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». p>
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.
ПодіяMetaBeat 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.
зареєструватися тут«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…
![Лідер LinkedIn Аль ділиться трьома характеристиками найкращого таланту в області обробки даних](https://venturebeat.com/wp-content/uploads/2022/07/Screen-Shot-2022-07-20-at-10.21.43-AM.png?w=1200&strip=all)
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». p>
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.
ПодіяMetaBeat 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.
зареєструватися тут«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…
What's Your Reaction?
![like](https://vidianews.com/assets/img/reactions/like.png)
![dislike](https://vidianews.com/assets/img/reactions/dislike.png)
![love](https://vidianews.com/assets/img/reactions/love.png)
![funny](https://vidianews.com/assets/img/reactions/funny.png)
![angry](https://vidianews.com/assets/img/reactions/angry.png)
![sad](https://vidianews.com/assets/img/reactions/sad.png)
![wow](https://vidianews.com/assets/img/reactions/wow.png)