超える国に住んでいる人のみ。 なぜ2014年で、もっと新鮮なものではないのですか？ これはまだ理解できません。 2014年は中国人を船外に残し、インド人を残さないために正確に選ばれたという陰謀説があります。 しかし、2016年には、インドと中国の評価は同じであるため、フォーカスは通過しませんでした。



Kaggleをシミュレートするサイトを書くと、科学のエンジンにもスキルがなかったため、請負業者、つまり英国の腐敗した BAE Systemsを雇いました。



第1部で説明したコンペティションの資金を受け取るには、DSTLの代表者とスカイプ会議を開催し、ソリューションを簡単に説明する必要がありました。 提示、説明しました。 彼らは公然と航海しましたが、実際には、これに一部は、彼らが高い空を飛ぶ専門家を持たないという私の自信を持った仮定に基づいています。 しかし、これらの英国の科学者自身は非常に適切であり、私たちのスピーチの最後に、広告としての彼らのチーフは、彼らも指で作られておらず、競争のための独自の場所があり、2つのタスクが始まったと述べました、1つはコンピュータービジョン 、もう1つは自然言語処理です。各賞金プールは4万ポンド（20k、12k、8k）です。 私たちはそれをコースで答え、順番に、「なぜ差別的なルールがあるのですか？」と丁寧に尋ねました。 男は、これはすべてナンセンスであり、それは彼らではなく、非常に目覚めている競争を開催している請負業者であり、DSTLも差別に反しており、すべてが変化し、一般的には誰もが幸せになると答えました。



後で、彼らがパーティーの正しい方針を厳守し、それに応じて受け取ることをどれほど真剣に考えているかをメールで明らかにしました。

-datasciencechallenge.orgに関連する利用規約に変更が加えられる可能性があります。 元の条件は、法的な根拠に基づいて私たちのためにチャレンジを実行している会社によって設定されましたが、フィードバックに従って変更されます/変更されます。 参加を遅らせないでください。

しかし、実際には、それはすべて重要ではありませんでした。 アイデアは、一方で、オブジェクト検出の知識を大幅に失い、この問題の下で有名なインタビューに飛び込んだということです。 たとえば、Nvidiaの自動運転車では、画像分類はできますが、画像セグメンテーションはできますが、コンピュータービジョンを使用する多くのビジネスタスクにとって非常に重要なオブジェクト検出はできます。 そしてご存知のように、戦闘で学ぶ方が良いので、自由時間に自分のプロジェクトをカットするか、何らかの競争に取り組む必要があります。



物体の検出が必要な魚を分類するタスクは 、知識不足のためにゼロになったこと、およびすでに開始されていたがその時点までに終了していなかった他のタスク、つまり子宮頸がんについては、追加する価値があります、 オットセイの数について 、そしてImageNet 2017も抑圧され、彼ら自身の無力さのトピックで複雑になりました。



要約：



1.現金賞金がロシア国民に当てはまらないという事実は事前に知られていた。 後にニュース全体がニュースを通り抜けたとき、この作品は省略されました。「私たちのビート」モードで作業する方が格付けにとってはるかに有益だからです。 はい、ルールが変更されることを期待していましたが、「約束することは結婚することを意味するものではありません」ので、誰もそれを本当に当てにしませんでした。



2.競争は、アカデミックな環境や仕事と比較して、機械学習の単位時間あたりの特定の知識が10〜100倍です。 オブジェクト検出を理解することは非常に必要でした。さらに、パイプラインは問題から問題へとさまよう習慣を持っているため、この種のタスクにパイプラインを表示したかったのです。私は「タスク」が困難であるため、パイプラインを書くのに1晩ではなく、全体で2か月かかることを意味します。

問題の声明

実際、何が必要ですか？ 英国の未知の都市の衛星画像を取得し、特定のタイプのオートバイ、車、バスを見つけるアルゴリズムを作成する必要があります。 観覧車の影で、この未知の都市はロンドンであることが示唆されました。



問題では、第1部で説明したサテライトについては、すべてデータが複雑でした。



1.画像はさまざまなスペクトル範囲、解像度のヒープで表示され、チャンネルは時間と空間の両方でシフトされます。



2.データが少ない。 トレイン、パブリックテスト、プライベートテストは、異なるディストリビューションに対応しています。



3.クラスは非常に不均衡です。 たとえば、列車セットでは、車のクラスの1ピクセルが農場のクラスの60,000ピクセルに対応します。 実際、Sergeyのソリューションでは、車にボルトを完全に装着し、このクラスのデータの問題が原因ですべてのアクションが正確に発生したナイジェリアのジャングルにいることを気にしませんでした。



それは魅力的で非常に興味深いものでしたが、すべてうまくいきました。 タスクは隠され、より多くの時間が科学的研究に費やされたのではなく、エンジニアリングのかすとの戦いに費やされました。その一部はデータの詳細によるものであり、一部は主催者の不健全な創造性によるものでした。



同じタスクで、それは逆の方法でした：



1.データは通常のRGBで表示され、同じ高さからほぼ同時に作成されます。



2.トレーニングとテストは、解像度が5 cm /ピクセルで、それぞれサイズが2000x2000の1200の写真（600と600）で表されます。 問題を解決するにはこれで十分ですが、GPUのクラスターと数週間のトレーニングは必要ありません。



科学者がどのアルゴリズムの方が良いかを判断するオブジェクト検出としてマークされた標準ベンチマークデータセットでは、オブジェクトは境界ボックス（ボックス）を介してマークされます。つまり、列車からの各オブジェクトは、長方形とクラスラベルの座標、およびモデルに順番に対応します、長方形の座標、クラスラベル、およびモデルの予測の信頼性を予測します。











このようなデータセットの準備の問題は、これらの長方形が十分に長くて丸くなり、データセットに大きな長方形が必要になるため、マーカーを安く雇っても、長くて高価になることです。 別の方法は、いわゆる弱ラベリングです。ボックス化の代わりに、オブジェクトの中心にポイントが配置されます。



イギリス人は正確に別の道を進み、点でマークされ、オブジェクトが存在する標準的なアプローチとは異なり-ラベルがあり、想像力を加えてモードでマーキングを実行しました-参加者のアルゴリズムはおそらくこのオブジェクトを見つけるでしょう-そして、ここでは車は木の冠で半分隠されているので、マークしません。 これは必要ではありません、それはモデルの訓練を非常に複雑にします。 しかし、これらのゆがみを経験の浅いものとして相殺します。



つまり、9つのクラスがありました。

• A-オートバイとスクーター
• B-短い軽自動車
• C-ロングライトカー
• D-短い暗い車
• E-長く暗い車
• F-短い赤い車
• G-長い赤い車
• H-白いバン
• I-赤と白のバス

つまり、マシンを見つけるだけでは不十分であり、マシンを正しく分類する必要があります。さらに、すべてを検索する必要はありません。 青、緑、黄色の乗り物や他のイギリス人は興味がありませんでした。



クラスはアンバランスですが、最も少ないクラス、つまりオートバイ、バス、赤い車には明確な兆候があったため、ネットワークはそれほど面倒ではありませんでした。









（画像はVladislav Kassym提供）

メートル法

モデルの精度の推定として、jaccard類似性が使用されました。予測ポイントが英国マークの隣にある場合はTrue Positiveがカウントされ、オブジェクトのサイズが異なるため、距離はクラスに依存していました。







何がありますか？ 一方では標準であり、他方では悪魔がそれに取り組む方法を知っているタスク。 オプションとして、チームの肩を離れることを試みることができます。結局、スラックオープンデータサイエンスで選択した人は、機械学習で非常に高い資格を持っています。 しかし、主催者がロシア、ウクライナ、ベラルーシの市民を二流の人々と見なし、規則に差別がなく、賞金がより共感的である他の多くのタスクが並行して存在するという事実は、タスクに取り組むための動機付けを追加しませんでした。 さらに、衛星のタスクで行われた集中的な伐採は、多くの人々が燃え尽き、競技会から休憩を取り、より重要なもの、つまりスポーツと私生活を取り上げたという事実につながりました。



チームとして、問題を解決することはより面白く効果的であるため、タスクは自分で解決し、残りの部分をノックアウトして参加することでした。 その月の地域で何かが時間切れになりました。



オブジェクト検出に関する文献に突入すると、ボックスを介した検出に関する記事は多数ありますが、重心のポイントを介した記事はほとんどないことが明らかになりました。 まあ、各フレームワークのボックスのケースについて著者が投稿する十分なコード実装もありますが、クイックルックでドットの下に何も見つかりませんでした。



その結果、最初のステップは、未知のタスクを標準的なタスクに減らすことでした。つまり、私は仕事で数日捨てて、列車内のすべてのボックスを丸で囲みました。 私はこれにナマケモノを使用しましたが、後ですべてをレイアウトした後、私は尋ねることを推測し、チームは代替ツールがあることを提案し、その後の他のタスクにはlabelimgを使用しました 。









マークアップするのに約10時間かかりましたが、これは原則として多くのことですが、将来のこの投資は簡単に頂点に達し、実際に賞を獲得するのに役立ちました。 追加のマーキングにより、2つのタスクがすぐに解決されました。まず、文献で何に焦点を当てるべきか、このタスクのために中断する外国語コードが明確になりました。 。 前述のように、子宮頸がんとオットセイのカウントについて並行して興味深い仕事が続いていたため、多くの人はつながりませんでした。 たとえば、 コンスタンチン・ロプキンはすぐに英国車に関する問題にあまり時間がないと言いましたが、猫を逃さず、そのタスクで2位になりました（ Yandexで彼の解決策を話します ）。 英国の車を検出するタスクを手に入れたいという願望は、 セルゲイ・ムシンスキーとヴラディスラフ・カシムによって表されました 。 実際、3つすべてがトップ10で終了しました。



そのため、最後の1か月間、ボックスは丸で囲まれています。これを行うには何かが必要です。 検出タスクのネットワークアーキテクチャには、主に2つのバリエーションがあります。



1. 2つのステージ検出器のファミリー：R-FCN、Fast-RCNN、Faster-RNN-つまり、パイプラインを2つの部分に分割できるネットワーク：最初はオブジェクトに対応する画像内の領域を見つけ、2番目はそれぞれに分類することですそこに含まれるオブジェクトを決定する領域。



2. 1ステージ検出器ファミリー：YOLO、YOLO9000、SSD-これらのアーキテクチャでは、エリアと分類の検索が一度に行われます。



合理的な疑問が生じます。何が良いのか、いつですか。 各記事で、著者は、英国の旗で競合他社を引き裂くのは彼らであると主張しています。 このアプローチは理解できます。積極的なアカデミックなピッキング、標準的なベンチマークへの過剰充填、最新の技術についての試練に従事することはありません-あなたは助成金を受けず、大学院生は卒業せず、私たちが現在学術環境で持っている他のすべての喜びを受け取りません。 （最近、このトピックに関する非常に楽しい記事があり、このような人生をどのようにして達成したかについての歴史的背景を提供しました： 科学出版の驚異的に収益性の高いビジネスは科学にとって悪いですか？ ）



しかし、これらはアカデミック環境の問題とその地域の問題です。 ここには明確に設定されたタスクがあり、メトリックがあり、参加者が深刻な結果を表示するリーダーボードがあります。丸で囲まれたボックスを除き、私はいまいましいものはありません。 多くの時間とコンピューティングリソースがあった場合、データを介してすべてのアーキテクチャを実行し、何が起こったのかを見ることができますが、もちろんこれを行う時間も希望もありませんでした。 しかし！ いつ、どのネットワークが良いのかという問題は、私だけを苦しめることではありませんでした。 数年前、オブジェクト検出は科学者のみによって行われていましたが、アプローチの力にもかかわらず、ビジネスとは無関係でした。 すべては、分類タスクやセグメンテーションタスクとは異なり、検出タスクがエストニアのカメの速度で動作した、つまりリアルタイム検出の話がなかったという事実に基づいていました。 しかし、これらはすべて数年前、つまりディープラーニングの標準による長い間でした。 それ以来、多くの改善が行われ、現在、企業はオブジェクト検出を使用して兆を獲得しています。



そのため、かつてGoogleで働いている科学者は、コンピューティングリソースがすべて問題ないという事実を利用し、11の著者のレビュー記事を書きました。その中には、新しいアイデアは1つもありませんが、とにかく私の中で。 この記事では、著者はさまざまな基本機能を抽出したFaster RCNNとSSDを実行し、速度と精度について結果を分析しました。



















記事では、特に小さいオブジェクトではFaster RCNNの方がより正確であり、SSDの予測は高速であると述べています。 さらに、私の意見では、それらの間の予測速度の違いは、「生産で突き出すことはできません」と「生産で突き出すことができます」の間を通過するだけです。 ソファから、私はFaster RCNNがどのタスクに押し込められるかを本当に知りませんが、コメントで成功談を喜んで聞きます。



この記事の言葉を信じたのは、その言葉を信じたいからではなく、Googleが記事を書く際にその名前を心配しているためではなく、その結果、事件についてもっと語っているからではなく、単に選択の余地がなかったからです。 競技会が終わるまで、残り時間はほとんどありませんでした。



上記の理由、つまり小さな物体を検出する精度が高いため、写真のオートバイは非常に小さく、選択はFaster RCNNで決まりました。











かっこいい。 私は文学を読み、何かがはっきりし始めましたが、ほとんど読み物はありませんでした。 頭にいくつかの輪郭が描かれ始め、モザイクが徐々に大きな絵に発展し始めたため、リーダーボードには表示されません。 コードを書く必要があります。 コードなし-会話なし。



検出は分類ではありません。最初から書くのは難しく、多くのニュアンス、著者が数か月にわたって選択した神秘的なパラメーターの海なので、通常は他の誰かのコードを取得してデータに適合させます。 ニューラルネットワークを操作するためのさまざまなフレームワークがあり、それぞれに長所と短所があります。 このタスクの作業の最初に、私はケラスに最も快適に感じました。ケラスでは、セルヨガと私は以前の競争を引きずりました。 言うよりすぐに 、 KerasでのFaster RCNNの実装が採用され、データのために中断されます。 トレーニングが開始され、何かが収束しますが、とても遅いです。 どういうわけか、他のタスクでは毎秒数十枚の写真がネットワークを通過するという事実に慣れますが、ここではすべてが完全に間違っています。 また、高速RCNNが遅いという事実と、Tensorflowのパフォーマンスがスケール外にならないという事実に加えて、ラッパーなどのKerasから生じるオーバーヘッドに影響します。



どこかでトレーニングが行われていました。予測、リーダーボード、そして私は10位で、結果は0.49でした。 私がトップ10にいるという事実は良いことですが、最初の3人の男が0.8+であるということ、つまり、ギャップが十分に大きいということはあまりありません。



Kerasは素晴らしく、きれいなコードで、明確なコードベースですが、処理速度が遅く、データの並列化は必要以上に苦労して行われます。 冬の間、私は1つのGPUを使用して過去のタスクに取り組み、もうすぐ終わりに2番目のGPUを購入しました。 2つのGPU-非常に便利で、少なくとも2つのアイデアを同時に確認できます。アイデアがなければ、待機する必要はありません。これらのGPUの暗号通貨を常にマイニングできます。トレーニングモデルから自由時間に学習します。



この場合、アイデアは1つです-Faster RCNNをトレーニングすることです。 ネットワークのトレーニングはゆっくりで、2つのGPUがあります。Kerasでの実装は遅くてトリッキーです。並列化できますが、苦労します。 現在、左足の小指で複数のGPUでデータ並列化を行うための多くの作業が進行中です。 私が理解しているように、現時点では、mxnetおよびpytorchの開発者はこのタスクを正常に完了しました。



このタスクでは、選択がmxnetに収まるようにカードを配置しました。 それ自体は非常に高速で、左足の小指を平行にするのは本当に簡単です。 これらはマイナスの長所でした-エイリアンがそれを書いたという感じ。 おそらく効果は、mxnet自体とFaster RCNNの実装の両方が私にとって好奇心だったということですが、それでも、一歩踏み出すことの問題はすぐに暗い森であり、十分なドキュメントがなく、最初から最後まで離れていませんでした。 SergeyとVladislavがまったく同じことをしていて、mxnetのジャングルを通り抜けて、1つだけでなくグループに足を踏み入れていたことが保存されました。



この技術的な部分で完了することができます。 実際、mxnetでFaster RCNN実装を適用すると、すぐに0.8+がこの地域にもたらされました。 トレーニングは、サイズが1000x1000の作物に対して行われ、90度の角度でのターン+反射（D4グループからの変換）でターンを増やしました。 予測では、元の2000x2000の写真は、サイズが1000x1000の交差する断片にカットされました。 その後、同じボックスが異なるタイルで予測されたときの効果と戦うために、非最大抑制が使用されました。 その後、各ボックスには重心があり、これが最終的な予測に入りました。



ある時点で、文献のどこにでも、特徴抽出機能としてのResnet 152がVGG 16よりも優れていると主張されているにもかかわらず、一般に受け入れられている視点はこのタスクでは機能しないことが判明しました。 だれかが愚か者のためにVGG 16を使用しようとしましたが、これにより結果が大幅に改善されました。 その後、別の会話で、チームの一部としてFaster RCNNを使用して魚類および子宮頸がんを分類するタスクを獲得したbobutisが、機能抽出機能としてのVGGが実際に機能することを確認しました。



このタスクには非常にクリーンなデータがあり、その量は非常に適切に選択されていたため、ネットワークは予想を超えて機能しました。 特に嬉しいのは、ヘッドライトだけが木の下や橋の下から突き出ている場合です。









ネットワークのどこに問題がありましたか？ 予想どおり、密集したオブジェクトの予測は不十分でした。 このテーマに関する文献も多数ありますが、一般に、密集したオブジェクトの検出は別のタスクです。









オットセイを数える作業では、検出によるアプローチは行われませんでした。それは、各猫がガウスと一致し、結果のヒートマップをセグメント化することで決定された厳密なパッキングのためでした。







時々、しかし非常にまれに、ネットワークは私たちにとって興味のあるオブジェクトのためにゴミを出そうとしました。









同時に、私のモデルの精度はjaccard = 0.85であり、 ironabarの場合、そもそも0.87ですが、0.98-0.99ではありません。 ちなみに、約1,200台の車でミスを犯しました。特に、手動マーキングよりもネットワークがこのタスクとデータでより正確に機能するという強い印象を持っていたことを考えると、これは非常に多くのことです（実際に初めてこれに遭遇したとき）。



私はこれが起こったと思う：



1.多くのクラスは視覚的に区別することが困難です。日陰の灰色の車は暗いように見え、太陽の下では-光のように見えます。 青くて青みがかった車も、簡単に間違ったクラスに分類される可能性があります。 そして、これはトレーニングと予測の両方に影響しました。



2.主催者は、クラスをかなり奇妙な方法で定義しました。たとえば、白いセダンやハッチバックではなく、白い長い車または短い車です。 視覚的評価では、色の問題を別にしても、どのクラスを関連付けるかが明確でない境界線のケースが多数あります。 白いバンであっても、短い白い車と常に区別できるとは限りません。



3.コンバーチブルは、上から暗く見えるという事実にもかかわらず、メインカラーが対応するクラスに属します。つまり、通行人が車の色を尋ねられた場合に言うものです。 電車の中にそのようなコンバーチブルがたくさんあったとしても、これは問題ではありませんが、ロンドンのコンバーチブルの数は、率直に言って、スケールから外れません。



4.主催者は創造性を示し、参加者のタスクを簡素化することを決定しました。つまり、ケースを単純と複雑に分割し、これに関するいくつかの内部ルールを導入しました。電車でもテストでも、木に半分隠れている車についても同様のことが言えます。その結果、これはマークアップにノイズを追加しました。つまり、トレーニング中にネットワークが偽陽性をクリックして予測力を低下させ、競合ウェブサイトでジャカードを計算するときに一部の予測車が偽陽性として分類されました。



5月中旬。コンペティションは終了し、パブリックLBでは3番目、プライベートでは-2番目に、主催者は次のような手紙を書きます。

Please send the following information to general@datasciencechallenge.org:

Full name

Nationality

Telephone contact details

Whether you would be happy to provide an interview for the winner announcements

Passport details (scan/photo of details page with photo)

Proof of address (eg. scan/photo of a utility bill)

Bank account details (IBAN, Account Number and Sort Code)

ルールは、あなたがロシア市民であればお金を与えると言っています。しかし、私はそれを逃れません。私はロシア人であると白で英語で書いた手紙を書きました。私はアメリカのサンフランシスコに住んでいて、アメリカの銀行を持っていて論理的な質問をします。これに応じて、「いいえ、賞品はありません。結果にかかわらず、ルールに従って、パスポートの色を残していないので」という期待に応えるメールを受け取ります。

...ロシア市民権により、ロシアのスコアが37未満であるため、条項2.3bを満たしていないことをごめんなさい。その結果、チャレンジを実行している会社は、賞金を授与することはできません。英国での法的義務により、従う必要がある基準を満たしている。

...

答えは期待されていたので、それは恥ではありませんでした。 しかし！居住地と市民権の場所にこれらの制限がすべて存在するという事実は、当初から激怒していました。このコンペでこれが起こったことは明らかですが、彼らは自分自身をKaggleの別のコピーとして位置付けているので、不健康なルールでコンペを開始する前に、私の鼻をクリックして将来彼らが考えることのチャンスを増やしたいです。クリックする方法は理解できません。私は彼らのフォーラムに何かを書いて、衛星画像についてのKaggleブログ投稿にいくつかの行を追加しましたが、誰もこのブログを読んではいませんが、私の良心をクリアします。彼は最初で唯一のtwitter 投稿と彼の怒ったFacebook投稿を投稿しました。悔い改めます私が書いたとき、私は詳細を知らない人々がテキストを「卑劣な英国人が最後の瞬間にルールを変えて、私にお金を投げた」と知覚することに気付きました。



また、facebookとtwitterの投稿へのリンクをODS slackに投げ込みました。これは世界の科学界への負債の終わりでした。確かに鼻をクリックするために他に何をすべきかは明確ではないので、これらの考えで私は寝ました。正直に言うと、ODSの力を過小評価し、誰かが再投稿し、誰かが一言一言、次の日にこの物語が電報のどこか、いくつかの小さなニュースサイトに登場し、それからすべてが完全に制御不能になりました。



私はもはやイベントの年表を覚えておらず、特定の瞬間に職場でどのように座っているかを覚えているだけであり、別のモデルをトレーニングする代わりに、チャネル#_random_floodを読みます。



人々はさまざまなメディアを監視し、ニュースの何がどこを飛んでいたかを捨てました。



彼らは私に連絡しようとしました：



1.今日のロシア-カメラでのインタビューを拒否しましたが、メールでいくつかの質問に答えました。そして、これは彼らが注目するのに十分でした。

2.チャンネル1-彼らは、私と連絡を取るためのリクエストで、FacebookとVKでロシア語を話すすべての知り合いを攻撃しました。

3. 5番目のチャネル-彼らは私に連絡しようとしましたが、うまくいきませんでした。両親に連絡しようとしたが失敗した。私たちは学校に行き、教師にインタビューしました。先生方がくちばしをひっくり返さず、その下で余分にノックアウトしたことを強く望みます。資金調達。

4. Ren TV-彼らは、エイリアンや他のエキゾチックなものに関する一連の標準番組から何かを望んでいました。つまり、番組「Caution：Russians！」のリリースの中心人物になりました。

5. Komsomolskaya Pravda-彼らは電子版だけでなく、紙版もリリースしました。

6.メインのlenta.ruにアクセスしました。長くはないが、それでも。

7. Tsargrad TVのように、私にはまったく知られていないいくつかのチャンネルも通信しようとしましたが、それらはすべて私に連絡を取ろうとしたすべての人々の雪崩に姿を消しました。



私自身は見ていませんでしたが、人々は私がカメラのために働くことを拒否したという事実がテレビの男性を止めることはないと私に言った。彼らはまだストーリーを公開し、私の写真を背景に追加しました。さて、いつものように、彼らは何が起こっているかについての専門家の評価を表現するためにいくつかのあいまいなキャラクターを招待しました。



これらすべての人々とコミュニケーションを取りたいという大きな望みはありませんでした。 Facebookでの私の投稿の目的は、英国をクリックして彼らの脳がより速く動き、将来差別の少ない競争を生み出し、「スキャンダル」というニュース記事の中心人物にならないようにすることです。陰謀。調査。」私はカメラのために働いたことがありませんが、プラス、私は罪を抱えています-私が思うことを言って、おそらくカメラでそれをしていない。そして、私が言うこととインストール後に何が起こるかは2つの大きな違いであるため、私の自然な冒険主義にもかかわらず、私はそれに適合しませんでした。



このすべての背景に対して、私は群れであるMail.Ru Groupという言葉がとても際立っていたことを恐れていません。彼らは私に平文を書いた：「我々はイギリス人の代わりにお金を払う用意ができている。連絡方法は？私が書いたように、私はこの競争からお金を得ることを期待していませんでしたが、私はアプローチ自体が好きでした。彼らにとってそれはPRであり、非常に安いことは明らかですが、同時に、私の意見では、これは美しい動きです。このアプローチで、彼らは敬意を表明しました。それは、「面接を与えてくれることは大きな名誉です」他のすべての人とは対照的に非常に良さそうでした。話しました。プレスリリースのテキストは準備ができていて、私がゴーサインを出してから30秒以内に公開されました。慎重に、かんしゃくもなく、「私たちがbeatられない」ことなく、すべてが真の企業にふさわしいので、そうです。



インテリジェンスは、Mail.Ru Group自体でこの決定があいまいに満たされたと報告しており、これは一般に予想されていました。実際、私たちには次の



ようなものがあります。1. Mail.Ru Groupで働いていないある種の左翼の男。

2.彼はロシアに住んでいない。

3.英国のintelligence報機関が実施する競争に参加した。

4.規則に従って、お金を受け取るべきではありません。

5.このお金を費やし、朝から夕方まで植林地で黒人を耕す労働者を会議に送る代わりに、典型的なデータサイエンティストの月給をこの左唐辛子に割り当てます。



確かに論理があります。そして、私はすべてこれを私を怒らせた男たちに謝罪します。私の弁護では、さまざまな部門が会議とPRにお金を割り当てる責任があり、それにもかかわらず、健全なPRのために、お金は小さいので、会議に残すべきだと言いたいです。



割り当てられたお金、それはいいですね。しかし、あなたはそれらを取ることができません、彼らは有毒です。繰り返しますが、正直に言って、もしそれが約12,000ポンドではなく、約120ポンドだったら、おそらくそれを取るでしょう。かどうか？ 神は知っています。しかし、1,200,000は間違いなくそれを受け取ります。



お金で何かをしなければなりませんでした。チャンネル#_random_floodの誰かが寄付することを提案しました。このアイデアが気に入りました。基礎科学の資金不足は非常に迷惑です。一方で、これは論理的です。というのも、大部分の人々は自分たちの存在そのものにお金を払われているからです。そして、歴史の中でそのような突破の十分な例がありますが、ロシアと海外の基礎科学への資金提供は、率直に言って、噴水ではありません。このアイデアは、ロシアの科学にこのお金を寄付するために熟成しました。どこに寄付しますか？神は知っています。ロシアで勉強したとき、私は助成金を申請しませんでした。長い間、すべてが10回変わりました。誰がより協力的ですか？誰があまり見なかった？知りませんいくつかの資金をググって、愚かなRFBRを選んだ。それらに連絡する試みは失敗しました。たぶん彼らはお金と寄付を受け取っていないものを本当に持っています。しかし、ロシア科学財団は金を受け取ることに同意したが、誰が競争の主催者であるかを明らかにした。奇妙なことに、「英国の知性」という答えは非常に満足しています。



私が12,000ポンドの科学を寄付したというニュースが伝わるとすぐに、人々は承認しましたが、すべてではありませんでした。たとえば、物理学者でもある妹は、実験者であり、助成金に依存しているが、私はすべて間違ったことをし、誰もがそれを見落とし、彼女は怒っていると言って怒った手紙を書いた。



一般的に、この全体の話はファウルの危機にonしていた。気分を害するロシアの天才としてニュースに一掃されましたが、彼らは私の祖国の裏切り者にもなり得ました。彼は海外に住んでおり、英国のintelligence報データに基づいてアルゴリズムを開発しました-これはすでに目に見えません。ご希望の場合、このトピックとこれが誰も気にしないオープンな国際競争であるという事実について多くのことをだまされる可能性があります。



送金しましたか？私の知る限り、はい。 1か月以上かかりましたが、最近、資金が既に基金にあるという確認を受け取りました。繰り返しますが、そのうちの少なくとも1つがまさに科学のエンジンに到達することを願っています。



私が海外に住んで働いているという事実に否定的に反応した人々からのメッセージが来ました。私はこれらのメッセージを無視しましたが、私はここでそれらに答えます、そして私はこのように答えます：動員解除の後、私が軍の登録と入隊事務所に来たとき、軍の委員は私に戦争のベテラン、軍の勇気のメダルの証明書を与え、私の手を振って、私の祖国は私を誇りに思っていると言いました。たとえそうでなくても、その瞬間から私は2年間の兵役のためにすべての負債を支払ったと信じています。そして、これは誰が、誰が、何をすべきかという問題です。別の質問は、なぜロシアよりも海外に科学を移すのが簡単なのかということですが、これは別の問題であり、おそらく別の投稿で詳細な分析を行う必要があります。



楽しみの。かなり多くの女の子が、FacebookやVKで友達を作りたいと思っていました。多くは非常にきれいです。しかし同時に、誰かがメッセージを追加せずに追加したいという通知が届きました。とてもつまらない。しかし、ある女性がテーマのバリエーションを書いた場合：「ウラジミール、あなたにとって今はおそらく難しいでしょう、そのようなストレス、ワインのグラスを訪ねに来て、私のガールフレンドを招待します」-それはもっと面白いでしょう、そして、少なくとも、私は、少女は自信があり、彼女が望むものを達成する方法を知っている、一般的に、言葉の意味で他のみんなとは違うと解釈します。しかし、最大値は次のとおりでした。「プログラマーにとっては少し「非定型」に見えます。」なんとなくきらめきがなくても。



このメモで、この投稿は終了できますが、追加したいイベントがいくつかあります。ロンドンに住んでいると誰自身が自分の肌に英国の国家主義を経験した一人の男は、このジャーナリストは、これらのイベントについてはリリース、いくつかの小さな英国のニュースメディアで動作し、私と話をしたジャーナリストとの接触に私を入れて、あなたのサイト上でのノート。



コンテストの主催者は、賞金を支払わないという事実にもかかわらず、AmazonでEC2インスタンスを自費で調達し、決定を再現し、ドキュメントを作成し、プレゼンテーションを行うように依頼しました。私は丁寧に断りました。しかし、このトピックに関する電子メールの交換中に、私たちジャーナリストが英国人がDSTLに連絡を取り、美しい回答がないという質問をしたことがわかりました。鼻の差別禁止クリックが成功したかどうかはわかりませんが、そうすることを望みます。



6月中旬に向けて、彼らはメールを書き、何があろうとも誰も私から2番目の地位を奪ってはいないと言い、私の写真を求めました。



私はテディベアに「機械学習からの自由時間にクマを育てます。あなたはもう一度差別します-彼はあなたを食べます」という言葉でテディベアと一緒に写真を送りたいと思いました。









写真をクマと一緒に送りましたが、言葉遣いを和らげ、感情を取り除きました。 最終プレスリリースで彼らは私に言及しましたが、何らかの理由で内反足を見せませんでした。



このストーリー全体と並行して、Kaggle は賞金$ 1,200,000で競争を開始しました。何らかの理由で中国人が割礼を受け、チームは承認せず、ルールが変更され、すべてが正常に思えました。



約1か月前、 Kaggleで別のオープンな競争が始まりましたが 、これも差別的です。 賞金は$ 1,500,000ですが、米国市民とグリーンカード所有者のみが申請できます。つまり、今回は中国とロシアが船外に残されているだけでなく、欧州連合、イギリス、カナダ、オーストラリア、イスラエル、その他船外ではないすべての人々葉。 Serega はフォーラムのトピックについて怒った文章を書き、賛成票の数から判断すると、大多数の人が彼に同意します。 私はまた、すぐにアメリカのジャーナリストが私に連絡して、 この主題に関するテキストを発表さえしたことに注意しました。



この新しいコンペティションの管理者に連絡して、丁寧にこう言った。 あなたは常に実力主義を求めてきました。」 彼は華やかに答えたが、本質的には答えは2つの言葉に落ちた：「我々は売り切れた」。



このコンテストに参加する予定です。 数か月で終了します。どうなるか見てみましょう。 このタスクは非常に悪ですが、何かが結びついている場合、Marlezonバレエの2番目の部分がある可能性があります。 最後に、差別にdrれたとき、彼らはあなたがタスクに成功しなかったときよりも、賞の場所からあなたをよく聞きます。



そして、知識はどうですか？ 現在、私はさまざまな分野のディープラーニングに関する多くの知識を持っています。少なくとも、こうしたストーリーには十分な知識があります。



5月初旬、Kaggleを通じて、テスラのリクルーターが私に連絡しました。彼はAIリサーチャーのポジションのスペシャリストを探していました。 この仕事の面接に同意しました。 テイクホームテストに合格しました。ハイテクスクリーン、オンサイトインタビューの両方で、彼の潜在的な直属の上司であるAndrej Karpathyとよく話しました。 そして、バックグラウンドチェックの段階で、私はそれを断ち切りました。 採用担当者は、私は非開示契約に違反しており、面接プロセスについてどこかでチャットをしており、申し出はないだろうと言った。 それは予想外でしたが、このバイクをより詳細な形で、オフィスプランクトンに関する叙事詩の第3部をいつ書くかをおそらくお話しします。



このタスクの作業を手伝ってくれたセルゲイ・ムシンスキーとヴラディスラフ・カシムに特に感謝します。セルゲイ・ベロソフ、オブジェクト検出に関する私の愚かな質問に答えてくれました。このテキストの準備に役立つSemenova。