Conheça Rhea Goel, cientista aplicada sênior em Sponsored Products

Conheça Rhea, cientista aplicada sênior na Amazon Ads. Ela começou sua carreira como estagiária de desenvolvimento de software e agora gerencia uma equipe de cientistas e engenheiros.

Nesta entrevista, Rhea discute como ela combinou sua formação em engenharia e sua experiência em aprendizado de máquina para enfrentar alguns dos desafios mais complexos de publicidade da empresa. Ela também compartilha como cientistas podem moldar estratégias de negócios enquanto desenvolvem suas carreiras em direções inesperadas.

Comecei como estagiária de engenharia. Eu sempre tive planos de fazer a transição para uma função na área científica, porque era essa a minha formação. No entanto, escolhi propositalmente começar como engenheira para poder aprender as habilidades necessárias para desenvolver e implantar sistemas em produção e entender as melhores práticas para desenvolver para o mundo real.

Após a transição para um cargo de ciência aplicada na Amazon Fashion, me especializei em sistemas de recomendação, classificação e personalização. Agora estou seguindo um caminho para a gestão na área científica. Ser uma engenheira competente me ajudou a me tornar mais autônoma e confiante como cientista, e também significa que sou muito capaz de liderar uma equipe empresarial diversificada que tem tanto especialistas em ciência quanto em engenharia trabalhando juntos para alcançar objetivos.

Na publicidade, existem problemas realmente difíceis de resolver. Você está tentando inserir anúncios de uma forma que garanta que os clientes vejam o conteúdo mais útil para eles, ao mesmo tempo em que os anunciantes obtêm o maior retorno possível de seus anúncios e a Amazon, como publisher, expande seus negócios. Manter o equilíbrio entre três entidades é muito desafiador e cheio de nuances. Eu particularmente aprecio a cultura de experimentação rápida na Amazon, onde podemos testar novos modelos de aprendizado de máquina que operam sob esses diversos objetivos, frequentemente concorrentes.

Na Amazon, cientistas aplicados realmente conseguem influenciar a estratégia mais ampla do negócio. Existem várias oportunidades formais durante o ano, incluindo planejamento anual, planejamento trimestral e hackathons programados regularmente, onde qualquer pessoa, desde cientistas júnior até diretores, pode trazer ideias à mesa, trabalhando de forma retroativa a partir de um ponto de dor do cliente ou objetivo de negócio. Em todos os níveis, somos incentivados a colocar nossas ideias no papel para que a liderança possa analisar e levar adiante.

Existem tantas aplicações práticas de modelos de linguagem de grande escala (LLMs) que poderiam transformar o espaço de classificação de anúncios. Por exemplo, estamos atualmente explorando como usar LLMs para melhor entender as consultas de pesquisa dos compradores para produzir resultados da pesquisa mais relevantes em termos de diferentes atributos do produto, como marca. Um LLM simplifica isso para nós porque já vem com muito conhecimento do mundo incorporado.

Sinto que a liderança está muito comprometida com o meu crescimento profissional. Por exemplo, há um tempo atrás meu gerente mencionou ao meu diretor que eu estava interessada em seguir a carreira de gestão. Meu diretor se lembrou disso, avaliou minhas habilidades ao longo do tempo e então me trouxe uma oportunidade para dar o salto. Recentemente comecei a gerenciar uma equipe, o que tem sido uma ótima experiência de aprendizado.

Também existem muitas oportunidades de mentoria. Assim que você ingressa na Amazon, seu gerente geralmente designa um parceiro para integração e um mentor. Existe um programa de mentoria para Mulheres na engenharia e esquemas formais de mentoria em toda a Amazon; seu gestor pode ajudar a encontrar o mentor ideal para você.

Com certeza. Todo ano a Amazon realiza a Conferência Amazon Machine Learning (AMLC), que é uma conferência científica interna com um padrão muito elevado e baixa taxa de aceitação. Cientistas frequentemente trabalham em projetos com propriedade intelectual e pode ser difícil publicar externamente, mas, com a AMLC, temos a oportunidade de publicar pesquisas científicas. Dado que tem um padrão tão alto e uma taxa de aceitação tão baixa, é igualmente gratificante. Se você for selecionado para uma apresentação oral ou uma apresentação de pôster, terá a oportunidade de apresentar seu trabalho em toda a Amazon, o que é ótimo para visibilidade e crescimento pessoal.

Recentemente, trabalhei em um modelo que personaliza os anúncios de Sponsored Products na página de pesquisa para mostrar aos clientes mais produtos que correspondam aos seus interesses. Nossa filosofia na Amazon é "Obsessão pelo Cliente", então nosso objetivo final é tornar a experiência de publicidade útil e relevante para os clientes. Nosso modelo melhorou significativamente a experiência do cliente.

Este modelo usa aprendizado por reforço, uma das disciplinas mais difíceis de colocar em produção. Tivemos ótimas discussões internas sobre a sobreposição entre a disciplina de aprendizado por reforço e o aprendizado de máquina causal. As pessoas da equipe pegaram emprestado ideias de ambas as áreas para construir este modelo. Foi um projeto gratificante porque era cientificamente desafiador e também teve um impacto tangível para o cliente.

Este é provavelmente o ambiente mais acelerado em que você vai trabalhar, e é um lugar onde você pode encontrar seu próprio espaço. Se você está interessado em uma carreira mais focada em pesquisa aprofundada, existem equipes na Amazon Ads que fazem isso. Se você está mais interessado em experimentação rápida e aplicação empresarial das mais recentes tecnologias de aprendizado de máquina, existem muitas equipes que também fazem isso.

Por fim, a escala da Amazon é gigantesca, então você tem a oportunidade de aprender com algumas das mentes mais brilhantes do setor. Se você estiver aberto a aprender, pode realmente se tornar um especialista na área porque está rodeado pelos melhores. Qualquer coisa que você queira fazer está disponível aqui.