Suggerimenti per la costruzione della carriera da un esperto di dati su Amazon

La scienza dei dati come disciplina e le competenze specifiche nell’apprendimento automatico, nell’analisi e negli algoritmi di addestramento sono molto richieste.

È un campo che è esploso in popolarità negli ultimi dieci anni e si prevede che creerà 11,5 milioni di nuovi posti di lavoro solo negli Stati Uniti entro il 2026.

Allora, com’è lavorare come data scientist e cosa devi sapere se stai pensando di iniziare la tua carriera lì (o di passare più avanti nella vita)?

Ho chiesto a Naveed Ahmed Janvekar, un Senior Data Scientist di Seattle che lavora nel team di prevenzione di frodi e abusi di Amazon, di condividere il suo percorso professionale.

Dai un’occhiata alla sua storia e ai suggerimenti che ha per coloro che sono interessati a intraprendere una carriera nella scienza dei dati.

Una scintilla: utilizzare l’apprendimento automatico per risolvere i problemi del mondo reale

Cosa ti ha portato a una carriera nella scienza dei dati?

Naveed Janvekar: Il mio interesse per l’apprendimento automatico è cresciuto quando lavoravo per Fidelity Investments come sviluppatore di software.

Avevo colleghi che lavoravano come analisti con dati per identificare le tendenze, il che mi ha reso curioso di esplorare questo campo. Così ho iniziato ad analizzare le mie transazioni finanziarie personali per generare tendenze e approfondimenti.

Ciò ha portato a dedicare più tempo alla ricerca dell’apprendimento automatico e a come sfruttarlo per modellare modelli ripetitivi per prevedere i risultati futuri e utilizzarlo a nostro vantaggio per risolvere problemi critici su larga scala.

Al fine di acquisire una migliore esperienza in questo settore, ho deciso di seguire il mio Master in Scienze dell’Informazione con una specializzazione in Machine Learning e Analytics.

Dopo la laurea, ho lavorato in diverse aziende con sede negli Stati Uniti in diversi ruoli analitici come Analista presso Nanigans (una startup AdTech con sede a Boston), Business Intelligence Developer presso KPMG e Senior Data Scientist presso Amazon.

Il ruolo dell’IA nella sicurezza dei dati

Che ruolo gioca l’apprendimento automatico nel tuo lavoro come Sr. Data Scientist su Amazon?

Naveed Janvekar: L’apprendimento automatico e la scienza dei dati svolgono un ruolo fondamentale nel mio lavoro in Amazon.

Nel team di prevenzione degli abusi, utilizziamo vari algoritmi di classificazione e algoritmi di deep learning per rilevare frodi e abusi sulla piattaforma.

L’apprendimento automatico aiuta a ottenere scalabilità e rilevamento ad alta precisione rispetto al tradizionale rilevamento degli abusi basato su regole e/o euristico.

Poiché i comportamenti di abuso diventano complessi nel tempo, l’apprendimento automatico ci aiuta in questa sfida poiché riformiamo costantemente i modelli con i più recenti comportamenti/modelli di abuso.

Ho depositato brevetti per invenzioni relative al rilevamento di abusi emergenti sulla piattaforma utilizzando il machine learning.

Comunicazione di insight basati sui dati

Quale abilità o esperienza inaspettata ritieni ti abbia aiutato come professionista della scienza dei dati?

Naveed Janvekar: L’abilità di acquisire competenze nel settore ed essere in grado di comunicare in modo efficace e semplicistico le informazioni approfondite agli stakeholder aziendali mi ha aiutato di più come professionista della scienza dei dati.

Quando ho iniziato il mio viaggio nella scienza dei dati, ho posto molta più enfasi sui dettagli tecnici che sull’essere un narratore efficace.

Ma negli ultimi anni mi sono reso conto che essere in grado di comunicare narrazioni e approfondimenti dalla scienza dei dati o dall’apprendimento automatico è importante quanto implementare strategie di apprendimento automatico.

Lavorare insieme agli algoritmi per creare il cambiamento

In che modo le aziende dovrebbero adattare il loro approccio in questo spazio per il futuro?

Naveed Janvekar: In passato, la prevenzione delle frodi veniva tradizionalmente eseguita utilizzando regole euristiche aziendali.

Se hai osservato che un determinato modello appare frequentemente nel tempo, puoi inserire una regola aziendale per segnalare lo stesso modello in futuro.

Tuttavia, questa è una soluzione a breve termine. Non tiene il passo con l’evoluzione dei modelli di frode.

È qui che entrano in gioco l’apprendimento automatico e l’intelligenza artificiale e hanno cambiato il panorama.

Ora, i modelli vengono addestrati utilizzando dati storici su più comportamenti di frode, rendendo questi modelli robusti e aiutando gli algoritmi ad apprendere comportamenti complessi, cosa molto più difficile da fare per gli esseri umani.

Le aziende hanno iniziato a utilizzare l’apprendimento automatico per il rilevamento delle frodi. Ora devono concentrarsi su aspetti come la riqualificazione automatizzata dei modelli per catturare gli ultimi comportamenti nelle frodi e rendere i modelli altamente precisi.

Questo aiuta ad automatizzare le azioni come risultato dell’output del modello, piuttosto che avere revisori umani necessari per valutare le entità sospette che vengono segnalate dopo il fatto.

Lavorare con dati e algoritmi può essere impegnativo

Ma cosa lo rende eccitante e divertente?

Naveed Janvekar: Mi è piaciuto l’ingegneria delle funzionalità dai dati, che fa emergere il mio lato creativo.

Sulla base dell’esperienza nel settore, i data scientist possono scambiare i dati in diversi modi per rispondere alle domande degli stakeholder aziendali, eseguire analisi esplorative dei dati, trovare correlazioni tra variabili e condurre l’ingegneria delle caratteristiche per prestazioni del modello migliori.

Per quanto riguarda gli algoritmi, ho sempre sperimentato l’addestramento di tipi diversi sui set di dati di addestramento, la conduzione di valutazioni e un’analisi approfondita del motivo per cui alcuni algoritmi funzionano meglio di altri.

Questo mi aiuta a comprendere più a fondo questi algoritmi e le situazioni in cui funzionano e dove non funzionano.

Tutto ciò rende il lavoro divertente ed eccitante per me.

Entrare a far parte della comunità di data science

Qual è un suggerimento utile che vorresti condividere con i principianti della scienza dei dati che sono interessati alle sue applicazioni nel marketing e nel commercio e potrebbero voler migliorare se stessi in questo campo?

Naveed Janvekar: Un suggerimento utile sarebbe quello di partecipare a ricerche e invenzioni nell’ambito dell’apprendimento automatico e della scienza dei dati.

Entra a far parte di gruppi di lavoro che stanno cercando di risolvere i problemi nella tua area di interesse utilizzando l’apprendimento automatico.

Contribuisci alla loro ricerca, ottieni feedback tra pari, pubblica articoli e deposita brevetti.

Attraverso questi meccanismi, contribuisci attivamente alla comunità scientifica, imparando costantemente dai colleghi e migliorando te stesso.

È anche una buona idea avere un mentore di scienza dei dati.

Al passo con le tendenze SEO

Come fa un data scientist a rimanere aggiornato e informato nel campo della SEO?

Naveed Janvekar: Nel campo della SEO, l’apprendimento automatico aiuta nella comprensione di query, ricerca vocale e personalizzazione.

I data scientist possono esplorare l’applicazione di vari algoritmi all’avanguardia per casi d’uso SEO per misurare l’efficacia degli algoritmi più recenti.

In questo modo i data scientist saranno aggiornati sulle ultime tendenze del settore, oltre ad aggiornare lo stack di apprendimento automatico nelle aziende legate alla SEO.

Esistono varie riviste e conferenze, come la IEEE International Conference, sull’apprendimento automatico e sulle applicazioni per aiutarti a saperne di più sulle ultime tendenze dell’apprendimento automatico.

Non è direttamente correlato alla SEO, ma ti aiuterà a capire i progressi tecnologici che interromperanno il tuo spazio successivo.

Altre risorse:


Immagine in primo piano: per gentile concessione di Naveed Janvekar

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *