Еще будучи студенткой в индийском университете по специальности Электроника и коммуникации, Суджу Раджан заинтересовалась сферой машинного обучения. В 2001 году она переехала в Соединенные Штаты, чтобы получить докторскую степень (PhD) по специальности Машинное обучение в Техасском Университете в Остине. Так начался карьерный путь в исследовании данных и машинном обучении. Суджу вошла в команду исследователей Criteo в мае 2016 года и теперь возглавляет лабораторию Criteo AI Lab. На этой неделе мы поговорили с Суджу о машинном обучении и о том, что отличает Criteo от других игроков рынка.
Давай начнем с самого начала, откуда ты?
Я получила степень бакалавра в сфере Электроники и коммуникации в Индии. Моя итоговая работа была посвящена созданию нейросетей для распознавания рукописных цифр на поврежденных или искаженных изображениях. Этот проект полностью захватил меня, и я решила подаваться на PhD в Техасский университет в Остине под руководством профессора Джойдипа Гоша.
В Техасском университете мне удалось поработать над рядом чрезвычайно интересных задач в машинном обучении, в тесном сотрудничестве с Центром космических исследований. Главным образом эти задачи касались классификации пикселей с гиперспектральных изображений на различные типы растений и растительного покрова. На последнем году обучения мне посчастливилось попасть на летнюю стажировку в лабораторию Yahoo Labs. К моменту окончания курса я твердо решила для себя, что мой карьерный путь будет связан с применением машинного обучения к задачам и проблемам реальной жизни.
Как начался твой карьерный путь? Что ты делала до Criteo и что привело тебя в Criteo?
Моей первой работой стала аналитика и исследование данных в Yahoo. Задачей моей команды была разработка моделей машинного обучения для различных продуктов Yahoo. Я узнала о многочисленных способах применения машинного обучения от прогнозирования конверсий до создания кластеров новостных статей в реальном времени.
Со временем я стала руководителем команды исследователей машинного обучения для обеспечения персонализации продуктов Yahoo: новостей, приложений и видео. Мне повезло с замечательным руководителем и несколькими невероятными менторами, от которых я научилась создавать команду исследователей и вести ее к успеху. Чуть позже я получила предложение от Criteo создать ведущую команду исследователей мирового класса, которая будет оказывать влияние как внутри компании, так и вне ее. Конечно же, я не смогла отказаться.
Как изменилась твоя работа с момента прихода в команду?
Я прекрасно помню свою первую конференцию в Criteo: Это была KDD 2016 в Сан-Франциско. Меня несколько разочаровало, как много посетителей, подходивших к нашему стенду, не имели понятия о том, чем занимается Criteo. Создание Criteo Research как лаборатории машинного обучения было необходимостью.
Благодаря совместным усилиями команды Criteo мы смогли кардинально изменить ситуацию, и все больше участников конференций приходят на наш стенд с предложением сотрудничества или в поисках работы. Мы стремимся поддерживать высочайшие стандарты влияния на индустрию, чтобы сохранять свою лидерскую позицию.
Внутри Criteo также было не так много людей, которые понимали, чем занимается команда исследователей. Было неочевидно, как работает команда и как с ней сотрудничать. С тех пор мы проделали большую работу внутри компании, и наши коллеги теперь понимают, чем мы заняты и почему это важно. Мы участвуем в разработке большинства продуктов в R&D.
Как Criteo помогли тебе в твоем карьерном пути? Какие возможности ты получила благодаря Criteo?
Я смогла создать команду исследователей благодаря полной поддержке моего руководителя и других наших команд. Мы создали несколько уникальных программ от премии Faculty Research Awards до внутреннего обучающего курса ML Bootcamp, чтобы все больше людей познакомились с нашей командой.
Все наши попытки встречали только энтузиазм и поддержку. Я получила полную свободу в принятии решений и формировании команды исследователей и стала ее внутренним представителем. Я благодарна за все эти возможности, ведь я получила невероятный объем новых знаний в процессе работы.
Что отличает Criteo от других компаний, где ты работала? Что было самым приятным сюрпризом на твой взгляд?
Машинное обучение действительно формирует ДНК компании. Это не просто побочный проект команды исследователей. В отделе исследований и разработки R&D работает множество гениальных инженеров машинного обучения, а продуктовая команда отличается беспрецедентным знанием индустрии, поэтому с этими людьми легко и приятно работать. Это поддерживает команду исследователей и помогает нам концентрироваться на по-настоящему сложных, рискованных задачах.
Какова цель твоей текущей позиции? Что по-твоему самое сложное в твоей работе?
Исследования всегда предполагают значительную долю риска в долгосрочной перспективе.
Предположим, сейчас мы пользуемся моделью А, и команда исследователей выдвигает гипотезу, что модель Б будет эффективнее. В основе данной гипотезы лежит множество офлайн экспериментов, но нам в любом случае придется протестировать ее в наших продуктах и в значительном масштабе, чтобы убедиться в ее работоспособности.
Следовательно, возникает вопрос: как соотнести усилия по внедрению модели Б и другие приоритеты? Как убедиться в целесообразности необходимости отложить другие задачи ради нашей гипотезы? Наша задача – минимизировать издержки экспериментов и внедрения изменений. Главный вызов для нас – достижение целей без потерь.
Какие проекты и достижения для тебя – предмет твоей особой гордости?
Наша команда выросла с 8 экспертов до 25 всего за полтора года, и мы нанимали только экспертов мирового уровня.
Команда исследователей усилила наш голос в индустрии от публикации отчетов на известных конференциях (включая AdKDD, где мы стали финалистами и лауреатами премии в 2017 году) до прочных академических контактов и сотрудничества с ведущими университетами. Мы приобрели значительную известность в академических кругах исследователей машинного обучения.
Внутри компании наш проект Machine Learning Bootcamp запустился с громким успехом. Сейчас идет уже 5 цикл проекта, который за все время работы обеспечил практику для более чем 20 инженеров. Невероятно захватывающе наблюдать, как выпускники проекта практически применяют полученные знания в работе их собственных команд.
Давай поговорим об искусственном интеллекте и машинном обучении. Как Criteo обеспечивает свое лидерство?
Criteo лидирует практически во всех аспектах индустрии рекламных технологий, так как мы сосредоточены на постоянной максимизации эффективности для наших клиентов. Онлайн реклама, главная экономическая модель в интернете, постоянно эволюционирует. В основе нашей способности адаптироваться к этим изменениям лежат фундаментальные исследования создания новых принципов, моделей и алгоритмов.
И в среду 27 июня мы объявили о запуске Criteo AI Lab, центра создания, исследования и внедрения технологий машинного обучения в беспрецедентном масштабе. Получив за последние три года 20 миллионов евро инвестиций, лаборатория сфокусируется на построении глубинных моделей, которые станут эталоном прозрачности, интерпретируемости и ориентации на пользователя.
Мы ставим амбициозные цели по оптимизации наших продуктов для клиентов и стремимся обеспечить наилучший сервис. В нашей компании работает множество опытных специалистов, которые постоянно работают над наилучшими способами использования данных наших рекламодателей, паблишеров и пользователей. Очень немногие компании могут похвастаться обзором рекламы на 360 градусов, и мы задействуем максимум наших возможностей.
Чем занимаешься в свободное от работы время?
Двое маленьких детей не дают мне скучать, да и времени на что-либо помимо работы уже не остается. Задайте мне этот вопрос через пару лет!
И наконец, как насчет совета для новичков и всех тех, кто хотел бы построить похожую карьеру, как у тебя?
Обязательно озвучивайте свои пожелания. Не бойтесь браться за еще не знакомые вам задачи, ведь главное – желание: вы можете научиться всему, чему захотите.
