कई लोगों के लिए, AI क्षेत्र में एक सीधा मार्ग मशीन लर्निंग (एमएल) के भीतर कैरियर बनाने के लिए है।
इसलिए यह लेख एंड्रयू एनजी द्वारा दिए गए उपदेशों को कवर करता है , YouTube पर कई स्टैनफोर्ड व्याख्यान में से एक में ।
अधिक विशेष रूप से, एंड्रयू इस बात पर उत्कृष्ट सलाह देता है कि आप मशीन लर्निंग में कैरियर को सफलतापूर्वक कैसे नेविगेट कर सकते हैं ।
इस लेख के भीतर, मैं आपको निम्नलिखित प्रदान करेगा:
- मशीन लर्निंग में नौकरी कैसे प्राप्त करें
- भर्ती करने वाले और कर्मचारी अपने आदर्श उम्मीदवारों की तलाश में हैं
- सफल AI चिकित्सकों के पैटर्न
- नौकरी का चयन कैसे करें
- मशीन लर्निंग कैरियर को नेविगेट करने के गलत तरीके
यह लेख अधिकांश मशीन सीखने वाले चिकित्सकों के लिए उनके करियर के विभिन्न चरणों में प्रासंगिक है।
दिशा
अकादमिक अध्ययन के पूरा होने के बाद, मशीन सीखने वाले छात्र आमतौर पर मशीन सीखने की नौकरियों में काम पर जाते हैं या पीएचडी के रूप में आगे के शोध को आगे बढ़ाते हैं।
मैं, एक बहुत ज्यादा के लिए एक एमएल भूमिका में चला गया मेरे मशीन लर्निंग में एमएससी के तुरंत बाद। आमतौर पर AI भूमिकाओं को दो प्रकार की कंपनियों में पाया जाता है: या तो बड़ी टेक कंपनियां जैसे फेसबुक, Google, या युवा, रोमांचक स्टार्टअप कंपनियां।
एक बात एंड्रयू का उल्लेख है कि आप चाहे जिस दिशा में जाएं, आपको यह सुनिश्चित करना होगा कि आप महत्वपूर्ण और सार्थक कार्य करें। मैं इस लेख में बाद में विस्तार करूंगा कि एंड्रयू महत्वपूर्ण और सार्थक काम के विषय के बारे में क्या उल्लेख करता है।
लेकिन पहले, आइए जानें कि पहली जगह में नौकरी कैसे प्राप्त करें।
कैसे एक नौकरी पाने के लिए
मशीन लर्निंग में नौकरियां अत्यधिक प्रतिस्पर्धी हैं, लेकिन आप पहले से ही जानते थे।
आप जिन गुणों से अवगत नहीं हो सकते हैं, वे हैं, और कौशल भर्तीकर्ता और कर्मचारी अपने आदर्श उम्मीदवारों की तलाश में हैं।
एंड्रयू के पास एआई टीमों के भीतर काम करने का वर्षों का अनुभव है और उन्होंने बड़ी और छोटी कंपनियों के भीतर टीमों का नेतृत्व किया है।
"गूगल ब्रेन टीम की स्थापना के प्रमुख के रूप में, स्टैनफोर्ड आर्टिफिशियल इंटेलिजेंस लैबोरेटरी के पूर्व निदेशक, और अब कुछ 1,200 लोगों की Baidu की एआई टीम की समग्र लीड, मुझे दुनिया के कई प्रमुख एआई समूहों का पोषण करने और विशेषाधिकार प्राप्त है कई एआई उत्पाद जो सैकड़ों लाखों लोगों द्वारा उपयोग किए जाते हैं। ” - एंड्रयू एनजी
अब यहाँ है कि एंड्रयू ने सुझाव दिया है कि भर्तीकर्ता एआई भूमिकाओं के लिए काम पर रखने की तलाश कर रहे हैं:
1. कोडिंग / तकनीकी कौशल
मशीन लर्निंग रिसर्च जॉब्स के लिए व्यक्तियों को कम से कम पहले से हासिल किए गए तकनीकी कौशल का औसत स्तर की आवश्यकता होती है।
आपका औसत प्रोग्रामर दो-तीन प्रोग्रामिंग भाषाओं के बारे में जानता है, सभी एक मध्यवर्ती स्तर तक।
मशीन लर्निंग चिकित्सकों के पास प्रोग्रामिंग कौशल है और उनसे अपेक्षा की जाती है कि वे आमतौर पर इस्तेमाल की जाने वाली प्रोग्रामिंग भाषाओं जैसे कि पायथन , जावा , जावास्क्रिप्ट और आर के एक सूट को समझने में सक्षम हों ।
आप पूछ रहे होंगे कि आपको कई भाषाओं में व्यावहारिक ज्ञान की आवश्यकता क्यों है।
ठीक है, एक कंप्यूटर विज़न इंजीनियर के रूप में मेरी वर्तमान भूमिका में, मैं तीन अलग-अलग प्रोग्रामिंग भाषाओं के बीच जुगलबंदी करता हूँ। मैं मॉडल ( TensorFlow ) को लागू करने और स्क्रिप्ट लिखने के लिए पायथन का उपयोग करता हूं ; मैं मॉडल ( tfjs ) को लागू करने के लिए जावास्क्रिप्ट का उपयोग करता हूं और अंत में, मैं iOS एप्लिकेशन में मॉडल और कंप्यूटर विज़न तकनीक को एकीकृत करता हूं, इसलिए मैं iOS ऐप के विकास के लिए स्विफ्ट भाषा का उपयोग करता हूं ।
2. तकनीकी सवालों के जवाब देने की क्षमता
आपके तारकीय CV की समीक्षा की गई है और आपने साक्षात्कार प्रक्रिया के अगले चरण में प्रगति की है, निम्नलिखित चरण आम तौर पर एक फोन साक्षात्कार और एक ऑनसाइट साक्षात्कार हैं।
दोनों साक्षात्कार के चरणों में, आप मशीन सीखने से संबंधित विषयों पर चुटकी लेने की उम्मीद कर सकते हैं। ग्रेडिएंट डिसेंट के वेरिएंट के बीच अंतर की व्याख्या करने की उम्मीद करें; या उपन्यास तंत्रिका नेटवर्क आर्किटेक्चर की अनूठी विशेषताएं क्या हैं।
3. सैद्धांतिक ज्ञान का व्यावहारिक अनुप्रयोग
आप शायद एक शैक्षणिक संस्थान के किसी न किसी रूप में कुछ साल या उससे अधिक समय बिता चुके हैं और इसका उपयोग सैद्धांतिक रूप से परीक्षा की पद्धति के लिए किया जाता है जिसे विश्वविद्यालय और कॉलेज अपनाते हैं।
दूसरी ओर, भर्तीकर्ता असाधारण उम्मीदवारों की तलाश कर रहे हैं जो न केवल मशीन सीखने के भीतर विषयों के सिद्धांत को समझते हैं, बल्कि वे अवधारणाओं, तकनीकों और विचारों को उचित रूप से लागू कर सकते हैं।
उदाहरण के लिए, सुनिश्चित करें कि आप एक वैचारिक स्तर पर बैच सामान्यीकरण के विवरण और लाभ को समझते हैं, लेकिन भर्तीकर्ताओं के लिए खड़े होने के लिए, जुपिटर नोटबुक या गीथहब रिपोज़ का उपयोग करना सुनिश्चित करें जहां आपने इसका उपयोग किया है।
साइड प्रोजेक्ट
सैद्धांतिक ज्ञान के आपके आवेदन को साबित करने का एक व्यावहारिक तरीका आपके पोर्टफोलियो में दो या अधिक पक्ष परियोजनाएं हैं। साइड प्रोजेक्ट्स आपके तकनीकी, रचनात्मक और समस्या को सुलझाने के कौशल का प्रदर्शन करने वाले कुछ अवसरों में से एक हैं।
4. सीखने की क्षमता रखने की क्षमता
कुछ पारंपरिक भूमिकाओं के लिए आपको अपने ज्ञान को अद्यतन करने की आवश्यकता नहीं होती है या तो क्षेत्र या उद्योग आधारित है।
मशीन लर्निंग में, यह बिल्कुल विपरीत है, नई तकनीकों को दैनिक रूप से विकसित किया जाता है, अधिक उपकरण और पुस्तकालय साप्ताहिक रूप से अपडेट किए जाते हैं, और बड़ी संख्या में शोध पत्र मासिक रूप से प्रकाशित किए जाते हैं।
मशीन लर्निंग में, आपने कभी सीखना बंद नहीं किया। मैं वर्तमान में गहन शिक्षण क्षेत्रों में शामिल हूं, और मैं अनुसंधान अध्ययन और खुले स्रोत परियोजनाओं से तकनीकों का उपयोग करता हूं। फिर भी, अधिक बार नहीं, एक नया चमकदार तंत्रिका नेटवर्क है जो लगता है कि किसी विशेष कंप्यूटर विज़न कार्यों के शीर्ष -5 सटीकता को धकेल दिया है और अब यह कला तकनीक की नवीनतम स्थिति है।
रिक्रूटर और नियोक्ता यह देखना चाहते हैं कि आप किसी भूमिका के लिए शालीन नहीं रहेंगे और ज्ञान प्राप्त करना बंद कर देंगे। मशीन सीखने वाले चिकित्सक आमतौर पर एआई उद्योग के भीतर उभरती तकनीक के मामले में सबसे आगे हैं।
सफल एआई प्रैक्टिशनर्स के पैटर्न
AI एक ऐसा क्षेत्र है जो अन्य उपक्षेत्रों जैसे मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण, भाषण मान्यता, तंत्रिका नेटवर्क, कंप्यूटर दृष्टि, छवि प्रसंस्करण और कई अन्य उपक्षेत्रों को शामिल करता है।
एंड्रयू के अनुसार, नौकरी की भूमिकाओं और सफल एआई प्रैक्टिशनर्स के लिए सबसे मजबूत उम्मीदवार एआई के उप-क्षेत्रों में अपने सीखने के लिए एक 'टी' आकार का दृष्टिकोण है।
इसका मतलब यह है कि उन्हें एआई के उप-क्षेत्रों के बहुमत और कुछ क्षेत्रों में गहन ज्ञान है।
एक उदाहरण के रूप में खुद का उपयोग करते हुए, मैंने मशीन लर्निंग, कंप्यूटर विज़न और रोबोटिक्स में उन्नत अध्ययन किया। अपने अध्ययन के माध्यम से, मैंने एआई के कुछ प्रमुख उपक्षेत्रों में बुनियादी ज्ञान प्राप्त किया। अपने शोध प्रबंध, व्यक्तिगत परियोजनाओं और कैरियर मार्ग के माध्यम से, मैंने तीन मुख्य क्षेत्रों पर ध्यान केंद्रित किया, ये हैं कंप्यूटर दृष्टि, प्राकृतिक भाषा प्रसंस्करण और गहन शिक्षा।
शैक्षणिक संस्थान उप-क्षेत्रों में मूलभूत बातों की शुरूआत के माध्यम से मशीन शिक्षण के दृष्टिकोण का अध्ययन करेंगे। वे छात्रों को वैकल्पिक पाठ्यक्रम, शोध प्रबंध और शोध के माध्यम से गहन ज्ञान प्राप्त करने की क्षमता प्रदान करेंगे।
नीचे दिए गए उदाहरण हैं कि मेरी 'टी' आकार की ज्ञान की राह कैसी दिखती है, क्योंकि मैंने अपनी यूनिटी को पूरा करने के बाद और अपने पीएनएन प्रोजेक्ट्स शुरू करने के बाद करियर शुरू किया।
एमएल, सीवी और रोबोटिक्स में मेरी एमएससी की डिग्री में सभी आवश्यक पाठ्यक्रमों के पूरा होने के बाद, मुझे एआई के प्रमुख उप-क्षेत्रों में बुनियादी ज्ञान प्राप्त हुआ।
जैसे-जैसे मैंने अपना शोध प्रबंध पूरा किया और अपने करियर में प्रगति जारी रखी, मेरे सीखने का मार्ग आपके द्वारा देखे गए टी-आकार के मार्ग पर ढल गया।
मेरी विशेषज्ञता गहरी शिक्षा में है, जो कंप्यूटर दृष्टि का एक उप-क्षेत्र है।
ऐसा होता है कि आप उप-क्षेत्रों को ओवरलैप करने और संबंधित विषयों के परिणामस्वरूप न्यूरल नेटवर्क, मशीन लर्निंग, एनएलपी (इमेज कैप्शनिंग) और इमेज प्रोसेसिंग में अधिक ज्ञान लेते हैं।
व्यक्तिगत रूप से, मेरे पास अभी एक लंबा रास्ता तय करना है, इससे पहले कि मैं अपने आप को डीप लर्निंग और कंप्यूटर विज़न का विशेषज्ञ मान सकूं।
गहरा ज्ञान
मैंने 'इन-डीप' ज्ञान का बहुत उल्लेख किया है, लेकिन इसका क्या अर्थ है और इसमें शामिल है। एंड्रयू के अनुसार, गहन ज्ञान निम्नलिखित द्वारा निर्देशित और परिभाषित है:
- परियोजनाओं ✅
- ओपन-सोर्स योगदान ✅
- शोध ✅
- इंटर्नशिप ✅
एक बार फिर, एक विशेष उपक्षेत्र में व्यक्तिगत परियोजनाएं शुरू करने से आपके ज्ञान और विशेषज्ञता को गहरा किया जाएगा। और न केवल यह आपको एक सफल एआई व्यवसायी बना देगा, बल्कि आपको अधिक हाथों पर एआई भूमिकाओं के लिए विचार किए जाने की भी संभावना है।
कैसे एक नौकरी का चयन करने के लिए
एंड्रयू इस तथ्य को पहचानता है कि मशीन सीखने की विशेषज्ञता वाले व्यक्ति मांग में हैं।
यह तथ्य पसंद की बहुतायत को कुछ के लिए काफी भीषण अनुभव बना सकता है, और दूसरों के लिए, यह गलत निर्णयों का परिणाम हो सकता है।
नीचे दिए गए कथन और सूचियां एंड्रयू के छात्रों की सलाह से हैं कि उन्हें एक खुशहाल और सार्थक करियर बनाने के लिए नौकरी का चयन कैसे करना चाहिए।
एक अच्छी टीम के भीतर काम करें
अपने व्याख्यान में, एंड्रयू ने विशेष महत्वपूर्ण बिंदुओं और युक्तियों के बारे में बताया कि उनका मानना है कि वे एक नौकरी की भूमिका का चयन करते समय व्यक्तियों पर विचार करने के लिए महत्वपूर्ण हैं, और एक विशेष क्षेत्र जिस पर उनका ध्यान केंद्रित है वह एक उत्कृष्ट टीम का चयन कर रहा है।
टीम का चयन करते समय कुछ विशेष कारक हैं जिन पर आपको विचार करने की आवश्यकता है, और वे हैं:
- इंटरेक्शन
- संचार
- विकास।
एंड्रयू की सलाह है कि आपको एक टीम के भीतर काम करना चाहिए, जहां आप आसानी से इसके सदस्यों के साथ बातचीत कर सकते हैं। आम तौर पर, ऐसी टीम में 10-12 लोग शामिल होते हैं। वह सलाह देते हैं कि आपको इस बात पर ध्यान देना चाहिए कि टीम कितनी मेहनती है और अगर उनकी शख्सियत और काम की नैतिकता आपको सकारात्मक रूप से प्रभावित कर सकती है।
एक टीम के भीतर के व्यक्ति वे लोग होते हैं जिनके साथ आप अपना अधिकांश समय बिताते हैं। व्यवहार संबंधी शोध के अनुसार, आप अंततः उन पांच लोगों के औसत हैं, जिनके साथ आप सबसे अधिक समय बिताते हैं।
अपनी भूमिका जानिए
एक प्रस्तावित भूमिका को स्वीकार करने का निर्णय लेने से पहले, सुनिश्चित करें कि आप समझते हैं कि यह क्या है, जिस पर आप काम करेंगे।
अधिक बार नहीं, नौकरी बोर्डों पर नौकरी की भूमिका का वर्णन वास्तविक नौकरी की भूमिका और जिम्मेदारियों की प्रकृति को प्रतिबिंबित नहीं करता है।
कभी-कभी, नौकरी की पोस्टिंग में जिम्मेदारियों को बहुत अधिक बढ़ा दिया जाता है, जिससे निराशा हो सकती है।
अन्य समय में, नौकरी की पोस्टिंग को काम पर रखने के लिए नए काम पर रखने की उम्मीद है, और इससे शुरुआती कैरियर को जलाया जा सकता है ।
निराशा और बर्नआउट से बचने का सबसे अच्छा तरीका है कि आप जिस मैनेजर से रिपोर्ट करेंगे, उससे सीधे बात करें और कार्यों और डिलीवरी के समय की उम्मीद का अंदाजा लगा लें।
इसके अलावा, टीम के सदस्यों से बात करें जो समान भूमिकाओं में हैं और उनके दिन-प्रतिदिन की गतिविधियों पर सवाल पूछते हैं।
कंपनी को नजरअंदाज करें
जब एंड्रयू ने पहली बार उस कंपनी की अनदेखी करने का उल्लेख किया, जिसमें आप काम करने पर विचार कर रहे हैं, तो मैं थोड़ा उलझन में था। लेकिन कुछ और स्पष्टीकरण के बाद, संदेश स्पष्ट हो गया।
कंपनियों के पास बाहरी प्रतिष्ठा और मान्यता है, और इसे आमतौर पर कंपनी के ब्रांड के रूप में जाना जाता है। किसी कंपनी का ब्रांड आम तौर पर यह होता है कि कोई कंपनी खुद को बाहरी दुनिया में कैसे पेश करती है। इसके साथ समस्या यह है कि आप आम तौर पर केवल बाहरी आंखों के लिए अपना सर्वश्रेष्ठ पक्ष दिखाते हैं, जो कि कंपनी को थोड़ा तिरछा चुनने में आपका फैसला करता है।
जैसा कि एंड्रयू ने कहा है, सामान्य अनुभवों से, किसी कंपनी के ब्रांड का कंपनी में आपके व्यक्तिगत अनुभव से कमजोर संबंध है।
एआई में भूमिका का चयन करते समय, कंपनी की पसंद की तुलना में टीम के विचार में अधिक वजन होता है। यह भी कहा जा सकता है जब यह काम करने के लिए एक उद्योग चुनने की बात आती है।
बस इसे लगाने के लिए, एक तेल कंपनी और एक चिकित्सा केंद्र में एक छवि वर्गीकरण मशीन सीखने की परियोजना के बीच का अंतर केवल एमएल मॉडल और उसके आवेदन को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटासेट का मामला है। एमएल कौशल उद्योगों में हस्तांतरणीय हैं।
नौकरी के अवसर के बारे में उत्साहित हों, और दीर्घकालिक लक्ष्यों के बारे में सोचें।
मनुष्य ऐसे प्राणी हैं जिन्हें आंतरिक और बाह्य कारकों द्वारा प्रोत्साहित किया जाता है, और जब दोनों की कमी होती है, तो हमें पछतावा, चिंताएं होने लगती हैं और कुछ मामलों में, अवसाद की स्थिति में चले जाते हैं।
एंड्रयू इसे बहुत ही स्पष्ट रूप से कहते हैं:
" एक नौकरी लो तुम में ऊब नहीं होगा "।
मैंने वास्तव में एंड्रयू की प्रस्तुति का आनंद लिया कि क्यों एक भूमिका पर बंदूक कूदना जरूरी नहीं कि सबसे अच्छा विचार है।
अपने छात्रों के व्यक्तिगत उपाख्यानों और अनुभवों का उपयोग उनके सभी बिंदुओं और चिंताओं को बहुत राहत देता है।
अपनी नौकरी की खोज के दौरान, मैंने कुछ प्रस्तावों की पेशकश की, जो कागज पर बहुत अच्छा लग रहा था, लेकिन व्यक्तिगत बलिदान के एक स्तर की आवश्यकता थी जिसे मैं लेने के लिए तैयार नहीं था।
इसके अलावा, कुछ भूमिकाएँ जिन्हें मैंने ठुकरा दिया था, वे छोटी अवधि में बहुत अच्छी लग सकती थीं, लेकिन अगले दस वर्षों में मैं अपने करियर के भीतर जहां होना चाहती थी, उसे देखते हुए वे सर्वश्रेष्ठ विकल्प नहीं थे।
मैं एक सफल कंपनी के भीतर एक एआई नेता बनने की ख्वाहिश रखता हूं, और इसके लिए मुझे खुद को सामान्य से बहुत जल्दी गहरे अंत में फेंकना होगा। इसलिए एक बड़ी टीम में होना जहां मेरी कम दृश्यता थी, और कोई ध्यान देने योग्य प्रभाव मेरे लिए सबसे अच्छा विकल्प नहीं था। जबकि, एक स्टार्टअप के भीतर काम करना जो मुझे स्वायत्तता प्रदान करता है और सीखने के लिए एक वातावरण ( सिंक या अधिक तैरना ) का अर्थ है कि मेरे करियर के विकास और विकास में तेजी है।
आम तौर पर, ऐसी भूमिका चुनें जो आपके व्यक्तिगत लक्ष्यों और दीर्घकालिक विकास के लिए सबसे उपयुक्त हो।
एक मशीन लर्निंग कैरियर नेविगेट करने के लिए गलत तरीके
सभी ट्रेडों के जैक होने के नाते
एआई एक ऐसा क्षेत्र है जहां जरूरी नहीं कि वह "सभी ट्रेडों का जैक" हो, जिसका अर्थ है कि एआई के सभी उपक्षेत्रों पर उथले ज्ञान होना यह सुनिश्चित करने का सबसे अच्छा तरीका नहीं है कि आपके पास एआई या मशीन सीखने में एक लंबा और सफल कैरियर है ।
गहन ज्ञान प्राप्त करने पर ध्यान देना लंबे समय में बंद हो जाता है, विशेष रूप से एआई जैसे क्षेत्र में, जहां विनिर्देश अक्सर पसंद किया जाता है।
धैर्य नहीं है
मैं धैर्य नहीं रखने का दोषी हूं, लेकिन ईमानदारी से, मशीन लर्निंग जैसे तेजी से बढ़ते क्षेत्र में, आप लगभग महसूस करते हैं कि आप जानकारी को तेजी से अवशोषित नहीं कर रहे हैं।
लेकिन लंबे और सफल करियर वाले व्यक्तियों पर अधिक गहन अवलोकन करने पर, मैंने महसूस किया है कि किसी भी एआई सबफील्ड्स के भीतर सच्चे कौशल, विशेषज्ञता और ज्ञान का निर्माण करने में समय लगता है।
यह कहा गया है, हमारी पीढ़ी त्वरित संतुष्टि के आदी है, और ज्ञान प्राप्त करने की गति भी त्वरित, ठोस परिणाम देखने की हमारी इच्छा का शिकार है।
कोई वास्तविक पर्याप्त प्रोजेक्ट नहीं है
इस लेख के दौरान, एक साइड प्रोजेक्ट होने की आवश्यकता को आपके मशीन लर्निंग कैरियर के कई लाभ हैं। साइड प्रोजेक्ट के साथ समस्या यह है कि उन्हें बाहरी समीक्षकों को प्रभावित करने के लिए आवश्यक कौशल के स्तर को दिखाने के लिए पर्याप्त मजबूत होना चाहिए। प्रभाव के उस स्तर के साथ एक साइड प्रोजेक्ट बनाने में सक्षम होने के लिए पर्याप्त मात्रा में प्रयास और समय की आवश्यकता होती है।
तो, दस औसत दर्जे की परियोजनाएं होना वास्तविक प्रभाव वाली 2–3 परियोजनाओं को पूरा करने से बेहतर नहीं है और आपकी तकनीकी क्षमताओं का एक उत्कृष्ट प्रदर्शन प्रदान करता है।
एंड्रयू के अनुसार, गुणवत्ता इस मामले में मात्रा धड़कता है।
निष्कर्ष
एंड्रयू का व्याख्यान मुख्य तत्वों पर ध्यान केंद्रित करने के साथ समाप्त हुआ जो मशीन सीखने में एक सफल और लंबे कैरियर वाले व्यक्ति के लिए योगदान करते हैं; वो हैं:
- ऐसे वातावरण में काम करना सुनिश्चित करें जो सीखने को बढ़ावा दे
- सुनिश्चित करें कि आप ऐसे प्रोजेक्ट और कार्य कर रहे हैं जो सकारात्मक तरीके से दूसरों के जीवन के लिए सार्थक हैं। आम तौर पर, उन क्षेत्रों में काम करते हैं जो दूसरों के लिए जीवन की गुणवत्ता को आगे बढ़ाते हैं।
- निर्णय लें जो आपके व्यक्तिगत लक्ष्यों में योगदान करते हैं, और यह आपको दीर्घकालिक सफलता के लिए स्थापित करेगा।
मैंने व्याख्यान को देखने और इस लेख को लिखने में बहुत कुछ सीखा है, और मुझे आशा है कि आप इस लेख से एक या दो कार्रवाई योग्य आइटम ले सकते हैं। यदि आपके पास कोई अन्य सुझाव और सलाह है जिसे आप अपने स्वयं के अनुभवों से साझा करना चाहते हैं, तो मैं आपको टिप्पणी अनुभाग का उपयोग करने के लिए आमंत्रित करता हूं।
नवीनतम टेक समाचार और समीक्षाओं के लिए yehbhidekho का अनुसरण करें, ट्विटर, फेसबुक हमारे साथ बने रहें। हमारे नवीनतम वीडियो के लिए, हमारे YouTube चैनल को सब्सक्राइब करें।
कोई टिप्पणी नहीं:
एक टिप्पणी भेजें
Thank you for your opinion