Реклама на сайте Advertise with us
Новости
Статьи
Поисковые системы
Дизайн и Юзабилити
Законы / Финансы
Маркетинг
Порно контент
Ниши и психология
Партнерские Программы
Траффик-Менеджмент
Сервисы
Программинг
Софт и Скрипты
Хостинг / Железо
Интервью
Веб камеры
Путешествия
История секса
Форум
FAQ
Каталог
Опросы
Участники

CТАТЬИ Статьи

Раздел: Поисковые системы

Версия для печати

20 вопросов Гари Флэйку, руководителю исследовательских лабораторий Yahoo!

Сегодня мы публикуем первую часть интервью с Гари Флейком (Gary Flake), руководителем исследовательских лабораторий Yahoo!


Доктор Гари Флэйк, главный ученый и глава исследовательских лабораторий Yahoo!, ответил на 20 вопросов по e-mail. Рекомендуем прочитать эти ответы всем заинтересованным в веб-поиске и онлайновом поиске информации.

ResourceShelf: Др. Флэйк, расскажите нам, пожалуйста, о вашем прошлом в информационном и веб-поиске.

Gary Flake: Как и многие в этой индустрии, я начинал с изучения механизмов поиска. В конце 80-х я работал над тем, что по сегодняшним меркам может быть названо детскими проблемами. В начале 90-х я начал работать над проблемой трактовки больших объемов данных (сначала в области биомедицины, затем занимался промышленными процессами). Чем больше данных, тем поиск становится интереснее, так что для меня было вполне естественно переключиться на Web и поиск информации в Сети, потому что именно здесь можно найти некоторые из наиболее интересных данных.

RS: Сколько людей в вашей команде занимаются исследованиями? Как вы решаете, над какими новыми продуктами или сервисами работать? Каков ваш типичный рабочий день?

GF: У нас около 25 сотрудников на полный рабочий день в исследовательских лабораториях Yahoo! (YRL), и значительно большее количество, если брать в расчет сообщество исследователей и разработчиков Yahoo!, которое включает людей из частных бизнес-подразделений (BUs). Эти две группы работников сотрудничают настолько плотно, насколько это возможно. Сотрудники лабораторий, работающие на полный день, сосредоточены на задачах, которые определяют развитие компании в целом, а ученые из бизнес-подразделений - на специфических проблемах.

Как мы выбираем, над чем работать - это длинная история (и частично охватывает мою собственную историю промышленных исследований), поэтому, пожалуйста, будьте терпеливы, ответ на этот вопрос весьма объемен. В общем, задача нашей лаборатории - давать пригодные для повторного использования результаты, изучать сферы, не охваченные бизнес-подразделениями, и, наконец, искать и исследовать данные, которые могут перевернуть индустрию. Управление исследовательской группой с такого рода задачей требует от человека очень целостного взгляда на предметную область и умения ценить разнообразие. Под этим я понимаю то, что мы выбираем множество вещей, которые исследуются весьма разными способами. Мы работаем над короткими, среднесрочными и долгосрочными проектами. У нас есть направления, инициированные ученым или инженером, но мы также выполняем запросы нашей администрации. Мы работаем над фундаментальными алгоритмами (которые иногда дают глубокие теоретические результаты), но также изучаем и бизнес-проблемы. Мы работаем над индивидуальными продуктами, улучшением инфраструктуры, и даже разрабатываем бизнес-стратегии.

Дело в том, что мы стараемся делать все это в комплексе. Некорректная таблица приоритетов выполнения этих довольно конфликтных задач дает посредственные результаты. Обратное тоже верно. Моя работа заключается именно в расстановке таких приоритетов. Если работа лаборатории становится хаотичной, я беру свой кнут надсмотрщика и работаю им, пока хаос не уменьшается. Если же работа кажется мне слишком сосредоточенной или упорядоченной, то я вношу в нее кратковременную анархию.

Это был философский ответ, который совершенно не касался предмета наших исследований. Если принимать во внимание содержание работы, то мое личное предпочтение - искать работу, которая больше всего подходит для повторного использования (то есть применима к тематике исследований наших бизнес-фирм, и позволяет получить большую отдачу от затраченных средств). Я также думаю, что все наши усилия должны быть интересны в научном, математическом, техническом, производственном или стратегическом аспектах. Лучшие исследования будут значимы для всех этих направлений. Например, задачи разработки обучающихся машин и интерпретации данных автоматически имеют максимальный приоритет, т. к. любой результат работы над ними может применяться для тематики исследований множества наших бизнес-подразделений.

09.11.04
Источник: resourceshelf.
Автор: Gary Flake. Перевод: e-baka..

Спонсор раздела Стань спонсором этого раздела!

Реклама на сайте Advertise with us