Дек. 15

Как я работаю: Александр Гончар, Chief AI Officer в Neurons Lab

[В рубрике «Как я работаю» мы приглашаем гостя рассказать о своей работе, организации воркспейса, полезных инструментах и лайфхаках]

Александр Гончар — сооснователь и Chief AI Officer консалтинговой компании Neurons Lab. Его команда разрабатывает решения в области искусственного интеллекта, в основном — для финтех- и медицинских компаний.

Александр выступает на технических конференциях по всей Европе, преподает на кафедре Data Science в Веронском университете и ведет популярный блог на Medium. Также он автор нескольких статей и AI & ML дайджестов на DOU.

О себе

В детстве, как и всем, мне нравились компьютеры и видеоигры, и я начал постепенно вникать, как это работает на самом деле. В 15 лет заинтересовался веб-дизайном и сделал первый коммерческий проект — сайт-визитку для подруги моего друга. После этого еще два-три года занимался фрилансом по HTML, CSS и так далее.

После школы поступил в КПИ на «Прикладную математику», это был 2011 год. На первом курсе понял, что математика — более сложная сфера, чем разработка сайтов. Там выше порог входа, а значит, меньше конкурентов и более высокие доходы. Я начал разбираться, чем вообще занимаются прикладные математики, и так открыл для себя Machine Learning. Мне понравилось, и я стал учиться по случайным урокам в интернете. И, конечно, прошел знаменитый курс Andrew Ng.

На втором-третьем курсе стал брать удаленные подработки по ML — в основном в маленьких компаниях и стартапах из Украины, США и других стран. Один из проектов был связан с подсчетом пульса по камере: сейчас это умеют многие смартфоны, но в 2012–2013 годах было в новинку. Другой — с диетологией: мы распознавали еду по фотографиям и автоматически подсчитывали калорийность порции. Мне было интересно работать с инновациями, когда у задачи еще нет решения и нужно найти его самому. В этом и есть суть прикладных исследований.

В 2015 году я поступил на магистратуру в Италию — в Веронский университет. Вообще, я хотел учиться в Германии, еще со школы учил немецкий. Но в КПИ узнал о возможности получить грант на обучение в Вероне, ради интереса подался — и выиграл. Сделал ставку на «синицу в руках» и не жалею о своем выборе: открыл для себя новую культуру, выучил новый язык. Подробнее об Италии я рассказывал в отдельной статье на DOU.

Во время учебы удаленно работал как фрилансер. Одним из самых интересных проектов был украинский стартап Mawi. Ребята разрабатывают портативный кардиограф — медицинский прибор, который измеряет биоэлектрическую активность сердца. Я выполнял роль AI Solutions Architect: отвечал за работу алгоритмов по фильтрации сигнала, распознаванию болезни, эмоционального состояния и так далее. Мы многое делали с нуля: проводили исследования, придумывали, как решить те или иные проблемы. Например, как измерять активность сердца у людей с аритмией. Или что делать, если у пациента волосатая рука и из-за этого нет полного контакта с электродами на устройстве. Это интересные прикладные задачи.

По окончанию университета решил остаться жить в Вероне, это очень комфортный для жизни город. Тем более я всегда работал удаленно, поэтому к конкретному месту не был привязан.

Роль и обязанности

Еще с подросткового возраста я задумывался о том, чтобы открыть свой бизнес. Читал разные книги вроде «Богатый папа, бедный папа» Роберта Кийосаки, а потому старался как можно скорее проскочить этап работы в качестве нанятого специалиста. Мне кажется, что работать за зарплату, пусть и высокую, — это не так интересно, как создавать что-то свое, руководить компанией. Как говорил Нассим Николас Талеб: «The three most harmful addictions are heroin, carbohydrates, and a monthly salary».

С 2016–2017 годов у меня на фрилансе стали появляться всё более масштабные проекты, и я подключал к ним знакомых. По сути, это было подобие бизнеса: ребята делали технические задачи, а я находил нам клиентов и управлял командой. Такой формат работы нравился мне больше, чем обычный фриланс, ведь он давал возможность больше влиять на продукт и зарабатывать.

В 2018-м мы с товарищем Игорем Сидоренко решили запустить консалтинговую компанию по искусственному интеллекту — Neurons Lab. Вскоре к нам присоединились Антон Федулов и еще несколько партнеров. Мы работаем с клиентами из малого и среднего бизнеса: помогаем им создавать решения в области искусственного интеллекта. Специализируемся на сложных проектах, где есть пересечение бизнеса, науки и технологий. В основном это сферы здравоохранения и финтех.

В нашей команде около 30 человек. Большинство — не наемные сотрудники, а контракторы, которых мы привлекаем под конкретные проекты. Это специалисты высокого уровня — PhD по медицине, физике, химии, экономике, которые разбираются в ML.

В среднем мы разрабатываем до десяти проектов в год. Например, создавали решение для компании, которая занимается обработкой документов для финансовых операций. Им нужно было автоматизировать анализ большого потока информации и выводить данные в формате краткого отчета, на основании которого можно принимать инвестиционные решения.

Еще один проект, над которым работаем сейчас, — для производителя транспортных средств с очень большими двигателями. Если такой двигатель ломается и транспорт простаивает, клиент теряет деньги. Мы создали продукт, который анализирует потенциальные поломки и предупреждает о них заранее.

Я как Chief AI Officer отвечаю за нашу экспертизу в сфере ML. Занимаюсь пресейлом и контролирую ключевые Delivery-фазы проектов. Больше всего задействован на начальной фазе разработки: слежу, чтобы мы правильно поняли запрос клиента и заложили правильную архитектуру. Сам код пишу редко, разве что кто-то из ребят просит помочь.

На работу в Neurons Lab у меня уходит примерно 80% времени. Остальные 20% — на индивидуальный консалтинг и преподавание. Сейчас я веду программирование на кафедре по Data Science в Веронском университете — преподаю Python и другие инструменты, которые нужны разработчикам в контексте ML.

Типичный рабочий день

Расскажу об идеальном дне, к которому стремлюсь. Не всегда удается прожить его именно так — иногда могу немного позже проснуться, недоделать какие-то задачи, пропустить зарядку или вместо того, чтобы провести время с семьей, поработать. Так что чаще всего выполняю план на 60–70%.

5:00. Встаю, иду на пробежку или делаю силовые упражнения.

6:00. За завтраком читаю книги: художественные или мотивационные, например биографии известных людей. Это меня вдохновляет и настраивает на рабочий лад.

7:00. Созваниваюсь с коллегами, чтобы обсудить текущие стратегические вопросы, провести брейнштормы. Мои партнеры живут в СНГ и Азии, так что у них в это время уже идет рабочий день. По сути, такие звонки — это самая креативная часть работы. Проводим их два-три раза в неделю. Если созвона нет, то занимаюсь своими задачами, читаю бизнес- или научные статьи.

9:00. Работаю с клиентами: отвечаю на письма, провожу звонки. Делаю какие-то текущие задачи, например изучаю предметную сферу заказчика или анализирую конкурентов. Если до обеда еще остается немного времени, могу почитать новости или написать пост для соцсетей.

13:00. Выхожу на обед. Затем провожу 30-минутную сессию по медитации — это помогает переключиться и восстановить силы. И даже восполнить недостаток сна, если не выспался.

14:00. Перехожу к задачам, где нужно что-то поисследовать для текущих или потенциальных клиентов. Для этого читаю материалы сам или созваниваюсь с экспертами. По сути, это не быстрые задачи, которые нужно закрыть на завтра, а более медленная и глубокая работа.

17:00. Вечером занимаюсь более простыми задачами, например делаю презентации. Также могу уделить время самообразованию.

19:00. Заканчиваю работу, ужинаю, отдыхаю, гуляю, провожу время с семьей.

22:00-23:00. Ложусь спать.

Я чувствую себя комфортно, когда работаю по 10–12 часов в день шесть дней в неделю. Сюда включаю не только задачи по Neurons Lab, а и самообразование и пары в университете. При таком графике я не устаю, потому что занимаюсь любимым делом. Но если работать больше, это уже некомфортно.

Будь моя воля, работал бы и по 16 часов в день, но понимаю, что это нарушает баланс: вредит здоровью, семье и другим жизненным сферам.

Инструменты и продуктивность

Чтобы всё успевать и быть эффективным, важен баланс во всех жизненных сферах. Стараюсь поддерживать физическое здоровье — не запускать болезни и хорошо высыпаться, ментальное здоровье — не тревожиться из-за ерунды, а также духовное здоровье — понимать, что все, чем ты занимаешься, имеет какой-то смысл. Все это вместе и дает силы на продуктивную работу.

Я работаю по методологии Getting Things Done. Все входящие задачи делю на несколько категорий: те, которые выполняю сам, и те, которые нужно делегировать.

В свою очередь, задачи для себя классифицирую по типам работы и времени. Если это простое дело, которое можно закрыть прямо сейчас, то делаю его сразу. Для остальных выставляю приоритеты. Скажем, протестировать новую идею по бизнесу — это менее важная и горящая задача, чем доделать обещанную презентацию и отправить ее клиенту.

Есть задачи, которые я не люблю — например, заполнять налоговые декларации. Если пытаюсь себя заставить, то сталкиваюсь с прокрастинацией: могу часами сидеть в YouTube, лишь бы не начинать. Поэтому, считаю, самый эффективный вариант — делегировать такие дела. Если надо — нанять специалиста на аутсорсинге. Зато когда я занимаюсь тем, что люблю и искренне считаю важным, то не возникает искушение отвлечься на соцсети — хочется работать.

Методология Getting Things Done помогает наладить эффективную систему, упорядочить процессы. А для контроля за результатами я использую подход Agile Results: на каждый день выбираю и делаю три главных задачи. Например, по бизнесу — вместе с командой разобрать большой запрос от клиента, по преподаванию — подготовить слайды к завтрашней лекции, по личным делам — записаться к стоматологу. Это помогает видеть прогресс действий: я не просто выполнил все дела из To-Do листа, но и чего-то добился, куда-то продвинулся.

Еще я фиксирую свои личные и рабочие задачи на месяцы, год и несколько лет. Держу в фокусе, чего бы хотел добиться через пять и даже десять лет. Мне нравится идея делать план вообще в ракурсе всей жизни, но пока до этого не дорос — целостного видения на такие отдаленные периоды у меня еще нет. Но, мне кажется, чем более конкретные цели выставлять, тем более эффективно можно работать и жить в целом.

Годовая цель по бизнесу может выглядеть так: иметь оборот Х. Для этого каждый месяц нужно достигать оборота Х/12 или каждый квартал Х/4. Пример годовой цели по личным делам — быть здоровым. Звучит абстрактно, но у меня есть четкий список критериев, что это значит. Например, получить соответствующие справки от дантиста, кардиолога и гастроэнтеролога. Отсюда «нарезаются» дела на месяцы: в январе сходить к одному врачу, в феврале — к другому.

Считаю хорошим результатом, если удалось выполнить 80% дел по всем направлениям. Если меньше, значит, я недоработал или же поставил себе слишком сложные задачи. А если удалось сделать больше, это говорит о том, что задачи были недостаточно амбициозными.

На уровне компании мы планируем проекты в Notions. Свои личные задачи я фиксирую сначала в Apple-заметках — просто в свободной форме, а затем в Evernote — уже более структурировано и по категориям. Долгосрочные цели записываю в обычном бумажном блокноте Moleskine: мне нравится рисовать схемки, думать с карандашом в руках.

Книги и самообразование

Темы для изучения я выбираю, исходя из того, что больше всего нужно моему бизнесу и над какими проектами мне хотелось бы работать в будущем. В техническом плане сейчас меня больше всего интересует приложение ML в финансах и медицине. Читаю об этом научные статьи и монографии, слежу за тематическими конференциями.

Если хочу освоить тему, которая мне не очень знакома — например, о работе мозга, — для начала ищу популярные книги, университетские учебники или простые онлайн-курсы. Сейчас как раз прохожу курс «Понимание работы мозга: нейробиология в повседневной жизни».

Придерживаюсь подхода: всё изученное я должен применить на практике. Пару месяцев назад прошел курс Investment Management with Python and Machine Learning. И пока не «пощупаю» руками всё, чему там научился, не буду брать новые курсы из этой сферы. Другой пример: недавно прочитал статью о том, как правильно опрашивать клиента, чтобы выяснить его потребности. Опять же, пока не пообщаюсь с десятком клиентов, не буду читать похожие материалы. Если вижу другую интересную статью по этой теме, откладываю ее на будущее.

Тяжело рекомендовать хорошие образовательные материалы без понимания задач читателя, но из того, что я бы, наверное, посоветовал всем:

Pattern recognition and machine learning by Christopher Bishop — библия западной школы машинного обучения. Если нужно посоветовать только одну книгу, брал бы ее.
Deep Learning by Ian Goodfellow et al. — точно такая же библия глубоких нейронных сетей, в которой шикарно описана абстракция ключевых понятий Deep Learning.
Agile Data Science 2.0 by Russell Jurney — для менеджеров, которые говорят, что Data Science — непредсказуемая область.
Prediction machines by Ajay Agrawal et al. — для предпринимателей, которые говорят, что Data Science — не рассчитываемая область :)
The right it by Alberto Saviola — книга про стартапы, упражнения из которой нужно сделать перед чтением всех других книг про стартапы.

Лучшие книги по финансовому машинному обучению

Ретроспектива и планы

Себе 5–10 лет назад сказал бы, что не надо бояться и отказываться от своей мечты ради соответствия социальным рамкам. К примеру, я всегда мечтал работать на себя, а в КПИ нас настраивали на то, что все студенты должны устроиться в интернатуру в аутсорсинговые компании и делать стандартную карьеру Junior-Middle-Senior. С одной стороны, я понимал, что хотел бы развиваться по-другому, с другой — на меня давили социальные нормы. Я даже ходил на собеседования — хорошо, что вовремя понял, что это не для меня. А если бы не велся на советы окружающих и больше доверял себе, то потерял бы меньше времени.

Еще сейчас понимаю, что чем раньше начнешь фокусироваться на каком-то одном направлении, тем лучше. Для молодого специалиста естественно искать себя и пробовать разные сферы, но важно вовремя остановиться и что-то выбрать. Если распыляться, то, скорее всего, не получится достигнуть успехов.

Начинающим специалистам советую ставить долгосрочные цели и подходить ко всему фундаментально. Если мыслить категориями «как бы побыстрее войти в IT и добиться высокой зарплаты», страдает профессионализм. Человек учит не фундаментальные принципы, а конкретные технологии и модные фреймворки. Но через полгода-год они поменяются, и ему придется все начинать с нуля.

Мне кажется, это неправильная карьера. Она принесет быстрые деньги здесь и сейчас, но ни к чему не приведет в горизонте 40–50 лет. Это хорошо понимают в Европе: тут не зазорно учиться в университетах по десять лет, чтобы фундаментально изучить базу. И это приносит результаты в долгосрочном промежутке: постепенно человек становится профессионалом и может дорого продавать свою экспертизу.

У меня в планах на ближайшие пять лет развивать консалтинговую составляющую бизнеса. В горизонте десяти лет, я полагаю, мы придем к собственным решениям и продуктам в сфере ML.

Еще мне интересно развиваться как преподаватель. В будущем хотелось бы вести занятия в университетах с мировым именем вроде Оксфорда или Стэнфорда. Возможно, запущу собственный онлайн-курс на Coursera.