--- "title": "Команда Criteo: Суджу Раджан, вице-президент по исследованиям в Criteo" "date": "2019-05-14T16:31:57+00:00" "url": "https://www.criteo.com/ru/blog/%d0%ba%d0%be%d0%bc%d0%b0%d0%bd%d0%b4%d0%b0-criteo-%d1%81%d1%83%d0%b4%d0%b6%d1%83-%d1%80%d0%b0%d0%b4%d0%b6%d0%b0%d0%bd-%d0%b2%d0%b8%d1%86%d0%b5-%d0%bf%d1%80%d0%b5%d0%b7%d0%b8%d0%b4%d0%b5%d0%bd%d1%82/" "description": "Еще будучи студенткой в индийском университете по специальности Электроника и коммуникации, Суджу Раджан заинтересовалась сферой машинного обучения." "image": "https://www.criteo.com/ru/wp-content/uploads/sites/10/2019/05/suju_photo.jpeg" "author": "Tanitra Partivit" "category": "Новости Criteo" --- 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](http://cail.criteo.com/careers/). 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. ![Suju rajan quote](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/05/Suju-rajan-quote-1.png) 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. ![Criteo Research Team](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/05/rsc6.jpeg)*Команда исследователей Criteo Research. Фото сделано Суджу Раджан.* 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. ![Suju Rajan with her criteo research team](http://www.criteo.com/ru/wp-content/uploads/sites/10/2019/05/Suju-team.jpeg)Суджу со своей командой *Фото сделано Суджу Раджан.* ### **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](http://cail.criteo.com/careers/), 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. ### **Большое спасибо за интересную беседу, Суджу!**