Lernen Sie Rhea Goel kennen, Senior Applied Scientist bei Sponsored Products

Lernen Sie Rhea kennen, Senior Applied Scientist bei Amazon Ads. Sie begann ihre berufliche Laufbahn als Praktikantin in der Softwareentwicklung und leitet heute ein Team von Wissenschaftlern und Ingenieuren.

In diesem Interview spricht Rhea darüber, wie sie ihren technischen Hintergrund und ihr Fachwissen im Bereich des maschinellen Lernens kombiniert hat, um einige der komplexesten Herausforderungen des Unternehmens im Bereich der Werbung zu bewältigen. Sie erzählt auch, wie Wissenschaftler die Unternehmensstrategie beeinflussen und gleichzeitig ihre Karriere in unerwartete Richtungen entwickeln können.

Ich habe als Praktikantin in der Ingenieursabteilung angefangen. Ich hatte schon immer vor, in eine wissenschaftliche Position zu wechseln, weil ich darin ausgebildet worden bin. Ich habe mich jedoch bewusst dafür entschieden, als Ingenieur anzufangen, um die Skills für die Entwicklung und den Einsatz von Produktionssystemen zu erlernen und die bewährten Methoden für die Entwicklung in der realen Welt zu verstehen.

Nach meinem Wechsel in die angewandte Wissenschaft bei Amazon Fashion habe ich mich auf Empfehlungssysteme, Rankings und Personalisierung spezialisiert. Jetzt verfolge ich einen Weg ins Management im wissenschaftlichen Bereich. Die Tatsache, dass ich eine erfahrene Ingenieurin bin, hat dazu beigetragen, dass ich als Wissenschaftlerin selbständiger und selbstbewusster geworden bin. Das bedeutet auch, dass ich sehr gut in der Lage bin, ein diversifiziertes Unternehmensteam zu leiten, in dem Spezialisten aus Wissenschaft und Technik eng zusammenarbeiten, um Ziele zu erreichen.

In der Werbung gibt es wirklich schwierige Probleme zu lösen. Man versucht, Werbeanzeigen so zu platzieren, dass die Kunden die für sie nützlichsten Inhalte sehen – während gleichzeitig die Werbetreibenden den größten Nutzen aus ihren Anzeigen ziehen und Amazon als Publisher sein Geschäft ausbaut. Das Gleichgewicht zwischen den drei Einheiten ist sehr schwierig und nuanciert. Ich genieße besonders die schnelle Experimentierkultur bei Amazon, wo wir neue Modelle für maschinelles Lernen testen können, die unter diesen verschiedenen, oft konkurrierenden Zielen arbeiten.

Bei Amazon sind angewandte Wissenschaftler wirklich in der Lage, eine breitere Unternehmensstrategie zu beeinflussen. Im Laufe des Jahres gibt es mehrere formelle Gelegenheiten, darunter die jährliche Planung, die vierteljährliche Planung und regelmäßig stattfindende Hackathons, bei denen jeder, vom Nachwuchswissenschaftler bis zum Direktor, Ideen einbringen kann, wobei wir von einem Kundenproblem oder einem Geschäftsziel ausgehen. Auf jeder Ebene werden wir ermutigt, unsere Ideen zu Papier zu bringen, damit sie von den Führungskräften geprüft und umgesetzt werden können.

Es gibt so viele praktische Anwendungen von Large Language Models (LLMs), die den Bereich des Rankings von Werbeanzeigen verändern könnten. Zum Beispiel untersuchen wir derzeit, wie wir LLMs nutzen können, um die Suchanfragen von Käufern besser zu verstehen und relevantere Suchergebnisse in Bezug auf verschiedene Produktattribute wie z. B. die Marke zu erhalten. Ein LLM vereinfacht dies für uns, denn es bringt bereits eine Menge Wissen über die Welt mit sich.

Ich habe das Gefühl, dass die Führungsebene sehr an meiner beruflichen Entwicklung interessiert sind. Vor einiger Zeit erwähnte mein Vorgesetzter gegenüber meinem Direktor, dass ich daran interessiert sei, den Weg ins Management einzuschlagen. Mein Direktor erinnerte sich daran, bewertete meine Skills im Laufe der Zeit und bot mir dann die Möglichkeit, den Sprung zu machen. Ich habe vor kurzem angefangen, ein Team zu leiten, was eine großartige Lernerfahrung ist.

Es gibt auch viele Mentoring-Möglichkeiten. Sobald Sie bei Amazon anfangen, weist Ihnen Ihr Manager normalerweise einen Onboarding-Buddy und einen Mentor zu. Es gibt ein Mentorenprogramm für Frauen im Ingenieurwesen und formelle Amazon-weite Mentorenprogramme. Ihr Manager kann Ihnen helfen, den richtigen Mentor für Sie zu finden.

Natürlich. Jedes Jahr veranstaltet Amazon die Amazon Machine Learning Conference (AMLC), eine interne wissenschaftliche Konferenz mit einer sehr hohen Messlatte und einer niedrigen Aufnahmequote. Wissenschaftler arbeiten oft an Projekten mit geistigem Eigentum und es kann schwierig sein, extern zu publizieren, aber mit AMLC erhält man die Möglichkeit, wissenschaftliche Forschung zu veröffentlichen. Wenn man bedenkt, dass die Messlatte so hoch liegt und die Aufnahmequote so niedrig ist, ist es genauso lohnend. Wenn man für eine mündliche Präsentation oder eine Posterpräsentation ausgewählt wird, kann man seine Arbeit auf ganz Amazon präsentieren, was für die Sichtbarkeit und das persönliche Wachstum von großem Vorteil ist.

Ich habe kürzlich an einem Modell gearbeitet, das die Sponsored Products-Anzeigen auf der Suchergebnisseite anpasst, um Kunden mehr Produkte zu zeigen, die ihren Interessen entsprechen. Unser Ethos bei Amazon lautet „100 % kundenorientiert“. Unser oberstes Ziel ist es also, das Werbeerlebnis für Kunden hilfreich und relevant zu gestalten. Unser Modell hat das Kundenerlebnis deutlich verbessert.

Dieses Modell verwendet bestärkendes Lernen, eine der am schwierigsten zu realisierenden Disziplinen. Wir hatten intern große Diskussionen über die Überschneidungen zwischen der Disziplin des bestärkenden Lernens und dem kausalen maschinellen Lernen. Die Mitarbeiter des Teams haben Ideen aus beiden Bereichen übernommen, um dieses Modell zu entwickeln. Es war ein lohnendes Projekt, weil es eine wissenschaftliche Herausforderung darstellte und gleichzeitig einen spürbaren Einfluss auf die Kunden hatte.

Dies ist wahrscheinlich die schnellste Umgebung, in der Sie arbeiten werden, und es ist ein Ort, an dem Sie Ihren eigenen Freiraum finden können. Wenn Sie an einer tiefergehenden, forschungsbasierten Karriere interessiert sind, gibt es bei Amazon Ads Teams, die sich damit beschäftigen. Wenn Sie mehr an schnellen Experimenten und der geschäftlichen Anwendung der neuesten Technologien für maschinelles Lernen interessiert sind, gibt es viele Teams, die auch das tun.

Und schließlich ist Amazon so groß, so dass Sie von einigen der besten Köpfe der Branche lernen können. Wenn Sie bereit sind zu lernen, können Sie wirklich ein Experte auf dem Gebiet werden, weil Sie von den Besten umgeben sind. Was immer Sie tun möchten, ist hier verfügbar.