Лідер LinkedIn Аль ділиться трьома характеристиками найкращого таланту в області обробки даних

Не змогли відвідати Transform 2022? Перегляньте всі сесії саміту в нашій бібліотеці за запитом! Подивіться сюди.

У новому інтерв’ю з VentureBeat Я Сю, віце-президент з інженерних питань і керівник відділу даних і штучного інтелекту (ШІ) у LinkedIn, із задоволенням поділиться своїми думками про все, починаючи від свого бажання наблизити науку та техніку до основні характеристики, на які вона звертає увагу під час співбесіди з талантами в області обробки даних.

Вона може сказати набагато менше про статтю New York Times за минулі вихідні. Стаття зосереджена на дослідженні, опублікованому в Science, яке «проаналізувало дані кількох великомасштабних рандомізованих експериментів за алгоритмом LinkedIn People You May Know, який рекомендує нові зв’язки членам LinkedIn, щоб перевірити, наскільки слабкі зв’язки збільшують професійну мобільність у світі. Найбільша професійна соціальна мережа. The Times повідомила, що LinkedIn проводив «експерименти» на понад 20 мільйонах користувачів протягом п’яти років, які, «хоча і мали на меті покращити роботу платформи для членів, могли вплинути на засоби до існування деяких людей».

За словами Сю, який очолює групу централізованих даних LinkedIn, до якої входять усі команди штучного інтелекту, науки про дані та інженерів конфіденційності, у дослідженні «без експериментів». Натомість вона розповіла VentureBeat, що дослідження «повністю базувалося на спостережному причинно-наслідковому дослідженні — це означає, що ми використовували найсучасніші методи соціальних наук (ті самі, які отримали Нобелівську премію з економіки 2021 року), щоб проаналізувати історичні дані та виявити закономірності причинно-наслідкових зв’язків». /p>

Сю сказала, що багато думає про етичні наслідки досліджень у LinkedIn, особливо коли йдеться про використання нових алгоритмів і архітектури машинного навчання, як-от GPT і Transformers. У той же час ШІ є основою продуктів LinkedIn, як і для багатьох компаній сьогодні. Тож вона пояснила, що її філософія полягає в тому, що дослідницькі та продуктові групи мають працювати рука об руку, щоб задовольнити потреби трьох бізнесів компанії. різні клієнтські екосистеми – шукачі роботи та рекрутингові компанії; B2B покупці та продавці; і дослідники/виробники знань.

MetaBeat 2022

4 жовтня в Сан-Франциско, штат Каліфорнія, MetaBeat збере лідерів думок, щоб порадити, як технологія метавсесвіту змінить спосіб спілкування та ведення бізнесу в усіх галузях.

«Справжня магія приходить, коли ми можемо створити дуже тісний зв’язок і міст між дослідженнями та практичними застосуваннями», — сказала вона.

Все починається з організаційної структури, коли дослідники та інженери працюють разом.

«Сама проблема повинна інформувати про програму дослідження, але в той же час обмеження виробництва повинні фактично надихати саме дослідження», — пояснила вона. «Наприклад, якщо у вас немає жодних обмежень масштабованості, ви можете придумати найскладніший алгоритм, але якщо вам потрібно вмістити все в цій пам’яті, вам доведеться використовувати цей тип обчислювальних обмежень, у вас є затримка цих обмежень , раптом ви надихаєте й мотивуєте досліджувати в інший спосіб."

Ця культура співпраці вимагає належного таланту в галузі обробки даних. Сю сказала, що в конкурсантах вона шукала три важливі речі. По-перше, чи керується індивідуальна місія та вплив?

«Вони хочуть чогось досягти в кінці», — пояснила вона. «Вони можуть мати різні підходи до досягнення цього... але врешті-решт вони хочуть робити правильні речі для членів і клієнтів».

Далі Сю хоче найняти людей, які співпрацюють, і це не дивно. Вони повинні бути тими, «хто справді піклується одне про одного, хто справді поважає людей з різними навичками», — сказала вона. «Ви не хочете наймати людей, які кажуть: «Гей, я найрозумніший, найкращий і найрозумніший, і ніхто інший…