Maria Elena, Directrice des Solutions chez Stradigi AI – Série d’entretiens

Maria Elena Carbajal apporte plus de 25 ans d’expérience dans le domaine de l’intelligence artificielle, des technologies de l’information et des télécommunications à sa carrière professionnelle. Elle a 18 ans d’expérience dans une entreprise de télécommunications au Canada et en Suède, ainsi que dans les secteurs aérospatial, énergétique et des technologies de l’information avec diverses entreprises. Actuellement, elle travaille pour Stradigi AI, un leader canadien dans le domaine de l’intelligence artificielle.

Maria Elena Carbajal a occupé de nombreux rôles fonctionnels au sein de la R&D, de l’ingénierie, des services professionnels mondiaux, de la transformation numérique et des technologies de l’information. Son expérience internationale comprend le travail et la gestion d’équipes dans des pays tels que le Pérou, le Canada, les États-Unis, le Mexique, le Brésil, la Suède, la Finlande, la Norvège, la Russie, l’Estonie et la Biélorussie.

Qu’est-ce qui vous a attiré vers l’IA initialement ?

J’ai toujours été passionnée par le travail dans le secteur technologique. En tant qu’individu, je suis toujours investie dans l’optimisation de ce qui m’entoure : de l’organisation de mon ménage à l’apport d’efficacité à mes équipes, clients et entreprises en général. C’est au cœur de mon être. J’ai eu la chance d’avoir une expérience très pratique avec la mise en œuvre de technologies de pointe au cours des deux dernières décennies dans diverses industries, donc les compétences deviennent très diversifiées et transférables.

En regardant plus spécifiquement l’IA, je suis une forte partisane du fait que l’intelligence artificielle et l’informatique quantique vont révolutionner toutes les industries – sans exception. L’IA est cruciale pour débloquer et alimenter l’optimisation dans tous les domaines : entreprise, professionnel et personnel. C’est ce qui m’a attirée et m’a maintenue engagée et inspirée, jour après jour.

Vous étiez précédemment employée chez Ericsson (ERIC ) pendant 18 ans, qu’est-ce qui vous a fait décider de rejoindre Stradigi AI ?

J’étais intéressée à me concentrer sur mes efforts professionnels sur l’IA en raison de son impact sur la façon dont nous vivons et travaillons. L’IA ouvre la porte à une gamme de problèmes que vous cherchez à résoudre en travaillant avec des entreprises de toutes tailles, ce qui vous donne la chance de faire une différence, de bouger les choses et d’utiliser la technologie pour le bien. De plus, j’avais une expérience exécutive étendue chez Ericsson, qui, en contraste, est une organisation massive. En passant à une startup comme Stradigi AI, je voulais me pousser hors de ma zone de confort et vivre ce que c’est que d’être partie de l’écosystème de l’IA en pleine évolution qui se forme à Montréal. Il y a quelque chose de motivant et d’énergisant à faire partie de cette communauté.

J’ai passé un an chez Stradigi AI, et après un an de travail avec un groupe incroyable de professionnels et d’innovateurs, il est clair que mes expériences chez Ericsson ont été si précieuses et transférables à n’importe quelle organisation, quelle que soit la taille. Ma philosophie a toujours été de déplacer l’aiguille de la technologie un client à la fois, et j’ai apporté cela à Stradigi AI, aussi.

Stradigi AI permet à quelqu’un sans expérience en apprentissage automatique de produire des modèles d’IA, pouvez-vous décrire comment cela est réalisé ?

Beaucoup de discours dans le monde de l’IA et de l’apprentissage automatique tournent autour de la « démocratisation ». Ce qui, pour le dire simplement, est tout autour de la mise à disposition de l’IA pour les masses. Mais la disponibilité et l’utilisabilité ne sont pas les mêmes. Avec notre plateforme d’apprentissage automatique en libre-service, Kepler, notre objectif principal est de nous assurer que les experts internes et les analystes peuvent produire des modèles avec des techniques d’apprentissage automatique avancées, sans avoir à apprendre des compétences complexes en science des données ou à impliquer leurs équipes de science des données.

D’un point de vue pratique et technique, cela est réalisé en automatisant les processus de science des données étape par étape qui prennent généralement du temps et des compétences pour être complétés. Par exemple, Kepler automatise le processus d’ingénierie de fonctionnalités, une entreprise complexe et multétape. Il crée également automatiquement un pipeline en sélectionnant les meilleurs algorithmes, subit une configuration et une optimisation des hyperparamètres automatisées – tout cela sans intervention humaine.

L’objectif de disposer de ce niveau d’automatisation dans le processus est de libérer vos experts de perdre du temps sur des tâches triviales et chronophages. En automatisant ces étapes, Kepler donne à votre équipe plus de temps pour réfléchir à la prochaine grande innovation, plutôt que de s’occuper des tâches mineures de la journée. Pour les analystes et les experts, c’est également une voie pour se perfectionner : en mettant en œuvre des outils d’apprentissage automatique dans leur travail quotidien, vous leur donnez la chance d’enrichir leur analyse et donc leur approche des cas d’utilisation clés.

Quels sont quelques modèles d’IA intéressants que vous avez vus chez des entreprises utilisant Kepler ?

La beauté de Kepler est qu’il couvre un large éventail de cas d’utilisation dans plusieurs industries, en utilisant une gamme de techniques allant de l’apprentissage automatique classique à l’apprentissage profond. Des gouvernements aux investissements, Kepler peut aider les dirigeants à obtenir des résultats mesurables.

Quelques projets impactants qui me viennent à l’esprit et qui ont un grand impact sur la façon dont nous vivons et travaillons, c’est le développement de modèles innovants dans le secteur de la santé, où nous avons utilisé des modèles de segmentation d’images et des modèles de régression pour détecter les maladies. Un autre exemple est notre travail avec des organismes de réglementation dans les gouvernements locaux et nationaux en utilisant la compréhension du langage naturel pour catégoriser des informations textuelles complexes et apporter de nouvelles efficacités aux processus hérités.

À l’autre extrémité du spectre, nous avons également utilisé Kepler pour optimiser les activités de trading pour un client dans le secteur financier.

Stradigi AI utilise un flux de travail de science des données automatisé. Pour ceux qui ne sont pas familiers avec cela, pouvez-vous décrire ce que c’est et comment il est utilisé par Stradigi AI ?

Les flux de travail de science des données automatisés (ADSW) sont les processus de science des données de bout en bout qui fonctionnent dans Kepler. Les ADSW ont été créés pour résoudre un certain nombre de cas d’utilisation, nous avons donc construit chaque « flux de travail » pour avoir des applications très pratiques. Par exemple, l’un de nos flux de travail est la prévision de série chronologique, qui permet aux professionnels de la grande distribution ou du détail de prédire quand les stocks devront être réapprovisionnés. Il y a huit flux de travail préexistants dans Kepler, qui sont tous conçus de manière intuitive pour les non-spécialistes de la science des données.

Les ADSW sont des flux de travail d’apprentissage automatique avancés qui automatisent les processus clés, dont certains que j’ai mentionnés plus haut. Dans un ADSW, Kepler automatise :

• l’optimisation des hyperparamètres
• la configuration
• la sélection de modèles
• la division des données de formation et de test
• la création de tableaux de bord
• l’évaluation des métriques de modèles

Tout ce dont l’utilisateur a besoin pour obtenir un modèle d’apprentissage automatique déployable est des données et un cas d’utilisation à résoudre. Et, en fonction du jeu de données, tout le travail complexe au sein d’un ADSW peut être terminé en quelques minutes.

Quels types de données peuvent être utilisés ?

La plateforme Kepler vous permet de travailler avec des données tabulaires, des données textuelles et des données d’images.

Pour ceux qui ne sont pas familiers avec les données et les types de données, je vais les décomposer :

1. Tabulaires : il s’agirait d’une feuille de calcul contenant des informations clés comme des données de vente, ou d’une table de base de données contenant des informations démographiques sur les clients, les produits, etc.
2. Textuelles : ce type de données peut prendre de nombreuses formes, pensez aux e-mails, aux commentaires de clients, au contenu des médias sociaux, aux archives de bibliothèque, aux contrats, etc.
3. Images : pensez à des galeries de produits ou à des photos d’articles sur une ligne de montage.

Les données vidéo seront ingestibles dans Kepler à l’avenir. Sur notre site Web, sous « Types de données », nous expliquons quels types de données peuvent résoudre des cas d’utilisation clés. Vous seriez surpris de constater combien de données restent inexploitées, en particulier dans les grandes entreprises.

Avez-vous des conseils ou des stratégies pour les femmes qui souhaitent rejoindre le secteur technologique ?

J’ai trois conseils que je pense sont vraiment fondamentaux pour réussir dans l’industrie technologique.

1 – Apprentissage. Cela devrait toujours faire partie de votre vie. Quel que soit votre âge, vous devriez toujours avoir quelque chose à apprendre. Il n’a pas d’importance de la manière dont vous allez apprendre ou de qui vous apprenez, soyez simplement prêt à recevoir des connaissances. Ouvrez votre esprit. Nettoyez votre cerveau pour que vous puissiez être prêt à recevoir plus de connaissances, plus d’amour, plus d’empathie… juste plus. Soyez obsédé par votre propre développement. Un excellent rappel est que l’ouverture à l’apprentissage est l’une des principales manifestations de l’empathie.

2 – Passion. Les exemples de travail acharné n’ont jamais été déçus dans mon expérience professionnelle. Je suis toujours prête à lever la main au travail pour prendre en charge des situations complexes ou des activités compliquées. Plus je le fais, plus je me rends compte que tout est possible. Je n’hésiterais pas à sortir de ma zone de confort et à relever ce défi supplémentaire. Lorsque vous faites cela, les dirigeants peuvent identifier et apprécier la passion que vous manifestez.

Lorsque vous abordez le travail de cette façon, vous n’avez pas besoin d’attendre cette grande opportunité d’emploi qui va changer votre vie. Si vous prêtez attention, vous remarquerez qu’il y a de nombreuses petites tâches autour de vous qui vous donneront plus de visibilité auprès des décideurs et, surtout, plus de possibilités d’apprendre.

3 – Mentorat. Pour moi, le mentorat est un outil si puissant, car il fait travailler vos muscles d’écoute et d’apprentissage ou vos compétences. Le mentorat peut également vous rapprocher de grands dirigeants de vos réseaux professionnels ou de votre cercle personnel. Tout au long de votre carrière, il est crucial d’identifier le type de dirigeants en qui vous pouvez avoir confiance et les suivre comme mentors et modèles.

Les dirigeants qui croient en vous vous pousseront hors de votre zone de confort et seront là pour vous aider à gagner en force, aussi. Les grands dirigeants et les grands mentors peuvent être honnêtes de manière brutale, mais ils peuvent également être d’excellents auditeurs. Trouver des personnes altruistes pour vous aider à atteindre votre plein potentiel peut vous offrir certains des meilleurs moments d’enseignement de votre vie. Maintenant, votre tâche est de trouver et de reconnaître qui sont ces mentors pour vous – et de leur faire confiance.

Je vous remercie pour l’entretien. Vos trois stratégies pour ceux qui souhaitent entrer dans le secteur technologique sont applicables à tous et je suis entièrement d’accord avec elles. Quiconque souhaitant en savoir plus sur Kepler ou cette entreprise incroyable devrait visiter Stradigi AI.