Der Al-Leader von LinkedIn teilt 3 Eigenschaften von Top-Talenten in der Datenwissenschaft

LinkedIn’s Al leader shares 3 traits of top data science talent

In einem neuen Interview mit VentureBeat, Ya Xu, VP of Engineering und Head of Data and künstliche Intelligenz (AI) bei LinkedIn, freut sich sehr, ihre Gedanken zu allem zu teilen, von ihrer Leidenschaft, Wissenschaft und Technik zusammenzubringen, bis hin zu den Top-Eigenschaften, nach denen sie bei Vorstellungsgesprächen sucht Datenwissenschaft Talent.

Über a hat sie weit weniger zu sagen New York Times Artikel vom letzten wochenende. Das Stück konzentrierte sich auf eine Studie, die in veröffentlicht wurde Wissenschaft dass „Daten aus mehreren groß angelegten randomisierten Experimenten zum Algorithmus „People You May Know“ von LinkedIn analysiert wurden, der LinkedIn-Mitgliedern neue Verbindungen empfiehlt, um zu testen, inwieweit schwache Bindungen die berufliche Mobilität im weltweit größten beruflichen sozialen Netzwerk erhöhten.“ Die Times sagte, dass LinkedIn über fünf Jahre „Experimente“ mit mehr als 20 Millionen Benutzern durchgeführt habe, die „obwohl sie die Funktionsweise der Plattform für Mitglieder verbessern sollten, den Lebensunterhalt einiger Menschen hätten beeinträchtigen können“.

Laut Xu, der das zentralisierte Datenteam von LinkedIn leitet, das alle KI-, Data Science- und Privacy Engineering-Teams umfasst, beinhaltete die Studie „keine Experimente“. Stattdessen sagte sie gegenüber VentureBeat, dass die Forschung „vollständig auf beobachtenden Kausalstudien basierte – das bedeutet, dass wir modernste sozialwissenschaftliche Methoden (die gleichen, die 2021 den Nobelpreis für Wirtschaftswissenschaften gewonnen haben) verwendet haben, um historische Daten zu analysieren und kausale Muster zu entdecken.“

Eine Brücke zwischen Forschung und Produkt

Xu sagte, dass sie viel über die ethischen Auswirkungen der LinkedIn-Forschung nachdenke, insbesondere wenn es um die Verwendung neuer Algorithmen und maschineller Lernarchitekturen wie GPT und Transformers gehe. Gleichzeitig ist KI der Kern von LinkedIn-Produkten, wie es für so viele der heutigen Unternehmen der Fall ist – daher erklärte sie, dass ihre Philosophie darin besteht, dass Forschung und Produktgruppen Hand in Hand arbeiten müssen, um die Anforderungen der drei Unternehmen zu erfüllen verschiedene Kunden-Ökosysteme – Arbeitssuchende und einstellende Unternehmen; B2B-Käufer und -Verkäufer; und Wissenssuchende/Produzenten.

„Wahre Magie kommt wirklich, wenn wir eine sehr enge Verbindung und Brücke zwischen der Forschung und den praktischen Anwendungen herstellen können“, sagte sie.

Das beginnt bei der Organisationsstruktur, bei der Forscher und Ingenieure zusammenarbeiten.

„Das Problem selbst sollte die Forschungsagenda beeinflussen, aber gleichzeitig sollten die Produktionszwänge tatsächlich die Forschung selbst inspirieren“, erklärte sie. „Wenn Sie zum Beispiel keine Skalierbarkeitsbeschränkungen haben, können Sie den kompliziertesten Algorithmus entwickeln, aber wenn Sie alles in diesen Speicher passen müssen, müssen Sie diese Art von Berechnungsbeschränkung verwenden, Sie haben diese Latenzbeschränkungen. plötzlich inspirieren und motivieren Sie die Forschung, auf eine andere Art und Weise zu arbeiten.“

3 Top-Eigenschaften von LinkedIn Data Science-Talenten

Diese Kultur der Zusammenarbeit erfordert das richtige Data-Science-Talent – ​​Xu sagte, dass es drei wichtige Dinge gibt, auf die sie bei Kandidaten achtet. Erstens, ist der Einzelne missions- und wirkungsorientiert?

„Sie wollen am Ende etwas erreichen“, erklärte sie. „Sie haben vielleicht unterschiedliche Ansätze, um dies zu erreichen … aber letztendlich wollen sie es den Mitgliedern und Kunden recht machen.“

Als nächstes möchte Xu Leute einstellen, die – nicht überraschend – kooperativ sind. Sie sollten diejenigen sein, „die sich wirklich umeinander kümmern, die Menschen mit unterschiedlichen Fähigkeiten wirklich respektieren“, sagte sie. „Sie wollen keine Personen einstellen, die sagen: ‚Hey, ich bin der Klügste und der Beste und der Klügste und niemand sonst hat Recht.’“

Schließlich sagte Xu, sie wünsche sich Menschen, die bereit sind, zu lernen, sich anzupassen und neugierig zu bleiben. „Niemand kann in dieses Feld kommen und sagen: ‚Ich weiß alles’“, sagte sie. „Ich meine, ich hatte meinen Ph.D. in maschinellen Lernstatistiken vor 10 Jahren, und wenn ich vergleiche, was ich getan habe, mit dem, was ist [going on] Heute, oh mein Gott, ist es Tag und Nacht“, sagte sie.

Die KI- und Datenherausforderungen von LinkedIn

Die drei Ökosysteme von LinkedIn schaffen KI- und Datenherausforderungen, sagte Xu, weil ihre Heterogenität es schwierig macht, einen „wahren Norden“-Wert zu definieren. „KI funktioniert am besten, wenn man sagen kann ‚Das ist die Zielfunktion‘ und darauf hin optimieren kann“, sagte sie.

Das bedeutet, dass es einen Optimierungsrahmen für KI mit mehreren Zielen geben muss, was durch die Tatsache, dass so viele verschiedene Personen beteiligt sind, noch komplizierter wird. „Es ist eine weitere Herausforderung, ihre Bedürfnisse zu verstehen und diese unterschiedlichen Bedürfnisse in Einklang zu bringen“, sagte sie.

Schließlich bringt jede dieser Personas aus technischer Sicht verschiedene Probleme in unterschiedlichen Größenordnungen mit sich: „Wir haben viel mehr Posts auf LinkedIn als zum Beispiel auf Lernkursen“, sagte sie. „Und sie haben unterschiedliche Latenzanforderungen – Sie müssen Anzeigen innerhalb von Millisekunden zurückgeben, aber Sie haben viel mehr Flexibilität, wenn es beispielsweise um eine Suche geht, die von unserem Sales Navigator zurückgegeben wird, oder um Empfehlungen per E-Mail.“

KI-Möglichkeiten und verantwortungsvolle KI

Die neuesten KI-Fortschritte, wie etwa große Sprachmodelle einschließlich GPT-3, bieten LinkedIn die Möglichkeit, seine Marktplätze mit gemeinsamer Technologie zu verbinden, die übergreifend genutzt werden kann, sagte Xu.

„Ob es sich um einen Feed-Post, eine Stellenbeschreibung oder das Profil eines Mitglieds handelt, wir können diesen Text viel besser verstehen und dann Themen zuordnen, um die es in einem Post geht, oder vielleicht berufliche Fähigkeiten, und das dann mit dem verbinden, was dieses Mitglied betrifft sucht“, sagte sie und fügte hinzu, dass Fortschritte bei Algorithmen, Hardware und Software insgesamt ein Hauptaugenmerk bei der Weiterentwicklung der KI- und Datenambitionen von LinkedIn sein werden.

Sie fügte hinzu, dass es jetzt auch bessere technologische Methoden gibt, um die KI-Fairness in den Feed-Empfehlungen oder Verbindungsempfehlungen von LinkedIn besser zu messen.

Fairness ist jedoch nur ein Bereich, in den LinkedIn investiert, wenn es um verantwortungsbewusste KI unter Verwendung des Responsible AI-Frameworks von Microsoft geht.

„Im Bereich Fairness drängen wir kontinuierlich auf Messung und Minderung – wie können wir verstehen, wie sich unser Algorithmus im Vergleich zu dem, was er tun soll, verhält?“ Sie sagte. „Und dann ist Minderung, wenn wir Bereiche identifizieren, in denen es Lücken gibt, was sind die Ansätze, die wir tun können, um sie zu mindern?“

Transparenz ist ein weiterer Schwerpunkt. Über das Erklären, was Algorithmen tun, sagte sie: „Können die Modellierer, die diese Algorithmen erstellen, sie den Entwicklern erklären? Können wir es dann den Benutzern erklären, die mit Algorithmen interagieren?“

Es ist ein „sehr herausfordernder“ Raum, gibt sie zu: „Aber aus technologischer Sicht ist es wirklich, wirklich aufregend.“

Die Post Der Al-Leader von LinkedIn teilt 3 Eigenschaften von Top-Talenten in der Datenwissenschaft erschien zuerst auf Wagnis-Beat.

Loading...