यू.एस. पीएचडी आवेदनों से एआई उद्योग नौकरियों तक की यात्रा पर एक साक्षात्कार | मूल, AI द्वारा अनुवादित

Home 2025.09

स्रोत: chatgpt.com

A: झीवेई ली, सॉफ्टवेयर इंजीनियर, AI और फाइनेंस के इंटरसेक्शन पर काम कर रहे हैं।

B: हाइफेंगे जिन, सॉफ्टवेयर इंजीनियर, AI इन्फ्रास्ट्रक्चर पर काम कर रहे हैं।

नीचे दिए गए संवादों को व्याकरण की दृष्टि से सुधारा गया है और AI द्वारा थोड़ा परिष्कृत किया गया है।

सार-सूची

  1. PhD की प्रेरणा और आवेदन प्रक्रिया
    • मुख्य लक्ष्य था अमेरिका में नौकरी प्राप्त करना
    • PhD के लिए टीचिंग या रिसर्च असिस्टेंटशिप के माध्यम से फंडिंग
    • मास्टर डिग्री की तुलना में सस्ता, वित्तीय सहायता के साथ
    • प्रवेश के लिए प्रोफेसरों से संपर्क करने की उच्च आवश्यकता
  2. PhD अध्ययन और एडवाइजर चयन
    • एडवाइजर बदलने में एक अतिरिक्त वर्ष लग गया
    • प्रोफेसर की उत्पादकता और सहयोगीता के बीच संतुलन बनाना
    • एडवाइजर चुनते समय वर्तमान छात्रों से जानकारी प्राप्त करना
  3. रिसर्च, कोडिंग और करियर लक्ष्य
    • रिसर्च और इंडस्ट्री नौकरियों के लिए कोडिंग कौशल महत्वपूर्ण
    • PhD ग्रेजुएशन के लिए पब्लिकेशन्स हमेशा आवश्यक नहीं
    • ओपन-सोर्स प्रोजेक्ट्स विशेषज्ञता प्रदर्शित करने का प्रभावी तरीका
  4. अमेरिकी नौकरी बाजार और वैश्विक अवसर
    • अमेरिका में टॉप टेक प्रोजेक्ट्स तक पहुंच
    • नई ग्रेजुएट नौकरियों की तुलना में कंपनी के भीतर ट्रांसफर आसान
    • वर्तमान में एंट्री-लेवल नौकरी बाजार अत्यधिक प्रतिस्पर्धी
  5. TOEFL, GRE और भाषा की तैयारी
    • TOEFL और GRE, प्रत्येक तीन बार दिए
    • GRE शब्दावली TOEFL की तुलना में काफी कठिन
    • कई विश्वविद्यालयों के आवेदन के लिए पर्याप्त स्कोर
  6. ओपन-सोर्स डेवलपमेंट और AutoKeras
    • ओपन-सोर्स में नवाचार की तुलना में उपयोगिता को प्राथमिकता
    • प्रोजेक्ट की सफलता के लिए जल्दी लॉन्च करना महत्वपूर्ण
    • स्पष्टता के लिए प्रमुख रिफैक्टरिंग कभी-कभी आवश्यक

PhD की प्रेरणा और आवेदन प्रक्रिया

A: मैं अपनी कार में हूँ, मेरे पास दो फोन हैं, एक मकाऊ SIM कार्ड से चल रहा है। क्या आप मुझे स्पष्ट सुन पा रहे हैं?

B: हाँ, अब मैं आपको स्पष्ट सुन रहा हूँ, और वीडियो भी स्मूथ है।

A: अच्छा। अगर नेटवर्क अच्छा नहीं है तो कैमरा बंद कर दें। और क्या आप अपनी आवाज बढ़ा सकते हैं? मेरी तरफ वॉल्यूम अधिकतम है। मैं अपने दूसरे फोन से रिकॉर्डिंग कर रहा हूँ ट्रांसक्रिप्शन के लिए।

B: मैंने वॉल्यूम बढ़ा दिया है। अगर जरूरत हो तो कैमरा बंद करने में कोई समस्या नहीं।

A: परफेक्ट, धन्यवाद! और हाँ, आप आज भी उतने ही यंग दिखते हैं जितने हम मिले थे।

B: धन्यवाद, वह लगभग छह साल पहले था, 2019 में।

A: अच्छा। क्या आप मेरी वेबसाइट, lzwjava.github.io खोल सकते हैं और अपनी स्क्रीन शेयर कर सकते हैं?

B: ज़रूर, मैं इसे अपने कंप्यूटर पर भेज रहा हूँ। मुझे स्क्रीन शेयर करने की अनुमति चाहिए; यह कह रहा है कि होस्ट ने अटेंडी स्क्रीन शेयरिंग को डिसेबल कर रखा है।

A: मैं ज़ूम सेटिंग्स में बदलाव कर रहा हूँ ताकि सभी अटेंडी स्क्रीन शेयर कर सकें। फिर से कोशिश करें।

B: अब काम कर रहा है। मैं शेयर कर रहा हूँ। क्या यह स्पष्ट है, या मुझे ज़ूम इन करना चाहिए?

A: हाँ, मैं इसे बहुत स्पष्ट देख रहा हूँ।

A: तो, मैंने पूछा था कि क्या… मुझे लगता है इस सवाल के लिए, क्योंकि हम दोस्त हैं, यह इतना फॉर्मल नहीं है। अगर आपको कुछ बहुत आसान लगे, या आप बहुत दोहराएँ, या अगर वह चीज़ गूगल या ChatGPT पर आसानी से सर्च की जा सकती है, तो हम इसे छोड़ सकते हैं। मैंने अभी तक आपकी इस विषय पर जानकारी की तुलना नहीं की है, और मुझसे कुछ जानकारी छूट सकती है। और मेरे नज़रिए से, AI के नज़रिए से, प्रॉम्प्ट इंजीनियरिंग का कॉन्टेक्स्ट शायद इस के लिए अच्छा नहीं है। तो हम जो भी कहना चाहें कह सकते हैं। अगर आप और शेयर करना चाहते हैं, तो आप कर सकते हैं। ठीक है?

B: ज़रूर, ज़रूर।

A: अच्छा। तो सबसे पहले, आपको अमेरिका में PhD करने की प्रेरणा क्या थी?

B: मुझसे यह सवाल कई बार पूछा गया है। मेरी नंबर एक प्रेरणा थी अमेरिका में नौकरी पाना, सिलिकॉन वैली की सबसे अच्छी टेक कंपनियों में से एक में काम करना। यह मेरा नंबर एक लक्ष्य था। मास्टर डिग्री भी यह कर सकती थी, लेकिन PhD आमतौर पर असिस्टेंटशिप या स्कॉलरशिप के साथ सस्ता होता है—मेरे परिवार पर वित्तीय बोझ कम होता है। इसलिए मैंने मास्टर की बजाय PhD करने का फैसला किया। मेरा लक्ष्य उन कई छात्रों जैसा था जो अमेरिका में मास्टर करने जाते हैं: अमेरिका में अच्छी सैलरी वाली नौकरी पाना।

A: अच्छा। मैं पूछना चाहता हूँ: आपका PhD कितने साल का था और कुल लागत क्या थी?

B: मुझे अपने PhD को पूरा करने में छह साल लगे। पाँच साल स्टैंडर्ड होता है। मैंने छह लिए क्योंकि मैंने लगभग एक साल बाद एडवाइज़र बदला, इसलिए मुझे फिर से पाँच साल से शुरू करना पड़ा। तो कुल मिलाकर छह साल।

A: पहले, पाँच या छह साल के लिए ट्यूशन लागत। दूसरे, रहने की लागत।

B: यदि आपको असिस्टेंटशिप मिलती है, जैसे टीचिंग असिस्टेंट या रिसर्च असिस्टेंट के रूप में काम करना, तो आपकी ट्यूशन पूरी तरह माफ़ हो जाती है। आपको कुछ भी भुगतान करने की ज़रूरत नहीं होती, और वे आपको मासिक वेतन देते हैं। मैंने एक ग्रामीण इलाके में काम किया, ह्यूस्टन से एक घंटे दूर कॉलेज स्टेशन में टेक्सास A&M के लिए। मुझे प्रति माह $2000 मिलते थे, ट्यूशन फ्री। यह मेरे रहने की लागत को कवर करने के लिए पर्याप्त था; मैं कुछ पैसे भी बचा सकता था। लेकिन कई लोग गर्मियों में इंटर्नशिप करते हैं और अधिक कमाते हैं। मुख्य खर्च प्रोग्राम में जाने से पहले आता है: आवेदन शुल्क, हवाई टिकट, पहला महीने का किराया और डिपॉज़िट। इनका भुगतान पहले करना होता है।

A: वह लागत, जैसे 100k CNY? क्या 100k CNY इस लागत को कवर करेगा?

B: मुझे लगता है। 100k? हाँ। मैंने कोई अच्छा एजेंट नहीं लिया; मैंने खुद आवेदन तैयार किया और डेटा मेल किया, जिससे बहुत पैसे बचे। मैंने लगभग 40k CNY खर्च किए।

A: 40k। ठीक है, अच्छा। आपने एजेंसी को आवेदन तैयार करने में मदद के लिए लगभग 50k CNY अतिरिक्त दिए, तो यह लगभग 100k हो जाता है, सही?

B: कभी नहीं। मेरे पास एक अनुरोध है। क्या आप अपना iPhone खोल सकते हैं और मेमो ऐप से रिकॉर्ड कर सकते हैं? मेरा फोन रिकॉर्ड कर रहा है, लेकिन मेरी तरफ से आवाज़ शायद अच्छी नहीं होगी। क्या आप अपनी तरफ से भी रिकॉर्ड कर सकते हैं और फिर हमारी बातचीत खत्म होने के बाद m4a फाइल के रूप में भेज सकते हैं? आप अपने मोबाइल फोन का उपयोग कर रहे हैं; क्या आप इसे खोल सकते हैं और अपनी तरफ से भी रिकॉर्ड कर सकते हैं?

A: यह Voice Memos में है। बस लाल बटन दबाएं।

B: समझ गया। मैं अब रिकॉर्ड कर रहा हूँ।

A: धन्यवाद! मैं इसकी सराहना करता हूँ। कभी-कभी मैं गलती से अपनी रिकॉर्डिंग बंद कर देता हूँ, और इसे खोना इंटरव्यू के लिए आपदा होगी।

B: कोई बात नहीं, मेरी तरफ से कवर है, हालांकि यह सिर्फ मेरी आवाज़ है।

A: ठीक है, मेरे सवाल महत्वपूर्ण नहीं हैं।

A: ठीक है, मैंने आपकी ट्यूशन और लागत की जानकारी प्राप्त कर ली है। एजेंसी और DIY—आपने खुद किया, ठीक है। वे कहते हैं… मैं पूछना चाहता हूँ: आपने GRE के बारे में भी बताया था। आप ठीक हैं। दूसरा सवाल है: आप बीजिंग फॉरेस्ट्री यूनिवर्सिटी, BUPT, ACM ICPC में थे। अपने फैसले को शेयर करें। क्या आपको चीन क्षेत्र में सिल्वर मेडल मिला? कॉन्टेक्स्ट: आपको ICPC में ब्रोंज मेडल मिला। मुझे लगता है BUPT जाने का मतलब है… क्या आप मेडल विजेता थे या कुछ और? क्या आप बीजिंग फॉरेस्ट्री यूनिवर्सिटी जाने से पहले स्टार थे? क्या आप विदेश जाना चाहते थे? या क्या आपकी यूनिवर्सिटी में अच्छे प्रदर्शन ने यह फैसला लिया? या क्या आप अमेरिका जाने से पहले भाग्यशाली थे? मुझे लगता है आपने कई परेशानियों से बचे। तो मुझे लगता है यह स्मार्ट था। अमेरिका जाने से पहले की यात्रा ने आपको कैसे प्रभावित किया?

B: पहले, बीजिंग फॉरेस्ट्री यूनिवर्सिटी जाने से पहले मुझे विदेश में पढ़ाई के बारे में कुछ नहीं पता था। वहाँ जाने के बाद, मैंने बहुत सारे क्लासमेट्स को GRE की तैयारी करते और विदेश में मास्टर की प्लानिंग करते देखा। मुझे यह दिलचस्प लगा लेकिन मैंने खुद करने का फैसला नहीं लिया जब तक कि मुझे ICPC में ब्रोंज मेडल नहीं मिला। मुझे अपने अगले करियर लक्ष्य को खोजना था। मैंने पहले से ही वह प्राप्त कर लिया था जो मैंने कॉलेज में प्रवेश करते समय प्लान किया था—मैंने उस मेडल को प्राप्त करने का फैसला किया, और मैंने इसे प्राप्त कर लिया। कुछ रिसर्च के बाद, मैंने पाया कि विदेश में पढ़ाई एक बहुत अच्छा विकल्प हो सकता है, मुख्य रूप से मेरे अगले लक्ष्य के रूप में एक अच्छी सॉफ्टवेयर इंजीनियरिंग नौकरी खोजना। इसलिए मैंने विदेश में पढ़ाई को एक अच्छा नौकरी खोजने के तरीके के रूप में चुना।

A: अच्छा। आपको ब्रोंज मेडल तीसरे साल मिला?

B: तीसरे साल।

A: यहाँ नंबर तीन। मुझे याद है आप बीजिंग कम्युनिकेशन यूनिवर्सिटी में मास्टर प्रोग्राम के लिए गए थे, और फिर आप बीजिंग फॉरेस्ट्री, रूम 302 में वापस आए, और हम पहली बार वहाँ मिले थे।

B: ठीक है, फिर आपने… जब आप याद करते हैं उस समय मुझे निश्चित रूप से ब्रोंज मेडल नहीं मिला था।

A: क्या आपको वह दिन याद है? मुझे याद है आप बीजीएफयू कुछ काम निपटाने के लिए वापस आए थे, सेमिनार रूम 302 में। आप एक बार वापस आए थे। आप उस गर्मी में ही ग्रेजुएट हुए थे, और मैं भी उस गर्मी में बीजिंग फॉरेस्ट्री गया था। वह मंदिर, ओह, अच्छा।

B: यह अद्भुत है, आप इतने स्पष्ट याद करते हैं।

A: मैं बस इसे रिकॉर्ड करता हूँ। आप सिर्फ एक बार नहीं, शायद आपने अपना GPA या कुछ और संभाला। आप कभी-कभी वापस भी जाते थे, सही? कभी-कभी दो या तीन बार। मास्टर प्रोग्राम में जाने के बाद भी आप कभी-कभी बैचलर यूनिवर्सिटी वापस जाते थे GPA या कुछ और संभालने के लिए? नहीं, मेरा GPA। सभी रिकमेंडेशन? मुझे नहीं पता।

B: माफ़ कीजिए, सवाल क्या है? जब आप नेशनल प्रोग्राम में बीजिंग कम्युनिकेशन जाते हैं, तो क्या आप कभी-कभी बीजिंग फॉरेस्ट्री यूनिवर्सिटी वापस जाते थे, मेरी याददाश्त के अनुसार।

B: हाँ, हाँ, मैं गया।

A: आप क्यों वापस गए?

B: मज़े के लिए, आप जानते हैं? प्रोग्रामिंग प्रतियोगिताएँ थीं और क्लब में नए सदस्यों को शामिल करना। मुख्य रूप से मज़े के लिए—मेरे PhD आवेदन से कोई लेना-देना नहीं था। बस मज़े के लिए।

A: आपने मास्टर प्रोग्राम दो साल या तीन साल किया?

B: मास्टर प्रोग्राम तीन साल का होना चाहिए, लेकिन मैं अपने दूसरे वर्ष के अंत में टेक्सास A&M गया। मेरे मास्टर और PhD प्रोग्राम एक साल ओवरलैप हुए। मैंने दो साल में सभी कोर्स पूरा कर लिए और आवश्यक क्रेडिट प्राप्त कर लिए, इसलिए तीसरे वर्ष मुझे BUPT कैंपस पर रहने की ज़रूरत नहीं थी।

A: तो आप अमेरिका लगभग 2016 या 2017 में गए?

B: यह 2015 था।

A: 2015, तो जल्दी। आप लगभग 2020 या 2021 में ग्रेजुएट हुए?

B: हाँ, 2021।

A: ठीक है, समझ गया। मैं अमेरिका दो बार गया हूँ। एक बार जल्दी, मार्च के मौसम में। मैंने基本上 सिलिकॉन वैली का दौरा किया। दूसरी बार, 2017 में, मैंने कई शहरों का दौरा किया जैसे सिलिकॉन वैली, सीएटल, न्यूयॉर्क, और नायगरा फॉल्स। मैंने आपको मिलने की कोशिश की, लेकिन शायद नहीं मिल पाया।

B: हाँ, मुझे याद है जब मास शूटिंग हुई थी तो आप लास वेगास में थे, सही?

A: हाँ, बिल्कुल। मैं बस हवाई जहाज से उतरा था, और एयरपोर्ट पर टीवी… मैं एक निकटवर्ती होटल गया। उस समय शूटर नहीं मिला था, लेकिन मैं इतना उत्सुक था कि मैं मास शूटिंग के आसपास के क्षेत्र में गया, लगभग 100-200 मीटर दूर। पुलिस ने मुझे वापस जाने को कहा, क्योंकि वे शूटर से व्यस्त थे। लोग रो रहे थे। वहाँ एक चाइनीज़ बास्केटबॉल टीम का खिलाड़ी था। टेबल बंद थे, लोग रो रहे थे, फोन पर बात कर रहे थे। होटल में सभी लोग गोलीबारी कर रहे थे। यह चौंकाने वाला था। आपको नहीं पता था कि शूटर कहाँ है; वे शायद आपके अगले कमरे में ही हो सकते थे। बहुत सारे पुलिस वाले थे। यह पागलपन था। रात को मुझे अपने होटल में लाइट जलाकर रखनी पड़ी। अंत में मैं एक होटल में पहुंचा और लाइट जलाए रखा। शूटर? कोई मज़ा नहीं। मुझे बहुत नींद नहीं आ रही थी और मैं बहुत डरा हुआ था। उस समय आप टेक्सास A&M यूनिवर्सिटी में थे।

B: ठीक है, ठीक है।

PhD अध्ययन और एडवाइजर चयन

A: क्या आप सार्वजनिक रूप से शेयर कर सकते हैं? मुझे लगता है आप इस सवाल को छोड़ सकते हैं अगर आपका मेंटर बदलना अच्छा अनुभव नहीं था। क्या आप बता सकते हैं कि आपने एडवाइजर क्यों बदला? मुझे लगता है अगर आप वापस अपने फैसले पर जाएँ, तो… क्योंकि एडवाइजर बदलने में एक या दो साल लग गए। अगर आपके पास कोई और विकल्प नहीं था, तो शायद अगर आप एडवाइजर को अधिक सावधानी से चुनते, तो आपको बदलने की ज़रूरत नहीं पड़ती। तो मुझे लगता है आपका एडवाइजर बदलने का कारण अमेरिका जाने वाले लोगों के लिए बहुत महत्वपूर्ण है, सही?

B: हाँ, मुझे लगता है यह महत्वपूर्ण है; निश्चित रूप से इसमें सीखने को बहुत कुछ है। मुख्य कारण यह था कि उस समय मेरे लिए सही प्रोफेसर चुनने का मानक बहुत स्मार्ट नहीं था। BUPT में पढ़ते समय मैंने देखा कि बहुत सारे प्रोफेसर अपने छात्रों को बहुत कठिन धकेलते हैं, और छात्रों को रिसर्च और ग्रेजुएशन में कठिनाई होती है। मैंने कभी भी ऐसा प्रोफेसर नहीं ढूँढना चाहा, इसलिए मेरा मानक एक अच्छा इंसान ढूँढना था—यह नंबर एक क्राइटेरिया था। मैंने कुछ प्रोफेसरों से बात की और सबसे अच्छा इंसान चुना, जो मेरा पहला एडवाइज़र था।

समस्या यह थी कि एक साल बाद या उससे भी पहले, वह प्रोफेसर अपना लैब बनाए रखना नहीं चाहती थीं। मुझे नहीं पता क्यों। उन्होंने मुझसे कहा कि वे चाहते हैं कि मैं उस चीज़ पर काम करूँ जिसे मैं वास्तव में पसंद करता हूँ, लेकिन मुझे लगता है कि असली कारण यह था कि उन्हें लैब बनाए रखने में बहुत मेहनत लगती थी। वे बहुत अच्छी थीं लेकिन… जब कोई व्यक्ति बहुत अच्छा होता है और कभी भी अपने छात्रों को धकेलता नहीं है, तो वे शायद स्वयं भी कठिन परिश्रम नहीं करते। उन्हें बहुत अधिक काम लगता था और उन्होंने सभी से एडवाइज़र बदलने को कहा। इसलिए मैंने एक और एडवाइज़र चुना। एक चीज़ जो मैंने सीखी: आपको संतुलन बनाना होगा। केवल सबसे अच्छे प्रोफेसर की तलाश न करें; देखें कि वे उत्पादक हैं या नहीं। आदर्श लक्ष्य ऐसा कोई ढूँढना है जो छात्रों के प्रति अच्छा हो लेकिन मेहनती और उत्पादक भी हो। यदि आप ऐसा नहीं कर सकते, तो इन दोनों के बीच संतुलन बनाने की कोशिश करें, केवल एक के लिए अनुकूलन न करें।

A: ठीक है, मुझे लगता है यह पहले से जानना मुश्किल है, सही?

B: सही। आप केवल उनके पब्लिकेशन रिकॉर्ड और इंटरव्यू के माध्यम से अनुमान लगा सकते हैं। यदि आपको उनके लैब में कोई जानने वाला मिलता है, तो आप सीधे पूछ सकते हैं।

A: यह कई चीज़ों के बारे में है: सामान्य रूप से यह देखना कि वे कितने अच्छे हैं, कितने धकेलने वाले हैं, उनकी उत्पादकता। तो वह प्रोफेसर बहुत अच्छी, प्रतिभाशाली थीं, लेकिन शायद उन्होंने आसान जीवन जीना शुरू कर दिया था, इसलिए काम नहीं हो पा रहा था, उन्हें ओवरवेल्म्ड महसूस हुआ, और उन्होंने लैब बंद करने का फैसला किया, सही?

B: हाँ, यह मेरी समझ है। उन्होंने खुद यह नहीं कहा; यह मेरी समझ है।

A: यह समायोजन टेक्सास A&M में दो साल बाद मध्य में हुआ, सही?

B: एक साल के बाद। तो यह…

A: ये समायोजन जल्दी होते हैं।

B: हाँ।

A: क्या अंतर है? एक साल बाद जब आपने नया एडवाइज़र चुना, तो क्या इसे ढूँढना आसान था? या फिर भी मुश्किल था?

B: दूसरा एडवाइज़र बहुत आसान था जब आप यूनिवर्सिटी में होते हैं। आपके पास सभी संभावित एडवाइज़रों की व्यक्तित्व और आवश्यकताओं के बारे में बहुत अधिक जानकारी होती है। आप सही को चुन सकते हैं, और आप उनकी छात्र चुनने की आवश्यकताओं को भी जान सकते हैं। इसलिए संभावना है कि आप सही एडवाइज़र चुन सकते हैं और जान सकते हैं कि उनके इंटरव्यू पास करने के लिए क्या करना होगा।

A: अच्छा। मैं हमारी कोर और हमारी गति की समीक्षा करना चाहता हूँ। आज कितने समय तक? आपकी कंपनी में, या मध्य में बिना आराम के? क्या आप एक घंटे, आधे घंटे या 10 मिनट तक बात कर सकते हैं? मैं…

B: मेरे पास शायद आधा घंटा और पूरी तरह से फ्री है। आज लेबर डे है, एक छुट्टी है।

A: ठीक है, तो यह एक छुट्टी है। आपके पास अभी भी आधा घंटा और है। ठीक है, थोड़ा तेज़ चलते हैं। वही रूटीन: मेरे पास नोट्स हैं। बाद में एक या दो सिफारिशें हैं, फिर GPA, फिर TOEFL स्कोर, फिर GPA, फिर मान्यता। फिर आप प्रोफेसर को संपर्क करते हैं, फिर यदि आप आवेदन करते हैं और ईमेल प्राप्त करते हैं, तो आप स्वीकार करते हैं, और फिर आप इसे इमिग्रेशन या F वीज़ा के लिए उपयोग कर सकते हैं, और सभी चीज़ें करते हैं, फिर आप जा सकते हैं, सही? मेजर क्या है? मीटिंग कुछ… के कारण समाप्त हो सकती है। मैं नई सेट अप करूँगा। ठीक है, ज़रूर। यदि वे हमें रोकते हैं, तो मैं नई सेट अप करूँगा। अब हम अभी भी बात कर सकते हैं।

B: मैं संक्षेप में बताता हूँ कि मैंने आवेदन की तैयारी कैसे की, यह कैसे प्राप्त किया। मैंने किसी एजेंसी का उपयोग नहीं किया। मैंने मुख्य रूप से सब कुछ खुद लिखा और ताओबाओ पर कुछ अंग्रेजी संशोधन या लेखन सहायता सेवा का उपयोग किया। उन्होंने मेरे पत्रों को संशोधित करने में मदद की। मैंने कुछ सेवा भी खरीदी जो व्यापक रूप से उपयोग की जाती है… मुझे विश्वास है कि उनके पास कुछ लोकप्रिय सर्वेक्षण है जिनका वे उपयोग करते हैं। मूल रूप से, मैंने सब कुछ खुद लिखा और किसी ने मेरी मदद की इसे संशोधित करने में, जो एक पूर्ण एजेंसी सेवा की तुलना में सस्ता है। वीज़ा के लिए, मैंने सभी फॉर्म भर दिए और दस्तावेज़ मेल कर दिए। वे सरल हैं। यदि आप पैसे बचाना चाहते हैं, तो तरीके हैं, लेकिन मुझे नहीं लगता कि आपको उनका उपयोग करने की आवश्यकता है; यह कोई बड़ी बात नहीं है। मुख्य लागत आवेदन शुल्क है, जिससे आप बच नहीं सकते।

A: एक विश्वविद्यालय के लिए आवेदन शुल्क लगभग 100 या 200 है, सही? लगभग 100 या 200।

B: हाँ, मुझे लगता है यह लगभग 50 से 150 के बीच है।

A: 50 से 150, ठीक है।

B: मैंने सभी फॉर्म भरिए और दस्तावेज़ मेल किए लेकिन फिर भी कई विश्वविद्यालयों से कोई उत्तर नहीं मिला। इसलिए मैंने प्रोफेसरों से संपर्क करना शुरू किया। उत्तर दर बहुत कम थी। PhD आवेदन के लिए, यह कुछ ऐसा है जिसे आपको करना ही पड़ता है। जब आप कागजी कार्रवाई पूरी कर लेते हैं और इसे मेल कर देते हैं, तो आपको प्रोफेसरों से संपर्क करना होता है। मेरे लिए उत्तर दर यह थी: जब मैंने 10 ईमेल भेजे, तो एक उत्तर मिला। उसमें से, स्वीकार्यता दर 10% थी। इसलिए मैंने जो सभी ईमेल भेजे, उनकी स्वीकार्यता दर 1% थी—वह प्रोफेसर मेरे साथ काम करने में रुचि दिखा रहा था। आपको बहुत सारे ईमेल भेजने पड़ते हैं जब तक कि आपके पास कनेक्शन न हों। यह मेरे लिए मुख्य रूप से कठिन था क्योंकि मैंने सही विश्वविद्यालयों की सूची नहीं चुनी थी जिनके लिए आवेदन करना था। मैंने केवल बहुत अच्छे विश्वविद्यालयों के लिए आवेदन किया, इसलिए प्रोफेसरों से संपर्क करना मुश्किल था। यदि आप सही अनुमान लगाते हैं कि किन विश्वविद्यालयों से आपको ऑफर मिल सकता है, तो आपको इतने ईमेल भेजने की ज़रूरत नहीं पड़ती।

A: आपका मतलब है कि आपको टेक्सास A&M स्तर के विश्वविद्यालय चुनने चाहिए। आपने स्टैनफोर्ड, MIT जैसे कई विश्वविद्यालयों के लिए भी आवेदन किया। आपने अपनी क्षमता को अधिक आंक लिया; आपने सोचा कि आपने कठिन परिश्रम किया और टॉप पर जा सकते हैं, लेकिन प्रोफेसरों की नज़र में आप औसत, सामान्य थे। उन्हें कई प्रतिभाशाली प्रतिभाएँ मिलती हैं, इसलिए उनका चयन मानक उच्च होता है।

B: मैंने खुद को अधिक आंक लिया क्योंकि जिन लोगों से मैंने सलाह मांगी थी वे आपके जैसे थे—जब मैंने PhD के लिए आवेदन करने की कोशिश की, तो मैंने बहुत सारे लोगों से पूछा जिन्होंने अपने करियर या आवेदन में शानदार प्रदर्शन किया था। वे सभी सुपर प्रतिभाशाली थे। जब मैंने उन्हें अपनी सूची दिखाई, तो उन्होंने नहीं कहा कि मैंने खुद को अधिक आंक लिया क्योंकि जब उन्होंने अपनी सूची तैयार की, तो उन्हें लगा कि यह सही थी। उन्हें कभी भी यह महसूस नहीं हुआ कि वे पर्याप्त अच्छे नहीं हैं, इसलिए वे यह आंक नहीं सकते थे कि सूची मेरे लिए सही थी या नहीं। जब आप सलाह मांगते हैं, तो आप हमेशा खुद से बेहतर किसी से पूछते हैं, जो बेहतर विश्वविद्यालयों की ओर झुकाव पैदा करता है। इसलिए मैंने खुद को अधिक आंक लिया। किसी की सलाह को 100% मत लें; अपनी स्थिति का आकलन करें और सही फैसले लें।

A: ठीक है, समझ गया। तो मैं जो तेज़ करना चाहता हूँ: ऊपर PhD या पहले PhD आवेदन। यदि आप अब करते, तो… आप शायद सोचते हैं कि मेरा केस अलग है: बीजिंग फॉरेस्ट्री ड्रॉपआउट, अब एसोसिएट डिग्री प्राप्त कर रहा है, चीन में 10 साल का गायब। लेकिन यदि आप फिर से BUPT मास्टर प्रोग्राम में होते, अपने बैकग्राउंड के साथ, तो आप क्या सुधारते? तीन या बहुत छोटे पाँच बिंदु क्या होंगे जो आप बेहतर करते? आप इसे कैसे करते?

B: आप BUPT प्रोग्राम को अफोर्ड कर सकते हैं।

A: यदि आप अब हैं, तो बस 10 साल पीछे जाएँ।

B: मैं अपने PhD के लिए बेहतर तैयारी कैसे कर सकता था?

A: हाँ, आप अपने रास्ते कैसे चुनेंगे? हम कई चीज़ें कहते हैं: एक, एडवाइज़र को बुद्धिमानी से, बेहतर तरीके से चुनें। दूसरा, मध्य-स्तरीय या टेक्सास A&M या उससे नीचे के स्तर का चयन करें, व्यापक रेंज, केवल टॉप नहीं। यह अनावश्यक प्रयास है, सही? और कौन से अन्य बिंदु जोड़ेंगे?

B: बहुत कुछ नहीं। सबसे अच्छा मामला यह है कि किसी भी PhD प्रोग्राम में पहले से ही पढ़ रहे छात्रों के साथ सीधे कनेक्शन हों। उनसे किसी भी प्रोफेसर के बारे में जानकारी प्राप्त करें; यह बहुत मददगार होगा। मैंने बिना किसी मार्गदर्शन या इन्साइडर जानकारी के अंधाधुंध आवेदन किया, इसलिए यह बहुत कठिन था। मुझे बहुत सारे विश्वविद्यालयों के लिए आवेदन करना पड़ा। यदि आपको पता है कि कौन सा लैब भर्ती कर रहा है और लैब की स्थिति क्या है, तो आपको कई के लिए आवेदन करने की ज़रूरत नहीं है; आप कुछ ही पर फोकस कर सकते हैं जिनकी सबसे अधिक संभावना है। यह आपके प्रयासों को निर्देशित करने में मदद करेगा। यह आपकी स्थिति पर निर्भर करता है; मुझे उस समय PhD प्रोग्राम में कोई नहीं पता था, लेकिन अब जानकारी प्राप्त करना आसान है। अब आवेदन करने वाला कोई भी व्यक्ति अधिक जानकारी प्राप्त करने की कोशिश कर सकता है।

A: ठीक है, समझ गया।

A: हाय, हाय, हाय।

B: हाँ, यह एक जारी चर्चा है।

रिसर्च, कोडिंग और करियर लक्ष्य

A: दूसरा भाग:既然你喜欢编码，关于这个人的音频。你认为关键转换模式的时刻是什么？你有三个。既然你喜欢编码而不是写论文，你是如何平衡的？我记得你曾经在你的公开信息中提到过你不喜欢论文，但后来你做了 AutoKeras。在做 AutoKeras 的几年里，你实际上写了一篇关于它的很好的论文。所以你最终写了一篇很好的论文，但你使用了… 所以故事是这样的。你如何看待论文和编码？在你的博士旅程中，你的兴趣是如何转变的？

B: 编码或软件工程总是很重要。它会在研究、求职或以后的职业中帮助你。对于写论文，你需要在正确的主题上工作，并以正确的方式进行研究，这受到你的同行和导师的影响——你所处的环境。我不认为我在研究方面做得很好，主要是因为我没有成为某个研究领域的超级明星的热情。我没有像其他许多博士申请者或学生那样的梦想。我的目标一直是在美国找到一份高薪工作。论文会有所帮助，但只是整体评估的一个方面。我不在乎发表超级伟大的论文；我更关心如何进入大公司。我认为任何博士生都不需要过于担心论文的发表。只要你是一个好学生，能够完成基本课程，知道如何编码，理解逻辑、推理、如何写作，你就能满足毕业要求。你不必对写研究论文非常热情或非常擅长才能毕业。

A: 你还做了开源项目；这可以让你逐渐写作，不需要对论文有很高的标准，对吧？

B: 在德克萨斯 A&M，我不认为有严格的发表要求。任何导师认为可以毕业的学生都可以毕业。当然，他们需要通过答辩，但通常委员会会同意导师的意见。基本上，这是导师的决定；没有硬性要求。

A: 你的博士论文是关于 AutoKeras 的。

B: 总的来说，但 AutoKeras 绝对是最重要的部分。

अमेरिकी नौकरी बाजार और वैश्विक अवसर

A: अच्छा। मेरा IELTS स्कोर 6 है, ठीक है? 2022 में, मेरा IELTS स्कोर 6 था। अब तीन साल बीत गए, मैं काम करता हूँ, पढ़ता हूँ, अंग्रेजी का उपयोग करता हूँ। यह मेरा केस है। मैं बीजिंग फॉरेस्ट्री से एक साल की पढ़ाई के बाद ड्रॉपआउट हो गया। अब गुआंगडोंग फॉरेन स्टडीज यूनिवर्सिटी से कंप्यूटर साइंस में नौ कोर्स पास किए हैं। मुझे अभी भी सात कोर्स करने हैं—चार कंप्यूटर साइंस के हैं, जैसे लीनियर अलजेब्रा या बेसिक इलेक्ट्रॉनिक्स। अभी भी सात कोर्स बाकी हैं। चीन में मेरे लगभग 10 साल गायब हैं, मैंने DBS बैंक, HSBC बैंक, वित्तीय परियोजनाओं के लिए कॉन्ट्रैक्ट इंजीनियर के रूप में काम किया है। मेरे पास अपना स्टार्टअप भी है और मैंने कुछ iOS/Android इंजीनियरिंग की है। क्या आप सोचते हैं कि मुझे अपना एसोसिएट डिग्री पूरा करना चाहिए? मेरे पास एसोसिएट डिग्री है, बैचलर नहीं। मेरे लिए दो रास्ते हैं। आप क्या सुझाव देंगे? मैं आपसे उद्देश्य शेयर करना चाहता हूँ अमेरिका नहीं, बल्कि हांगकांग, सिंगापुर, यूके में काम करने का। मैं विदेश में काम करना चाहता हूँ ताकि इंटरनेट की स्वतंत्रता का आनंद उठा सकूँ। मैं अपना परिवार बाहर ले जाना चाहता हूँ। आप क्या सुझाव देंगे?

B: यदि आप मेरा रास्ता अपनाना चाहते हैं—विदेश में मास्टर या PhD प्रोग्राम के लिए आवेदन करना और बाद में नौकरी ढूँढना—तो किसी भी मास्टर या PhD प्रोग्राम के लिए बैचलर डिग्री आवश्यक है। आप दोबारा जाँच सकते हैं। यह रास्ता कठिन हो रहा है; बहुत सारे लोग आवेदन कर रहे हैं, प्रतिस्पर्धा बढ़ रही है। अमेरिका के टॉप 50 या 100 विश्वविद्यालयों के लिए, बहुत सारे छात्र चीन के विश्वविद्यालयों से हैं, जो प्रवेश भर रहे हैं।

दूसरा रास्ता है अपनी नौकरी के माध्यम से ट्रांसफर होना। उदाहरण के लिए, यदि आप चीन में अमेज़न या गूगल के लिए काम करते हैं, तो यदि अवसर मिलता है तो आप अन्य देशों में ट्रांसफर हो सकते हैं। यह आसान हो सकता है क्योंकि आप पहले से ही मूल्य सृजन करने में सक्षम हैं। आप कंपनी के भीतर अधिक अवसरों के संपर्क में होते हैं। यह अधिक उपयुक्त है क्योंकि मास्टर/PhD प्रोग्राम के लिए वे बैकग्राउंड को बहुत महत्व देते हैं; आप अन्य लोगों के साथ प्रतिस्पर्धा में फायदा नहीं हो सकते। सबसे महत्वपूर्ण बात, जब आप मास्टर प्रोग्राम से ग्रेजुएट होते हैं, तो अमेरिका में फिलहाल नई ग्रेजुएट के लिए नौकरी पाना बहुत कठिन है।

A: मुझे यह नहीं पता क्योंकि मैं अमेरिका में नहीं हूँ। मैंने कुछ कठिनाई के बारे में सुना है, लेकिन नहीं… आप कहते हैं कि यह बहुत कठिन है।

B: मैंने वर्षों से नई ग्रेजुएट नौकरी के लिए आवेदन नहीं किया है, इसलिए मुझे वर्तमान नौकरी बाजार के बारे में ज्यादा पता नहीं है। जिन बातों ने सुना है, वह बहुत कठिन है। एंट्री-लेवल नौकरियाँ मिड और सीनियर स्तर की हो गई हैं। जो AI का उपयोग करते हैं वे बहुत वास्तविक, स्वागत योग्य हैं। लेटेंसी, प्रोग्राम इंजीनियर स्वागत योग्य हैं। साथ ही, स्टार्टअप, लोग अब AI को अधिक बुद्धिमानी से पसंद करते हैं। यदि आप AI रिसर्च या AI इंजीनियर या बहुत हार्डकोर हैं, तो लोग बन जाते हैं… अमेरिका में बाकी कंपनियाँ बहुत चुनिंदा हैं क्योंकि वे विफल हो गई हैं; वे 10 साल पहले शुरू हुई थीं। इसलिए नियोक्ता बहुत उच्च मानक स्वीकार करते हैं।

B: हाँ, यह अर्थव्यवस्था के कारण भी है। हर कंपनी लागत कम करने की कोशिश कर रही है, जिसमें कर्मचारियों का वेतन और भर्ती की संख्या शामिल है।

A: मैंने भी यह देखा है, जैसे कुछ बैंक, जिन्होंने चीन में कुछ पद बढ़ाए लेकिन सिंगापुर/हांगकांग के पदों में कटौती की क्योंकि वे उच्च वेतन वाले हैं। हाल ही में, बहुत सारे व्यवसाय COVID और मोटापे के मॉडल के कारण बंद हो गए हैं जो अब काम नहीं कर रहे हैं। ठीक है। एक और: आपने कई बार TOEFL और GRE की कोशिश की। क्या आपने IELTS दिया? मैंने भी दिया।

TOEFL, GRE और भाषा की तैयारी

A: क्या आपने TOEFL और GRE दिए? आपने प्रत्येक कितनी बार दिया और आपके स्कोर क्या थे?

B: मैंने केवल TOEFL और GRE दिए, प्रत्येक तीन बार। TOEFL में मेरा पहला स्कोर 92 था, और मेरा सर्वश्रेष्ठ स्कोर 107 था। GRE में मेरा पहला स्कोर 315 था, और मेरा सर्वश्रेष्ठ स्कोर 326 था।

A: प्रत्येक परीक्षा की लागत कितनी थी, और क्या आपको अपने प्रारंभिक स्कोर से निराशा हुई?

B: TOEFL की लागत लगभग 1500 CNY प्रति प्रयास थी। मुझे TOEFL में 92 से निराशा नहीं हुई; यह कई आवेदनों के लिए पर्याप्त था, लेकिन मैं उच्च स्कोर चाहता था।

A: प्रत्येक प्रयास के बीच कितना समय लगा?

B: मैंने तीन साल में हर साल एक बार परीक्षा दी, कॉलेज के तीसरे साल से मास्टर तक।

A: साथ ही, आप अमेरिका जाते हैं, क्या आप सभी अंग्रेजी कक्षाओं को सुन पाते हैं? बोलने और सुनने में, दैनिक उपयोग में, आपने वास्तव में अंग्रेजी कैसे सीखी?

B: यह मदद नहीं करता। कॉलेज अमेरिका में दैनिक जीवन में इतनी मदद नहीं करता। किसी तरह इससे मुझे टीचिंग असिस्टेंट परीक्षा पास करने में मदद मिली—टीचिंग असिस्टेंट नौकरी पाने से पहले मौखिक अंग्रेजी परीक्षा। अन्यथा, आप रिसर्च असिस्टेंट बन सकते हैं। कक्षाओं को लेने, व्याख्यान को समझने के लिए, मुझे नहीं लगता कि TOEFL इतनी मदद करता है। यह मदद करने के लिए डिज़ाइन किया गया है, लेकिन यह वास्तविक विश्वविद्यालय व्याख्यानों की तुलना में बहुत आसान है।

A: मूल रूप से, आप… मेरा IELTS लगभग 6 है, स्कोर लगभग। आपके द्वारा मेरे स्तर की समझ के आधार पर, मेरे साथ संवाद के आधार पर, क्या मैं 100 स्कोर प्राप्त कर सकता हूँ?

B: हाँ, मुझे लगता है कि 100 प्राप्त करना इतना मुश्किल नहीं है। आप निश्चित रूप से यह प्राप्त कर सकते हैं।

A: धन्यवाद। आपके PhD के पहले वर्ष कैसा रहा? बहुत कठिन, सही? अंग्रेजी, नया वातावरण, थोड़ा कठिन?

B: हाँ। मैंने लगभग अपना टीचिंग असिस्टेंट नौकरी गंवा दी क्योंकि मैंने एक गलती की। मैं इंटरव्यू देने गया और किसी से मेरी क्लास कवर करने के लिए कहा, लेकिन मैंने जो तरीका अपनाया वह उपयुक्त नहीं था। प्रोफेसर को लगा कि मैंने अच्छा काम नहीं किया। मुझे अपनी नौकरी जारी रखने में परेशानी हुई, लेकिन अंत में सब ठीक हो गया। एक सबक: मुझे किसी भी सौंपे गए काम के लिए अतिरिक्त जिम्मेदार होना था। लोग इस पर बहुत ध्यान देते हैं; यदि मैंने इसे सही नहीं किया तो इसके परिणाम होंगे।

A: ठीक है, समझ गया। कठिनाई: क्या आप सोचते हैं कि GRE की कठिनाई TOEFL की तुलना में दोगुनी या आधी है?

B: अलग-अलग पहलू। TOEFL मुख्य रूप से अंग्रेजी का मूल्यांकन करता है। GRE शब्दावली निश्चित रूप से TOEFL की तुलना में दोगुनी कठिन है। गणित का भाग आसान है; एक अच्छा चाइनीज़ छात्र इसे कठिन नहीं पाएगा। लेकिन शब्दावली, तर्क, लेखन निश्चित रूप से TOEFL की तुलना में दोगुना कठिन है।

A: ठीक है, तो मूल रूप से TOEFL, GRE अंग्रेजी और गणित के बारे में है, सही?

B: हाँ। अंग्रेजी का भाग मुख्य रूप से तर्क, पढ़ने की समझ है, आपके तर्क समझ को मापने के लिए।

A: प्रेरणा के बारे में: मुझे लगा कि आपने PhD के लिए इतनी परेशानी झेली, और यह ठीक है। मैं कहना चाहता हूँ: मुझे अपने आसपास एक दोस्त पता है, जो मेरे स्टार्टअप Fun Live को होस्ट करता था। उसने iOS ज्ञान साझा किया। वह लगभग 20 साल पहले ग्रेजुएट हुआ था, उस समय पढ़ाई की थी।

उसके पास बीजिंग नॉर्मल यूनिवर्सिटी से ग्रेजुएट हुए एक क्लासमेट भी हैं। क्लासमेट अमेरिका, सीएटल गया, माइक्रोसॉफ्ट बीजिंग ऑफिस में 10 या पाँच, आठ साल तक काम किया, फिर सीएटल ट्रांसफर हो गया। उसे बीमारी हुई, कैंसर या कुछ और, और वहाँ मर गया। वह केवल अमेरिका एक या दो साल रहने के लिए गया था। कुछ खबरें हैं कि लोग अमेरिका जाते हैं और डिप्रेशन में चले जाते हैं। लेकिन ज्यादातर लोगों का अच्छी जिंदगी होती है।

मेर सवाल है: अब मुझे इंजीनियर्स पता हैं, और शायद मैं प्रॉक्सी में अच्छा हूँ। तो जानकारी, मुझे लगता है आप और मेरे बीच पहुंच में इतना अंतर नहीं है। मेरा Apple Store U.S. अकाउंट, ओपन-सोर्स, सभी ऐप्स मैंने लगभग 500 ऐप इंस्टॉल किए हैं। मैंने आपकी तरह का रास्ता क्यों नहीं अपनाया? क्या आप सोचते हैं कि अमेरिका का आपका चयन लंबे समय के लिए। यदि आप 1970 या 1980 के दशक में रहते, तो मुझे लगता है कि अमेरिका जाने के लिए आपका प्रयास सुपर लायक था क्योंकि आपके पास अधिक पैसा होता। आप स्टार्टअप कर सकते थे, अच्छे काम कर सकते थे, आपकी अधिक स्वतंत्रता होती। आप अमेरिका में रहते हैं, और वहाँ बहुत सस्ते, चीन के उत्पाद उपलब्ध हैं।

मैं गुआंगज़ौ में रहता हूँ, HSBC कॉन्ट्रैक्टर के रूप में काम करता हूँ, स्थानीय मानक के अनुसार उच्च वेतन वाली नौकरी। मैं यात्रा क्यों करता हूँ? अगले तीन साल में यदि मैं इस पर फोकस करता हूँ, तो इसके अलावा मेरी नौकरी, सभी फ्री समय इस पर खर्च करता हूँ, तो सबसे अच्छा रास्ता क्या है? हम सभी अमेरिका क्यों जाते हैं? यह चीज़ ओपन-सोर्स, GPT क्लाउड अच्छी है। आप वहाँ जाते हैं, लेकिन चीन में भी, टेंसेंट, कई लोग एक मिलियन युआन सालाना कमाते हैं। तो, मेरा सवाल: क्या आप कभी सोचते हैं कि आपको कभी पछतावा नहीं हुआ? कोई पछतावा नहीं। मुझे लगता है आप अच्छी जिंदगी जी रहे हैं, बधाई हो! आप अमेरिका जाने के लिए खुश हैं, सही? सामान्य चाइनीज़ युवा लोगों के लिए, क्या अमेरिका जाना लायक है?

B: यदि आपका लक्ष्य सर्वश्रेष्ठ तकनीक तक पहुँचना है, तो निश्चित रूप से अमेरिका जाने की सलाह दी जाती है। जब तक आप चीन की सर्वश्रेष्ठ टीमों में से एक में नहीं हैं, जैसे DeepSeek या डौबन या चीन के सर्वश्रेष्ठ उत्पादों पर काम कर रहे हैं, तो निश्चित रूप से आपको जाने की ज़रूरत नहीं है। लेकिन मेरी समझ में, इन टीमों में प्रवेश करना बहुत प्रतिस्पर्धी है। इनसे बात करते समय, मैंने महसूस किया कि वे भर्ती के लिए बहुत उच्च मानक रखते हैं। अमेरिका जाना एक अच्छा तरीका है कि आप कम प्रतिस्पर्धी वातावरण में हों। आप बेहतर प्रोजेक्ट्स तक पहुंच सकते हैं।

चीन में, कई प्रतिभाशाली लोग कुछ अच्छे प्रोजेक्ट्स के लिए प्रतिस्पर्धा करते हैं। अच्छे प्रोजेक्ट्स और प्रतिस्पर्धा करने वाले प्रतिभाओं का अनुपात अमेरिका में बहुत अधिक है। वहाँ कई अच्छे प्रोजेक्ट्स हैं: Gemini, OpenAI, xAI। अच्छी कंपनियाँ, लेकिन सिलिकॉन वैली में प्रतिस्पर्धा करने वाले प्रतिभाओं की संख्या चीन जितनी नहीं है। केवल पदों के लिए प्रतिस्पर्धा करने वाले लोगों की संख्या—सिलिकॉन वैली में यह अनुपात बहुत अधिक है, अर्थात आप बेहतर प्रोजेक्ट्स तक पहुँच सकते हैं। एक और पहलू: बहुत सारे लोग अमेरिका पैसों के लिए जाते हैं। मुझे नहीं लगता कि चीन और अमेरिका में काम करने में बहुत अंतर है क्योंकि अमेरिका में सेवाएँ और सामान अधिक महंगे हैं। भले ही आप तीन गुना अधिक कमाएँ, लेकिन आप समान सेवाएँ, भोजन, सामान खरीद सकते हैं।

वास्तविक अंतर काम के घंटों में है। अमेरिका में, आप समान जीवन गुणवत्ता के लिए कम घंटे काम कर सकते हैं। आप निश्चित रूप से घंटों का आदान-प्रदान करते हैं। यह करियर के लिए महत्वपूर्ण है क्योंकि दीर्घकाल में, किसी को भी अपने करियर में परिवर्तन करना पड़ता है। उदाहरण के लिए, मैंने ऑटोमेटेड मशीन लर्निंग में विशेषज्ञता प्राप्त की, लेकिन अब मशीन लर्निंग सिस्टम्स, हार्डवेयर कम्पाइलर्स के करीब जा रहा हूँ। सॉफ्टवेयर इंजीनियरिंग मेरी कोर स्किल है। यह परिवर्तन भविष्य में कहीं और फिर से होगा। हमें हमेशा परिवर्तन करना पड़ता है, और इसके लिए हमें अधिक फ्री समय की आवश्यकता होती है। अमेरिका में, आपके पास अधिक फ्री समय होता है, जो महत्वपूर्ण है।

A: परिवर्तन, इसे कैसे स्पेल करते हैं? माफ़ कीजिए।

B: P-i-v-o-t. परिवर्तन संक्रमण।

A: ठीक है, समझ गया। भविष्य में, आप ML सिस्टम्स पर काम करना चाहते हैं। मैंने भी कुछ लोगों को यह कहते सुना है कि अमेरिका में जीवन कुछ आसान है, और वे चीन वापस लौट जाते हैं जैसे वांग शिंग, मेइतुआन के संस्थापक, और TDengine, समय श्रृंखला डेटाबेस के संस्थापक। वह वापस लौटे; वह 20 साल पहले अमेरिका में मोटोरोला में थे, बीजिंग लौटे, कई स्टार्टअप शुरू किए, अब ओपन-सोर्स TD इंजन करते हैं, शायद 10 मिलियन या अधिक के मालिक हैं। वे अमेरिका की यात्रा कर सकते हैं या दुनिया भर में व्यवसाय पर चर्चा कर सकते हैं। तो, आपका लंबे समय का प्लान क्या है? केवल छुट्टियों के लिए चीन आना? या बाद के जीवन में चीन में लंबे समय तक रहने पर विचार करना?

B: दोनों संभव हैं। मुख्य निर्णायक कारक चीन में समग्र पारिस्थितिकी तंत्र है। यदि वहाँ अधिक स्टार्टअप हैं, कंपनियाँ तकनीक में अच्छा काम कर रही हैं, तो निश्चित रूप से वापस लौटना संभव है। अब कुछ अच्छे हैं: हुआवे, डीजेआई, टेलर, साथ ही टिकटोक जैसी माताएँ। कुछ अच्छे। यदि समग्र पारिस्थितिकी तंत्र अमेरिका जितना अच्छा हो जाता है, तो मैं करियर के उद्देश्यों के लिए वापस लौटने पर विचार करूँगा।

A: आप ML सिस्टम्स पर काम कर रहे हैं, सही? तो कम्पाइलर, ML की गहरी सहायता, ठीक है?

B: हाँ।

A: मेरे बैकग्राउंड के लिए, जैसे 10 साल, तीन-चार साल कॉर्पोरेट में, तीन साल फ्रीलांसर। मैंने फुल स्टैक का भी आनंद लिया जैसे पाँच-छह साल, और दो साल मशीन लर्निंग। मैंने GPU किया, कोर्सेरा से दो सर्टिफिकेट प्राप्त किए। मेरे बैकग्राउंड में, आप क्यों सोचते हैं कि ML सिस्टम मेरे लिए सबसे अच्छा है? मैंने हाल ही में अपने अगले चरण के बारे में भी सोचा है। मैं क्लाउड होल्डर का बहुत उपयोग करके कोडिंग और सीखने के लिए बहुत उत्साहित हूँ, जैसे एक महीने में, एक मिलियन कोड, कई कंप्यूटर ऐप। सभी ओपन कई क्लाउड होल्डर इंस्टेंस या OpenAI से Codex को देखते हुए कि मैं कितना कोड उत्पादित कर सकता हूँ। यह वह चीज़ है जिसके लिए मैं इंजीनियर के रूप में सबसे अधिक उत्साहित हूँ।

मेरे बैकग्राउंड में, यदि मैं AI रिसर्च करके DeepSeek या TikTok में जाता हूँ, तो यह बहुत यथार्थवादी है, शायद अधिक समय चाहिए। यदि मैं AI सॉफ्टवेयर और एजेंट्स से शुरू करता हूँ, तो कुछ कम्पाइलर ज्ञान प्राप्त करता हूँ ताकि प्रोग्राम का विश्लेषण किया जा सके, संदर्भ प्रदान किया जा सके। हाल ही में, मैंने Spring फिल्टर का उपयोग करके सभी HTTP आवश्यकताओं को लॉग करने और टेस्ट केस लिखने का भी काम किया—जैसे पाँच मिनट में मैं 100 टेस्ट केस जनरेट कर सकता हूँ। यह एक छोटा सुधार है। कुछ प्रॉम्प्ट इंजीनियरिंग, JSON ट्रंकेशन कॉन्टेक्स्ट लिमिट्स के लिए। मेरे लिए अब आपका क्या सुझाव है? यदि मैं AI मॉडल रिसर्च करता हूँ, तो मेरे पास केवल 4070 GPU है। शायद मैं दो GPU प्राप्त कर सकता हूँ? ट्रेनिंग के लिए आपके पास कितने GPU हैं? क्या आपके पास 10 बहुत फैंसी, 100 GPU बड़े मॉडल ट्रेनिंग के लिए हैं?

B: मैं खुद ट्रेनिंग नहीं करता। मैं मुख्य रूप से सिस्टम पर काम करता हूँ; रिसर्चर्स ट्रेनिंग करते हैं। मेरे पास GPU तक पहुंच नहीं है; मैं मुख्य रूप से टेस्टिंग के लिए उनका उपयोग करता हूँ, जिसके लिए बहुत सारे GPU की आवश्यकता नहीं होती।

A: विचार का परीक्षण केवल एक GPU के साथ ठीक है, क्लाउड में भी। आप इंटरनेट का उपयोग करते हैं, या Google Cloud का भी।

B: मैं दोनों का उपयोग करता हूँ।

A: दोनों, और फिर। काम करने के वातावरण में, परीक्षण भी करना पड़ता है।

B: हाँ।

ओपन-सोर्स डेवलपमेंट और AutoKeras

A: तो मेरे लिए, जैसे भोजन, इंजीनियरिंग भोजन, मुख्य 10 साल फुल स्टैक, केवल एक साल थोड़ा मशीन लर्निंग, गायब। आप सुझाव दें कि मैंने अगले पाँच साल में क्या करना चाहिए?

B: AI में प्रवेश करना निश्चित रूप से पर्याप्त है। AI टेक स्टैक में कुछ भी—एप्लिकेशन, हार्डवेयर—AI से संबंधित कुछ करना महत्वपूर्ण है क्योंकि नौकरी बाजार का स्पष्ट रुझान: कंपनियाँ अन्य चीज़ों पर काम करने वाले लोगों को निकाल रही हैं और AI में भर्ती कर रही हैं। निश्चित रूप से AI से संबंधित कुछ काम करें। लेकिन इस क्षेत्र में प्रवेश करना कठिन है; यहाँ करियर शुरू करना कठिन है। मैं एप्लिकेशन से शुरू करने की सलाह देता हूँ क्योंकि इसमें हार्डवेयर कम्पाइलर फ्रेमवर्क या मॉडलिंग या गणित में दोषों की आवश्यकता नहीं होती। बस एप्लिकेशन, ग्राहक आवश्यकताओं, बड़े भाषा मॉडल पर ज्ञान समझें। यह पर्याप्त होगा, फिर एक विशेषज्ञ बनें। फिर आप भूमिकाओं के बीच स्विच कर सकते हैं और सबसे अच्छा काम करने वाली चुन सकते हैं। एप्लिकेशन, उदाहरण के लिए एजेंट्स, शुरुआत के लिए एक अच्छी चीज़ है।

A: हाँ, और क्लाउड कोड का विश्लेषण भी कैसे करते हैं। दो साल का लक्ष्य: वे कैसे करते हैं? लेकिन अभी भी उन्हें बुद्धिमानी से उपयोग करने के लिए कुछ कारण चाहिए। एक बार में कितनी आग लगाई जाती है? वे क्या कर सकते हैं? टोकन कैसे बचाए जाते हैं? बैकग्राउंड वेबसाइट को डिफ़ॉल्ट रूप से कौन से परिदृश्य, कौन से मॉडल लंबे कॉन्टेक्स्ट थ्रेशोल्ड सेट करते हैं। अब थ्रेशोल्ड टोकन कैसे, लंबे कॉन्टेक्स्ट को हिट करता है।

B: हाँ, सबसे अच्छा होगा यदि आप वास्तविक दुनिया के एप्लिकेशन के साथ वास्तविक उपयोगकर्ता बना सकते हैं। यह आपके विशेषज्ञता के लिए अच्छा प्रमाण होगा।

A: ठीक है। AutoKeras, मैंने देखा कि कुछ अच्छी बातें आपने कहीं: ओपन-सोर्स लाइब्रेरी का उपयोग, रखरखाव, बहुत अच्छी ओपन-सोर्स लाइब्रेरी बनाई। यह इंजीनियर्स के लिए एक फायदा है, बहुत फायदेमंद है। मैंने देखा कि आप कई चीज़ें साझा कर रहे हैं। AutoKeras से सबसे बड़ी सीख क्या है? सामान्य दर्शकों के लिए, इंजीनियर्स जो आपको फॉलो करते हैं, आप एक हैं, यह बहुत बड़ा है, आप उस प्रकार के हैं, सही?

B: हाँ।

A: सबसे बड़ी लाइसेंस क्या है? वे तीन O5, बहुत बड़ी सीख क्या हैं जिन्होंने आपको कई वर्षों तक यह किया? आपने कई चीज़ों के बारे में गहराई से सीखा। लेकिन माफ़ कीजिए ईमानदार होने के लिए, मुझे लगता है कि TensorFlow आम तौर पर PyTorch से हार गया। AutoKeras TensorFlow पर बनाया गया था इसलिए इकोसिस्टम से प्रभावित हुआ। आप इसके बारे में क्या सोचते हैं? यदि पाँच साल पहले वापस जाएँ तो आप क्या बेहतर कर सकते थे?

B: कुछ चीज़ें जो मैंने सीखी: सफल ओपन-सोर्स प्रोजेक्ट कैसे बनाया जाए। पहले, जल्दी शुरुआत करें; प्रोजेक्ट बनाने में पहले या दूसरे बनें। यदि कोई पहले ही बना चुका है… दूसरा, नवाचार उतना महत्वपूर्ण नहीं है जितना कि उपयोगिता। कोशिश न करें… मैं PhD छात्र था, रिसर्च पेपर्स प्रकाशित करने की कोशिश की, लेकिन इससे मेरी प्रोजेक्ट बनाने की गति धीमी हो गई। हमेशा नवाचार बिंदुओं की तुलना में उपयोगिता को प्राथमिकता दें। आपको परिवर्तन, रिफैक्टरिंग, फिर से लिखने के लिए तैयार रहना चाहिए जब उपयोगकर्ता आवश्यकताएँ स्पष्ट हों। कभी भी स्क्रैच से लिखने से डरें नहीं।

यह वही है जो मैंने Keras के साथ किया; TensorFlow 2.0 पर स्क्रैच से लिखा। TensorFlow का बाजार PyTorch को खोना, मुझे नहीं लगता कि AutoKeras पर बहुत प्रभाव पड़ा क्योंकि लोग अब AutoML पर इतना ध्यान नहीं देते। इसलिए प्रोजेक्ट बड़ा नहीं हुआ। कैंसर के कारण नहीं। मुझे नहीं लगता कि मैं कुछ बेहतर कर सकता था। मुख्य बात: रिसर्च साइड को कम करें, उपयोगिता को पूर्व-व्यवस्थित करें। इस प्रोजेक्ट ने मुझे अपने साथियों में एक अच्छा PhD छात्र होने का प्रमाण दिया। ठोस प्रमाण; बहुत सारे PhD छात्रों के पास यह नहीं है। इससे मुझे नौकरी आवेदन में बड़ा फायदा मिला। लेकिन यह मेरे करियर को आगे बढ़ाने में और मदद नहीं की। अब मुझे करियर में आगे बढ़ने के लिए जो कुछ भी चाहिए वह भूतकाल से अलग है।

A: मैं शेयर करना चाहता हूँ: F5 कंपनी में प्रिंसिपल इंजीनियर यिन वांग। क्या आपने F5 के बारे में सुना है? F5 एक वैश्विक सुरक्षा कंपनी है, जो Global 360 जैसे समाधानों के लिए जानी जाती है। उन्होंने एक कंपनी का अधिग्रहण किया जो स्टेटिक एनालिसिस में विशेषज्ञ थी, जिसे F5 को बेचा गया था। उनका फोकस कोड की सुरक्षा सुनिश्चित करने के लिए कम्पाइलर और स्टैक एनालिसिस पर है, जैसे एयरोस्पेस या सैन्य क्षेत्रों में ग्राहकों के लिए। F5 एक सार्वजनिक कंपनी है। यह इंजीनियर वर्तमान में उनके टोक्यो ऑफिस में प्रिंसिपल इंजीनियर के रूप में काम कर रहा है। उनका AutoML पर बिंदु यह है कि यह मशीन लर्निंग को सरल बनाने का प्रयास करता है, PyTorch या TensorFlow जैसे फ्रेमवर्क में मैनुअल एनोटेशन की आवश्यकता को कम करता है। मैन्युअल रूप से मैट्रिक्स, वेक्टर, या टेंसर के लिए ऑपरेशन लिखने के बजाय, AutoML उस प्रक्रिया को स्वचालित करने की कोशिश करता है। हालांकि, यह अक्सर अपेक्षित रूप से काम नहीं करता क्योंकि AutoML को स्वयं कॉन्फ़िगर करना बहुत प्रयास करता है। इसलिए, किसी को अभी भी बहुत सारे काम मैन्युअल रूप से करना पड़ता है।

उन्होंने पहले Intel में भी काम किया और इंगित किया कि यह समाधान आदर्श नहीं है।基本上, AutoML अपने वादे को पूरा करने में संघर्ष करता है। दूसरी ओर, PyTorch मशीन लर्निंग के लिए एक कम्पाइलर की तरह काम करता है, ऑपरेशन्स के लिए फंक्शंस को परिभाषित करता है और ग्रेडिएंट डिसेंट जैसे ग्रेडिएंट की गणना करता है। इसलिए जबकि PyTorch ML ऑपरेशन्स के लिए एक कम्पाइलर के रूप में कार्य करता है, AutoKeras या अन्य स्वचालित प्रणालियों जैसे उपकरण अक्सर विफल होते हैं क्योंकि पूर्ण स्वचालन चुनौतीपूर्ण है, और मैनुअल फाइन-ट्यूनिंग आवश्यक हो जाती है, सही?

B: एप्लिकेशन्स पर निर्भर करता है। सरल स्थितियों में, AutoML काम करेगा। शायद उन्होंने जो कहा वह अधिक उन्नत मामले हैं। AutoML हर चीज़ के लिए काम नहीं करेगा, लेकिन निश्चित रूप से कुछ सरल मामले हैं जो रंगीन नहीं हैं।

A: लेकिन AutoML ट्रांसफॉर्मर, GPT ट्रांसफॉर्मर्स जैसे जटिल चीज़ों में काम नहीं कर सकता।

B: ट्रांसफॉर्मर काफी सरल है; अन्य आर्किटेक्चर की तुलना में इसमें बहुत अधिक हाइपरपैरामीटर नहीं हैं। मुख्य कारण हमने ऐसा नहीं किया वित्तीय था। AutoML सिस्टम को बेहतर समाधान खोजने के लिए अधिक कम्प्यूट देने की लागत: लोगों को नियुक्त करने की लागत बचाने के लिए, लोगों को महत्वपूर्ण चीज़ों पर ध्यान केंद्रित रखने के लिए। लेकिन अब बोतलबेक लोग नहीं हैं। छह-सात साल पहले, लागत का मुख्य कारण लोग थे—मशीन लर्निंग इंजीनियर महंगे थे, इसलिए उत्पादकता को कम्प्यूट के स्वचालित रूप से चलने के लिए अनुकूलित किया गया था। अब लागत का बोतलबेक कम्प्यूट में बदल गया है—सभी कम्प्यूटिंग का उपयोग एक मिशनरी मॉडल को ट्रेन करने के लिए किया जाता है। लागत का बोतलबेक कम्प्यूट है; कंप्यूटर पर सभी पैसे खर्च किए जाते हैं, लोगों की लागत नगण्य हो जाती है। शायद अत्यधिक, इसलिए वे अधिक लोगों, मैनुअल काम को कंप्यूटर बचाने के लिए खर्च करेंगे। कंप्यूटर और लोगों के बीच यह स्विच ने बहुत से लोगों को ट्रांसफॉर्मर्स पर AutoML लागू नहीं करना चाहता।

A: ठीक है, समझ गया। यह Firebase जैसी चीज़ की तरह है: बहुत आसान, क्लाउड कम्प्यूटिंग आसान, बैकएंड डेटाबेस, सर्वर लिखने की ज़रूरत नहीं है। आप सभी को बोट होस्ट करने के लिए बचाते हैं, लेकिन उनकी सीमाएँ हैं। उच्च सीमाएँ उपयोग करने के लिए, सुविधा भी लाती हैं लेकिन सीमाएँ भी।

B: सुविधा के लिए अधिक कम्प्यूट की लागत।

A: मैंने देखा कि OpenAI में लोग एक मिलियन USD सैलरी पर हैं, लेकिन मॉडल ट्रेनिंग लागत की तुलना में नगण्य, केवल एक या दो प्रतिशत।

B: ठीक है।

A: अच्छा। मैंने देखा, समझ गया, आपने मुझे बहुत कुछ सिखाया। मैं कृतज्ञ हूँ।

B: कोई बात नहीं। मुझे जोर देना चाहता हूँ: सबसे महत्वपूर्ण टेकअवे सावधानी से आगे बढ़ना है। PhD या मास्टर आवेदन के लिए उच्च आवश्यकताएँ आपके लिए उपयुक्त नहीं हो सकतीं। यदि आप कंपनी के भीतर ट्रांसफर करके अमेरिका जाने के बजाय इस रास्ते पर जाना चाहते हैं, तो यह निश्चित रूप से आपके लिए कठिन रास्ता होगा।

A: बहुत धन्यवाद। मेरे पास एक दोस्त भी है: हांगकांग में कई वर्षों तक काम किया, ब्लैकरॉक में, विज़ुअलाइज़ेशन किया, फिर हांगकांग सीरीज़, फिर अमेरिका गया।

B: यह निश्चित रूप से आपके लिए बेहतर रास्ता है। शायद उन सभी कोर्सेस को छोड़ दें जो भविष्य में बहुत मदद नहीं करेंगे।

A: जानकारी के लिए धन्यवाद। अंतिम प्रश्न—आप इस प्रोजेक्ट से क्या चाहते हैं? मैं ट्रांसक्रिप्शन करूँगा। यदि आप चाहें, तो आप अपना ब्लॉग या विचार साझा कर सकते हैं, शायद “इंटेलिजेंस बैंडविड्थ” या अमेरिका में 10 साल रहने के बाद जीवन में परिवर्तन के बारे में कुछ।

B: अभी मेरे दिमाग में कुछ नहीं है। मैं बाद में बताऊँगा।

A: ठीक है, तो हम कॉल समाप्त कर सकते हैं। मैं ब्लॉग को अपडेट रखना चाहता हूँ—यदि कोई ऐसी चीज़ है जिसे आप नहीं चाहते कि शामिल किया जाए, तो मैं इसे साझा करने से पहले हटा दूँगा। आप इसे पहले रिव्यू कर सकते हैं।

B: अच्छा लगता है। मैं आपको अपनी रिकॉर्डिंग का वॉइस मेमो भी भेजूँगा।

A: परफेक्ट, धन्यवाद।

B: आज आपसे बात करके अच्छा लगा। फिर से धन्यवाद। अलविदा!

A: अलविदा!

Back Donate