LinkedIn 领军人物 Al 分享顶尖数据科学人才的 3 个特征
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
在接受 VentureBeat 的新采访时，LinkedIn 工程副总裁兼数据与人工智能 (AI) 负责人徐亚非常高兴地分享她对一切的看法，包括她对让科学和工程更接近于她在面试数据科学人才时寻找的主要特征。
她对上周末纽约时报的一篇文章几乎没有什么要说的，该文章专注于发表在《科学》杂志上的一项研究，该研究“分析了对您可能认识的人的几项大规模随机实验的数据LinkedIn.，它向 LinkedIn 成员推荐新的联系，以测试弱联系如何增加世界上最大的专业社交网络中的职业流动性。《泰晤士报》称，LinkedIn 在五年内对超过 2000 万用户进行了“实验”，“尽管旨在让平台更好地为会员服务，可能会影响一些人的生计”。p>
据领导 LinkedIn 集中数据团队（包括所有人工智能、数据科学和隐私工程团队）的徐说，这项研究“没有实验”。相反，她告诉 VentureBeat，这项研究“完全基于观察性因果研究——这意味着我们使用了最先进的社会科学方法（与获得 2021 年诺贝尔经济学奖的方法相同）来分析历史数据和发现因果模式”。 /p>
Xu 说，她对 LinkedIn 研究的伦理影响思考了很多，尤其是在使用 GPT 和 Transformers 等新算法和机器学习架构时。与此同时，人工智能是 LinkedIn 产品的核心，就像今天的许多公司一样。所以她解释说，她的理念是研究和产品组应该齐头并进，以满足公司三项业务的需求。不同的客户生态系统——求职者和招聘公司； B2B买卖双方；和研究人员/知识生产者。
事件元节拍 2022
MetaBeat 将于 10 月 4 日在加利福尼亚州旧金山汇聚思想领袖，就元界技术将如何改变所有行业的沟通和开展业务的方式提出建议。
在这里注册“当我们能够在研究和实际应用之间建立非常紧密的联系和桥梁时，真正的魔力才真正到来，”她说。
从组织结构开始，研究人员和工程师一起工作。
“问题本身应该为研究议程提供信息，但与此同时，生产限制实际上应该激发研究本身，”她解释说。 “例如，如果你没有任何可扩展性约束，你可以想出最复杂的算法，但如果你必须把所有东西都放在这个内存中，你就必须使用这种类型的计算约束，你有这些约束延迟，突然之间，你激发和激励研究以不同的方式进行。”
这种协作文化需要合适的数据科学人才。徐说，她在参赛者身上寻找了三件重要的东西。首先，个人使命和影响是否受到驱动？
“他们希望最终有所作为，”她解释道。 “他们可能有不同的方法来实现这一目标......但归根结底，他们希望为会员和客户做正确的事。”
接下来，徐想聘请合作的人，这并不奇怪。她说，他们应该是“真正关心彼此，真正尊重拥有不同技能的人”的人。 “你不想雇佣这样的人，‘嘿，我是最聪明、最优秀、最聪明的人，没有其他人......
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
在接受 VentureBeat 的新采访时，LinkedIn 工程副总裁兼数据与人工智能 (AI) 负责人徐亚非常高兴地分享她对一切的看法，包括她对让科学和工程更接近于她在面试数据科学人才时寻找的主要特征。
她对上周末纽约时报的一篇文章几乎没有什么要说的，该文章专注于发表在《科学》杂志上的一项研究，该研究“分析了对您可能认识的人的几项大规模随机实验的数据LinkedIn.，它向 LinkedIn 成员推荐新的联系，以测试弱联系如何增加世界上最大的专业社交网络中的职业流动性。《泰晤士报》称，LinkedIn 在五年内对超过 2000 万用户进行了“实验”，“尽管旨在让平台更好地为会员服务，可能会影响一些人的生计”。p>
据领导 LinkedIn 集中数据团队（包括所有人工智能、数据科学和隐私工程团队）的徐说，这项研究“没有实验”。相反，她告诉 VentureBeat，这项研究“完全基于观察性因果研究——这意味着我们使用了最先进的社会科学方法（与获得 2021 年诺贝尔经济学奖的方法相同）来分析历史数据和发现因果模式”。 /p>
Xu 说，她对 LinkedIn 研究的伦理影响思考了很多，尤其是在使用 GPT 和 Transformers 等新算法和机器学习架构时。与此同时，人工智能是 LinkedIn 产品的核心，就像今天的许多公司一样。所以她解释说，她的理念是研究和产品组应该齐头并进，以满足公司三项业务的需求。不同的客户生态系统——求职者和招聘公司； B2B买卖双方；和研究人员/知识生产者。
事件元节拍 2022
MetaBeat 将于 10 月 4 日在加利福尼亚州旧金山汇聚思想领袖，就元界技术将如何改变所有行业的沟通和开展业务的方式提出建议。
在这里注册“当我们能够在研究和实际应用之间建立非常紧密的联系和桥梁时，真正的魔力才真正到来，”她说。
从组织结构开始，研究人员和工程师一起工作。
“问题本身应该为研究议程提供信息，但与此同时，生产限制实际上应该激发研究本身，”她解释说。 “例如，如果你没有任何可扩展性约束，你可以想出最复杂的算法，但如果你必须把所有东西都放在这个内存中，你就必须使用这种类型的计算约束，你有这些约束延迟，突然之间，你激发和激励研究以不同的方式进行。”
这种协作文化需要合适的数据科学人才。徐说，她在参赛者身上寻找了三件重要的东西。首先，个人使命和影响是否受到驱动？
“他们希望最终有所作为，”她解释道。 “他们可能有不同的方法来实现这一目标......但归根结底，他们希望为会员和客户做正确的事。”
接下来，徐想聘请合作的人，这并不奇怪。她说，他们应该是“真正关心彼此，真正尊重拥有不同技能的人”的人。 “你不想雇佣这样的人，‘嘿，我是最聪明、最优秀、最聪明的人，没有其他人......
What's Your Reaction?
