Explorando a experiência de estágio de verão em ML na Microblink

Em termos de hobbies, Leon se dedica ao piano, David se concentra em dardos e Janko se destaca no badminton. No entanto, seu fervor coletivo pelo aprendizado de máquina serve como vínculo definitivo.

Portanto, quando surgiu a chance de mergulhar em um verão de experiência prática de ML, eles aproveitaram a oportunidade! 💪

O Career Center da FER e o site Microblink uniram forças para criar uma oportunidade de estágio que une teoria e aplicação no mundo real. Leon, David e Janko entraram na onda e conseguiram garantir seu bilhete dourado para o estágio. Conversamos com o ambicioso trio para saber sobre suas motivações, experiências e lições aprendidas ao fazer parte da equipe de ML da Microblink.

O que motivou você a se candidatar a esse estágio de verão em Microblink?

Leon: O que me levou a me candidatar foi o foco profundamente enraizado da empresa em ML. Microblink A reputação da empresa de abrigar a principal equipe de ML da Croácia chamou minha atenção, e senti uma conexão instantânea com a cultura da empresa e com as pessoas dinâmicas que trabalham aqui. A experiência que cada pessoa traz para a mesa e sua disposição em ajudar realmente me tocaram. Parecia um ambiente que poderia nutrir meu potencial, um sentimento reforçado durante o processo de seleção de estagiários de ML.

Janko: De tudo o que eu havia percebido, a sensação que tive foi que a estrutura interna aqui é de primeira linha, com processos de negócios bem definidos, permitindo que a equipe mergulhe totalmente em suas tarefas. Minhas expectativas eram altas em relação a um ambiente que promovesse oportunidades substanciais de aprendizado, e tenho o prazer de dizer que essas expectativas foram mais do que atendidas. Isso me deixou genuinamente satisfeito. Inicialmente, eu estava procurando um espaço técnico e voltado para a engenharia, mas o que encontrei aqui, na verdade, superou essas noções iniciais. Essa agradável surpresa se deve ao meu desejo de fazer parte de um ambiente que inspire você a ultrapassar os limites da norma. A abordagem para enfrentar desafios é notavelmente abrangente, com uma atitude meticulosa de resolução de problemas. A estrutura da empresa facilita a resolução de problemas sem grandes obstáculos.

David: Minha meta era mergulhar em estágios durante o verão e adquirir experiência no mundo real. Eu queria colaborar com profissionais que dominam suas áreas e expandir meus horizontes além do que as salas de aula oferecem. O site Microblink se destacou como a principal escolha para esse estágio por ter uma das equipes de aprendizado de máquina mais formidáveis do país.

Que novas habilidades ou técnicas você aprendeu durante o estágio que não conhecia antes?

Janko: Uma das principais conclusões desse estágio foi a ênfase em práticas sólidas de engenharia no âmbito do ML. Embora eu tivesse um palpite sobre isso antes, não tinha tido a chance de colocá-lo em prática em minhas experiências anteriores. Coisas como o desenvolvimento orientado por testes e a adesão às práticas recomendadas de codificação eram frequentemente negligenciadas. Em meus encontros anteriores com o setor, esse foco era uma raridade. O ML geralmente começava com o objetivo de apenas fazer as coisas funcionarem sem considerar a sustentabilidade de longo prazo. Essa não é a abordagem aqui.

Leon: Discutir meus projetos em andamento com colegas tem sido revelador. Você é apresentado a muitos pontos de vista – cerca de 20 perspectivas diferentes – e isso é uma mina de ouro para estimular a criatividade. Talvez eu não estivesse tão inclinado a buscar essas interações no passado, mas agora elas me impulsionam e melhoram significativamente a qualidade do meu trabalho.

David: O compromisso inabalável da minha equipe com a qualidade do código me surpreendeu agradavelmente. Estamos profundamente envolvidos em práticas como revisões mútuas de código. Estou ativamente envolvido nesses processos – por exemplo, participando de solicitações pull no BitBucket e incorporando o feedback dos colegas para aprimorar o código até que ele atinja seu ápice de forma iterativa. Essa abordagem é notável. Nossas reuniões diárias de equipe também servem como plataforma para a discussão franca de ideias. Durante essas interações, são lançados conceitos que talvez eu não tivesse descoberto de forma independente.

Durante o estágio, o que você aprendeu que irá promover sua carreira em ML?

Janko: Ao longo dessa experiência, percebi o imenso potencial de iterar em vários experimentos e, ao mesmo tempo, manter um código limpo e eficaz. No momento, tenho esse aspecto bem ajustado e estou a um passo de mergulhar nos experimentos, o que realmente me deixa ansioso.

Leon: Um aprendizado significativo para mim foi avaliar se a aplicação do ML para resolver um problema é uma abordagem viável ou não. Trata-se de discernir se o esforço de investimento em um produto baseado em ML no nível de produção é justificado. E, naturalmente, dominar a arte de moldar ideias, construir uma prova de conceito sólida, projetar um pipeline contínuo e avaliar rigorosamente o produto final.

David: Agora que já concluí alguns experimentos, pretendo fazer uma iteração sobre eles. Estou ansioso para descobrir possíveis falhas e identificar oportunidades para aprimorar esses experimentos. Esse processo me permite diferenciar entre experimentos melhores e menos bem-sucedidos. O bônus adicional é o feedback construtivo que recebo de mentores e colegas de equipe, o que é inestimável para o crescimento.

Houve algum desafio específico que você encontrou durante seus projetos e como você o superou?

Leon: Não posso dizer que houve nenhum grande obstáculo. No entanto, encontrei um pequeno desafio quando atingi um patamar criativo pessoal e achei difícil seguir em frente. Foi aí que ter um mentor se mostrou inestimável. Sua orientação, perspectiva nova e conselhos injetaram nova vida em minha abordagem, impulsionando-me para frente.

Janko: Nos estágios iniciais, tive um pouco de dificuldade, pois não havia previsto a necessidade de empregar meus conhecimentos de engenharia de software a esse ponto. Eu estava pronto para começar a fazer experimentos, mas meu mentor me orientou corretamente a enfatizar a qualidade do código e a elaborar testes. Olhando para trás, agradeço esse redirecionamento, pois ele me permite fazer alterações na estabilidade do meu trabalho com confiança.

David: No início, tive que lidar com questões como permissões, configuração de equipamentos e algumas logísticas internas. O que me pegou desprevenido foi o nível de suporte que recebi. Seja da equipe de serviços de TI ou dos meus colegas, sempre havia alguém pronto para ajudar. O tempo de resposta rápido garantiu que eu nunca me sentisse preso por muito tempo.

O que você mais gosta na dinâmica da equipe do ML?

David: As Comunidades de Prática têm sido uma plataforma incrível para promover a troca de conhecimento e, ao mesmo tempo, promover um senso de camaradagem. Há discussões envolventes em andamento e a atmosfera é bastante vibrante. Tivemos até reuniões em que pudemos aproveitar o rico reservatório de experiências das pessoas dentro da Academia. Os membros da equipe são incrivelmente abertos e generosos quando se trata de compartilhar suas percepções.

Leon: Um aspecto que se destacou para mim foi a acessibilidade e a vontade dos mentores de prestar assistência. Lembro-me do dia em que recebemos nossos MacBooks e eu estava mexendo no teclado, tentando entender o que era. Quase que instantaneamente, cinco colegas vieram dar uma mãozinha. É impressionante como todos são rápidos em oferecer suporte, independentemente da carga de trabalho. Sejam elas relacionadas ao ML ou à vida em geral, as dúvidas são respondidas com disposição para ajudar.

Janko: O que me chama a atenção é a natureza afável e acessível de todos aqui. As conversas informais sobre a vida cotidiana passam sem problemas para as discussões sobre as especificidades do trabalho e as tarefas em andamento. Essa sensação de tranquilidade é a razão pela qual nunca nos sentimos tensos; mudar para o modo de trabalho focado não é um desafio.

Quais são as principais conclusões ou lições que você levará consigo dessa jornada de estágio?

Janko: A lição mais importante que aprendi está centrada na função fundamental de estabelecer um ambiente dentro de uma equipe de ML que esteja preparada para desenvolver produtos centrados em ML. Essa é uma área em que a Microblink se destaca, estabelecendo um padrão de referência que poucas empresas na Croácia adotaram. Criar esse ambiente não é uma tarefa simples, e a Microblink o executou de forma esplêndida. Quanto ao meu projeto, eu poderia ter feito dez vezes mais progresso se o tempo fosse ilimitado. Surpreendentemente, não encontrei um limite superior; mergulhei fundo e dediquei mais tempo do que havia previsto inicialmente, revelando que ainda há muito potencial a ser explorado.

Leon: O que é digno de nota aqui é que o ML é abordado de uma maneira que encapsula genuinamente sua essência. Ele não é relegado a um mero front-end ou como um aspecto auxiliar de pesquisa, como observei em outros lugares.

David: A metodologia se destaca. Recebemos novos projetos, que não foram tocados por ninguém. No ambiente acadêmico, geralmente recebemos tópicos que já tinham um certo grau de pesquisa. Embora parte dessa estrutura exista aqui, começamos do zero – começando com dados e abordagens de solução de problemas, seleção de métodos e desenvolvimento contínuo. Essa experiência enriqueceu significativamente meu conjunto de habilidades e é um aprendizado que levarei comigo.

Ter esses estagiários inspirados e talentosos neste verão foi uma verdadeira alegria para nossa equipe de aprendizado de máquina.

Estamos esperando ansiosamente para ver o que o futuro reserva para eles e desejamos a eles tudo de bom em sua (já) notável experiência prática com o ML! ✨