在当时，他已经自己开始设计一套系统，系统中的智能过滤器可以提升移动电话的信号。现在的他将其称之为「一个婴儿的神经网络」。自那个时候，他的人生有了明确的方向，他对机器训练算法的热爱超过了一切，也超过了编程。在 2000 年，他在丹麦进行了一个学期的学习，也就是在那里，他遇到了机器学习领域的教授 Carl Rasmussen，此人师从具有传奇色彩的 Geoff Hinton（自孩童时就在机器学习上展现了惊人的天赋）。也就是在遇到了 Carl Rasmussen 之后，他对机器学习的热情进一步高涨。在毕业之际，Rasmussen 发出邀请，希望他继续深造博士学位，他果断地选择了机器学习。

　　在 2007 年，他进入位于剑桥的微软研究室工作。他进入工作岗位没几天，立刻就意识到了在全行业内，围绕着人工智能，各家公司都在全力以赴地进行研发。微软在那个时候即将发布 Bing 这款搜索引擎，但是在「搜索广告」领域的某个关键环节还需要进一步的提升，即「它需要预测什么时候用户会点击广告。」

　　微软当时觉得在公司内部展开一次竞赛，胜出的团队所给出的解决方案会投入到产品实践当中，而团队成员将获得一次免费去夏威夷度假的机会。19 个团队参与到这次竞赛当中，而 Candela 成为了最终的胜者。他虽说是得到了一次免费去夏威夷游玩儿的机会，但是，微软在进一步测试他的解决方案时，并没有将其应用到 Bing 搜索引擎性能的提升中，他当时感觉自己被人给欺骗了。

　　这次对他工作成果的否定反而激发起来他无尽的斗志和决心。之后，他开始在公司内部进行疯狂的演讲推介，面向公司同事，他做了超过 50 次的演讲，并开发了一个模拟器来展示他所开发的算法高明之处在哪里。甚至于他还跟踪过负责做人工智能相关决策的副总裁，吃自助餐的选菜的时候刻意接近他搭话，副总裁去上厕所的时候也跟着，在旁边的尿池看似无意，实则主动创造谈话机会。

　　在 2009 年，Bing 上终于搭载了 Candela 所开发的算法。而在 2012 年年初，他的职业生涯再一次迎来了重大转变。

　　当时他的一个朋友在 Facebook 工作，某个周五，他们俩相约在 Menlo Park 园区见面。就在这次相互诉说工作近况如何的闲谈之中，他才意识到原来在 Facebook 还有如此与众不同的一种企业文化：人们不像他在微软，为了进行某项测试工作还得可怜巴巴地向上面打申请，请求批复。Facebook 的员工想做什么有充分的自由度。于是，周一一上班，他就去参加 Facebook 的面试，很快，他就拿到了 Facebook 开出来的 Offer。

　　加入到 Facebook 广告团队之后，他的工作任务就是让 Facebook 推送出更加精准，跟用户有关的广告。那个时候整个平台上还没有用机器学习呢。Candela 回忆道：「当时我们使用的模型都是非常简单的，几乎没有什么技术含量。」

　　同期加入 Facebook 的员工还有 Hussein Mehanna，他之前也是微软的老员工。（在本文中我们采访的好多 Facebook 员工都是从微软跳槽过来的。巧合还是其他原因？）当时他没有进 Facebook 的时候，原以为 Facebook 已经做好了拥抱人工智能技术的部署，但是事实上什么都没有。Facebook 拥有着遍布全世界的人际网络，丰富的信息资源，但是却没有合适的软件帮助 Facebook 从里面提取出来价值。于是，此人也选择加入 Facebook 助他一臂之力。此人目前已经是 Facebook 核心机器学习团队的总监。

　　说到目前的「机器学习平台」，Mehanna 进一步解释道。在上个世纪，人工智能领域基本上可以算是「荒原」，而正是因为借鉴了人脑的工作机制，并在此基础上开发出了一些模型，人工智能技术才突破瓶颈实现飞跃。在 Facebook 广告的这个例子上，系统做了一件人力无法企及的事情：针对某一个具体的广告，软件能够迅速，准确的预测有多少人会点击它。Candela 和他的团队成员就是基于机器学习的流程，开发出一套全新的系统。

　　说是系统，更应该称之为平台。因为团队成员的愿景是，所有工程师都能够在这个平台上研发，建模还是机器学习会非常容易完成并复制。

　　要开发这样的机器学习系统，有一个非常重要的前提：一定要获得高质量的数据，而且越多越好。幸运的是，这方面正好是 Facebook 最大，最优质的资产。当你的产品上每天有超过 10 亿人在上面互动，上面产生的数据量那真的是一个天文数字，而这正好可以用于机器学习。一旦你开始进行测试，用户行为的案例取之不尽用之不竭。