Hvordan er det å jobbe som Data Scientist i Oda?
For en måned siden dro vi i Oda til Trondheim for å holde en workshop med BRAIN. Mens vi var der tok vi en prat med en av foredragsholderne, Lars Mushom, for å lære litt om hvordan det er å jobbe som Data Scientist.
Kjapp speeddate: Hvem er Lars? 🙋
Navn: Lars Mushom
Alder: 26
Bosted: Oslo
Utdannelse: Fysikk og matematikk på NTNU. Spesialiserte meg innen statistikk og hadde ett år på UC Berkeley.
Jobb: Data Scientist i Oda
Fartstid som Data Scientist: Litt over to år totalt, og snart ett år i Oda.
Hører på: Mye forskjellig, i det siste har jeg rotert mellom Fred again.., Talking Heads og Black Country, New Road.
Ser på: Film, helst i et stort, mørkt rom sammen med fremmede. Jeg så Koyaanisqatsi nylig i forbindelse med en filmklubb vi har i teamet. En kollega beskrev den som en eksperimentell, absurd version av Planet Earth. Det er det beste jeg har sett på en god stund.
Mest kjøpte varer på Oda: Aubergine, Falafel og Snickers-Is.
Hvorfor Data Science? 👨🏼🔬
Hvordan ble du data scientist?
Jeg var en typisk realfagsnerd på videregående og skulle egentlig bli fysiker da jeg startet på NTNU. Etter hvert innså jeg at AI er det nye kule, så jeg tok turen innom statistikk før jeg endte opp med å skrive masteroppgaven om nevrale nett og generative modeller. Det er slike modeller som lager alle de “AI-bildene” som florerer på internett for tiden.
Jeg vurderte lenge å ta doktorgrad, men fant ut av at jeg kunne jobbe med maskinlæring og samtidig være med på å bygge et produkt folk elsker, så derfor ble det Oda.
Hva jobber du med for tiden?
Jeg er en del av teamet som driver med anbefalinger, og min jobb er å lage modeller som predikerer hvilke varer som blir vist til deg når du handler. Dette innebærer både modeller som har lært hvilke varer du nesten alltid handler, for eksempel taco på fredag. Men også modeller som kan finne nye og inspirerende produkter som passer preferensene dine.
I det siste har vi jobbet en del med en maskinlærsingsmodell som heter Transformer, og det var det jeg snakket om i Workshopen hos BRAIN. Denne modellen ble introdusert i 2017 innenfor språkteknologi, men har siden revolusjonert det aller meste innenfor AI, og vi har oppnådd veldig gode resultater for anbefalinger.
Hvordan ser en typisk arbeidsdag ut for deg? ☕
Jeg kommer på kontoret rundt kl 9 og starter som regel dagen med en stand-up med teamet eller en kort sync med de jeg samarbeider med. Ellers er dagen ganske variert og fleksibel. I begynnelsen av et prosjekt bruker jeg gjerne litt tid på å lese forskningsartikler. Deretter lager jeg modellen og trener den på den dataen som er tilgjengelig. Når jeg er fornøyd med modellen, tester vi den på brukere med en A/B-test. I løpet av en vanlig dag blir det alltid noen bordtenniskamper også 🏓, der vi logger alle kampene i et internt Elo-rating system.
Hva har du lyst til å lære mer om fremover?
Reinforcement learning! Anbefalinger kan ses på som en interaktiv prosess der modellen gir noen prediksjoner og brukeren svarer med å klikke på produktet eller ikke. Dette kan vi bruke for å lære enda bedre modeller.
Hvilke metoder bruker du som data scientist? 👨🏼💻
Data science er et veldig bredt område der man kan jobbe med veldig mye forskjellig, også i Oda. Vi vil at anbefalingsmodellene skal være veldig fleksible for å lære komplekse forbruksmønstre, så derfor bruker vi ofte nevrale nettverk. Jeg jobber i python og skriver de fleste modellene i tensorflow. Det er gode muligheter for å lære nye ting og holde seg oppdatert. For eksempel deltok jeg nylig på RecSys som er den største konferansen innen anbefalingssystemer.
Hvordan er det å være data scientist i Oda?
Noe man ofte hører er at en data scientist bruker det meste av tiden på å samle og rense data, og relativt lite tid på å utvikle modeller. Men jeg føler ikke det stemmer helt i Oda. Vi har veldig god infrastruktur for å få tak i data og beregningskraft, slik at vi kan bruke mest mulig tid på å utvikle modeller og tenke på hvilke problemer vi vil løse.
Hvilke personlige egenskaper bør man ha for å trives som data scientist?
Det er vanskelig spørsmål, og jeg tror veldig mange typer kan trives som en data scientist. Jeg tror man til en viss grad må være komfortabel med usikkerhet rundt problemet man ønsker å løse. Ofte vet man ikke om noe funker før man prøver det, noe som også gjør det veldig tilfredsstillende når man lykkes!
Helt på tampen Lars: hva var det beste med kvelden med BRAIN? 🧠
Folkene som deltok! Det var et veldig proft opplegg og det er utrolig kult at folk vil bruke en torsdagskveld til å lære om Oda og AI! Jeg deltok på flere arrangementer av BRAIN da jeg var student, og det var veldig gøy å være tilbake, denne gangen på scenen. 🚀
