मारिया एलेना, स्ट्राडिगी एआई में समाधान निदेशक – साक्षात्कार श्रृंखला

मारिया एलेना कार्बाजल अपने पेशेवर करियर में 25 वर्षों से अधिक के आर्टिफिशियल इंटेलिजेंस, इंफॉर्मेशन टेक्नोलॉजी और टेलीकम्युनिकेशन्स के अनुभव को लाती हैं। उनके पास कनाडा और स्वीडन में एक टेलीकम्युनिकेशन कंपनी में काम करने का 18 वर्षों का अनुभव है, साथ ही एयरोस्पेस, ऊर्जा और इंफॉर्मेशन टेक्नोलॉजी क्षेत्रों में विभिन्न कंपनियों के साथ। वर्तमान में, वह स्ट्राडिगी एआई के लिए काम कर रही है, जो कनाडा में एक आर्टिफिशियल इंटेलिजेंस लीडर है।

मारिया एलेना कार्बाजल ने आरएंडडी, इंजीनियरिंग, ग्लोबल प्रोफेशनल सर्विसेज, डिजिटल ट्रांसफॉर्मेशन और इंफॉर्मेशन टेक्नोलॉजी के भीतर कई कार्यात्मक भूमिकाओं में प्रदर्शन किया है। उनके अंतर्राष्ट्रीय अनुभव में पेरू, कनाडा, यूएसए, मेक्सिको, ब्राजील, स्वीडन, फिनलैंड, नॉर्वे, रूस, एस्टोनिया और बेलारूस जैसे देशों में टीमों को काम करने और प्रबंधित करने का अनुभव शामिल है।

आपको आर्टिफिशियल इंटेलिजेंस में शुरू में क्या आकर्षित किया?

मैंने हमेशा टेक सेक्टर में काम करने के लिए जुनून रखा है। एक व्यक्ति के रूप में, मैं अपने आसपास की चीजों को अनुकूलित करने में निवेश किया है: अपने घर को व्यवस्थित करने से लेकर अपनी टीमों, ग्राहकों और व्यवसायों को कुशलता लाने तक। यह मेरे अस्तित्व का केंद्र है। मुझे पिछले दो दशकों में विभिन्न उद्योगों में अग्रणी प्रौद्योगिकी को लागू करने का बहुत हाथों-हाथ अनुभव मिला है, इसलिए कौशल बहुत विविध और हस्तांतरणीय हो जाते हैं।

आर्टिफिशियल इंटेलिजेंस को विशेष रूप से देखते हुए, मैं एक मजबूत विश्वासी हूं कि आर्टिफिशियल इंटेलिजेंस और क्वांटम कंप्यूटिंग सभी उद्योगों को क्रांतिकारी बना देगा – कोई अपवाद नहीं। आर्टिफिशियल इंटेलिजेंस व्यवसाय, पेशेवर और व्यक्तिगत क्षेत्रों में अनुकूलन को अनलॉक करने और ईंधन देने के लिए महत्वपूर्ण है। यह मुझे आकर्षित करता है और मुझे दिन-प्रतिदिन प्रेरित रखता है।

आप पहले एरिक्सन के साथ 18 वर्षों तक काम करते थे, स्ट्राडिगी एआई में शामिल होने का आपको क्या आकर्षित किया?

मैं आर्टिफिशियल इंटेलिजेंस पर अपने पेशेवर प्रयासों को केंद्रित करने में रुचि रखता था क्योंकि यह जीवन और काम करने के तरीके को कैसे प्रभावित करेगा और बदलेगा। आर्टिफिशियल इंटेलिजेंस बड़े या छोटे उद्यमों के साथ काम करने वाली समस्याओं का दरवाजा खोलता है जो आपको अंतर लाने, सुई को हिलाने और तकनीक के लिए अच्छा करने का मौका देता है। इसके अलावा, मेरे पास एरिक्सन में व्यापक कार्यकारी अनुभव था, जो एक विशाल संगठन है। स्ट्राडिगी एआई जैसे स्टार्टअप में संक्रमण, मैं अपने आराम क्षेत्र से बाहर निकलना चाहता था और मॉन्ट्रियल में形成 हो रहे थ्राइविंग, विकसित हो रहे आर्टिफिशियल इंटेलिजेंस इकोसिस्टम का हिस्सा बनने का अनुभव करना चाहता था। इसमें कुछ प्रेरक और ऊर्जावान होने के लिए है।

मैं स्ट्राडिगी एआई में एक वर्ष से काम कर रहा हूं, और एक वर्ष के बाद एक अद्भुत समूह के पेशेवरों और नवोन्मेषकों के साथ काम करने के बाद, यह स्पष्ट है कि मेरे एरिक्सन में अनुभव बहुत मूल्यवान और किसी भी आकार के संगठन में हस्तांतरणीय रहे हैं। मेरा दर्शन हमेशा एक ग्राहक के समय पर प्रौद्योगिकी की सुई को आगे बढ़ाने के बारे में रहा है, और मैंने स्ट्राडिगी एआई में भी यही किया है।

स्ट्राडिगी एआई किसी को भी मशीन लर्निंग अनुभव के बिना एआई मॉडल बनाने की अनुमति देता है, आप यह कैसे हासिल किया जाता है इसका वर्णन कर सकते हैं?

आर्टिफिशियल इंटेलिजेंस और एमएल दुनिया में बहुत सारी चर्चा “लोकतंत्रीकरण” के बारे में है। जो कि आर्टिफिशियल इंटेलिजेंस को массों के लिए उपलब्ध कराने के बारे में है। लेकिन उपलब्धता और उपयोगिता एक ही बात नहीं है। हमारे स्व-सेवा एमएल प्लेटफ़ॉर्म, केपलर के साथ, हमारा प्राथमिक लक्ष्य यह सुनिश्चित करना है कि आंतरिक एसएमई और विश्लेषकों को जटिल एमएल तकनीकों के साथ मॉडल बनाने में सक्षम हों, बिना जटिल डेटा साइंस कार्य सीखे या अपनी डेटा साइंस टीमों को शामिल किए।

व्यावहारिक और तकनीकी दृष्टिकोण से, यह आमतौर पर पूरा करने में समय और विशेषज्ञता लेने वाली डेटा साइंस प्रक्रियाओं को स्वचालित करके प्राप्त किया जाता है। उदाहरण के लिए, केपलर फीचर इंजीनियरिंग प्रक्रिया को स्वचालित करता है, जो एक जटिल, बहु-चरण का कार्य है। यह स्वचालित रूप से एक पाइपलाइन बनाता है जो सर्वोत्तम एल्गोरिदम का चयन करता है, स्वचालित रूप से कॉन्फ़िगरेशन और हाइपरपैरामीटर ऑप्टिमाइजेशन करता है – सभी हाथों से मुक्त।

स्वचालन का यह स्तर प्राप्त करने का लक्ष्य विशेषज्ञों को समय बर्बाद करने वाले महत्वहीन और समय लेने वाले कार्यों से मुक्त करना है। केपलर द्वारा इन चरणों को स्वचालित करके, आपकी टीम को अगले बड़े नवाचार के बारे में सोचने के लिए अधिक समय मिलता है, न कि दिन के महत्वहीन कार्यों के बारे में। विश्लेषकों और एसएमई के लिए, यह एक अपस्किलिंग का मार्ग है: अपने दैनिक कार्य में एमएल टूल्स को लागू करके, आप उन्हें अपने विश्लेषण को समृद्ध करने और इसलिए अपने मुख्य उपयोग के मामलों के लिए अपने दृष्टिकोण को समृद्ध करने का मौका देते हैं।

केपलर का उपयोग करने वाली कंपनियों से आपको कुछ दिलचस्प एआई मॉडल कौन से दिखाई दिए हैं?

केपलर की सुंदरता यह है कि यह विभिन्न उद्योगों में विभिन्न तकनीकों का उपयोग करके विभिन्न उपयोग के मामलों को कवर करता है, जिसमें क्लासिकल एमएल से लेकर डीप लर्निंग तक शामिल है। सरकारों से लेकर निवेश तक, केपलर नेताओं को मापने योग्य परिणाम प्राप्त करने में मदद कर सकता है।

मेरे दिमाग में आने वाली कुछ प्रभावशाली परियोजनाएं जो जीवन और काम करने के तरीके पर बड़ा प्रभाव डालती हैं, स्वास्थ्य सेवा क्षेत्र में नवाचारी मॉडलों का विकास है, जहां हमने बीमारी का पता लगाने के लिए इमेज सेगमेंटेशन मॉडल और रिग्रेशन मॉडल का उपयोग किया। एक और हमारा काम स्थानीय और राष्ट्रीय सरकारों के साथ नियामक निकायों के साथ जटिल पाठ जानकारी को वर्गीकृत करने और विरासत प्रक्रियाओं में नई कुशलता लाने के लिए प्राकृतिक भाषा समझ का उपयोग करने के लिए किया गया है।

स्पेक्ट्रम के दूसरी ओर, हमने एक वित्तीय क्षेत्र के ग्राहक के लिए व्यापारिक गतिविधियों को अनुकूलित करने के लिए केपलर का लाभ उठाया है।

स्ट्राडिगी एआई एक स्वचालित डेटा साइंस वर्कफ़्लो का उपयोग करता है। जो लोग इसके साथ परिचित नहीं हैं, इसका वर्णन करने के लिए आप क्या कर सकते हैं और यह स्ट्राडिगी एआई द्वारा कैसे उपयोग किया जाता है?

स्वचालित डेटा साइंस वर्कफ़्लो (एडीएसडब्ल्यू) केपलर के भीतर डेटा साइंस प्रक्रियाएं हैं। एडीएसडब्ल्यू को कई उपयोग के मामलों को हल करने के लिए बनाया गया था, इसलिए हमने प्रत्येक “वर्कफ़्लो” को व्यावहारिक अनुप्रयोगों के साथ बनाया है। उदाहरण के लिए, हमारे वर्कफ़्लो में से एक समय श्रृंखला पूर्वानुमान है, जो सीपीजी या खुदरा में पेशेवरों को भविष्यवाणी करने की अनुमति देता है कि जब इन्वेंट्री को फिर से भरने की आवश्यकता होगी। केपलर में आठ पूर्व-मौजूदा वर्कफ़्लो हैं, जो सभी गैर-डेटा वैज्ञानिकों के लिए直观 रूप से डिज़ाइन किए गए हैं।

एडीएसडब्ल्यू उन्नत एमएल वर्कफ़्लो हैं जो कुंजी प्रक्रियाओं को स्वचालित करते हैं, जिनमें से कुछ मैंने ऊपर उल्लेख किया है। एक एडीएसडब्ल्यू में, केपलर स्वचालित करता है:

• हाइपर पैरामीटर ऑप्टिमाइजेशन
• कॉन्फ़िगरेशन
• मॉडल चयन
• प्रशिक्षण और परीक्षण डेटा विभाजन
• डैशबोर्ड निर्माण
• मॉडल मेट्रिक्स का मूल्यांकन

एक तैनाती योग्य मशीन लर्निंग मॉडल प्राप्त करने के लिए उपयोगकर्ता को केवल डेटा और एक उपयोग के मामले की आवश्यकता होती है जिसे संबोधित किया जा सकता है। और, डेटा सेट के आधार पर, एडीएसडब्ल्यू के भीतर जटिल कार्य को कुछ मिनटों के भीतर पूरा किया जा सकता है।

किस प्रकार के डेटा का उपयोग किया जा सकता है?

केपलर प्लेटफ़ॉर्म आपको टेबुलर, टेक्स्ट और इमेज डेटा के साथ काम करने की अनुमति देता है।

जो लोग डेटा और डेटा प्रकारों से परिचित नहीं हैं, मैं उन्हें तोड़ दूंगा:

1. टेबुलर: यह एक स्प्रेडशीट होगी जिसमें महत्वपूर्ण जानकारी जैसे बिक्री डेटा या ग्राहक जनसांख्यिकी की एक डेटाबेस तालिका होगी।
2. टेक्स्ट: इस प्रकार के डेटा में ईमेल, ग्राहक समीक्षा, सोशल मीडिया सामग्री, पुस्तकालय संग्रह, अनुबंध आदि शामिल हो सकते हैं।
3. इमेज: उत्पाद गैलरी या असेंबली लाइन पर वस्तुओं की तस्वीरें हो सकती हैं।

वीडियो डेटा भविष्य में केपलर में पच जाएगा। हमारी वेबसाइट पर “डेटा प्रकार” के तहत, हम बताते हैं कि किस प्रकार के डेटा का उपयोग मुख्य उपयोग के मामलों को हल करने के लिए किया जा सकता है। आपको यह जानकर आश्चर्य होगा कि बड़े उद्यमों में कितना डेटा अप्रयुक्त रहता है।

टेक में शामिल होने के इच्छुक महिलाओं के लिए आपके पास कोई सुझाव या रणनीतियाँ हैं?

मेरे पास तीन सुझाव हैं जो मुझे लगता है कि टेक उद्योग में सफल होने के लिए बहुत मूलभूत हैं।

1 – सीखना। यह आपके जीवन का हिस्सा होना चाहिए। चाहे आप कितने भी कम उम्र के हों या बड़े, आपके पास हमेशा कुछ सीखने को होना चाहिए। इससे कोई फर्क नहीं पड़ता कि आप कैसे सीखते हैं या आप किससे सीखते हैं, बस तैयार रहें ज्ञान प्राप्त करने के लिए। अपने दिमाग को खोलें। अपने दिमाग को साफ़ करें ताकि आप अधिक ज्ञान, अधिक प्रेम, अधिक सहानुभूति प्राप्त कर सकें … बस अधिक। अपने विकास के प्रति जुनूनी बनें। एक अच्छी याद दिलाने वाली बात यह है कि सीखने के लिए तैयार रहना सहानुभूति के मुख्य प्रदर्शन में से एक है।

2 – जुनून। मेरे पेशेवर अनुभव में, मेहनत के उदाहरण कभी भी कम नहीं पड़े हैं। मैं हमेशा जटिल स्थितियों या जटिल गतिविधियों को स्वीकार करने के लिए तैयार रहता हूं। जितना अधिक मैं ऐसा करता हूं, उतना ही अधिक मुझे एहसास होता है कि सब कुछ संभव है। मैं अपने आराम क्षेत्र से बाहर निकलने और उस अतिरिक्त चुनौती को स्वीकार करने में संकोच नहीं करता। जब आप इस तरह से काम करते हैं, तो नेता आपके द्वारा प्रदर्शित जुनून की पहचान कर सकते हैं और इसकी सराहना कर सकते हैं।

जब आप इस तरह से काम करते हैं, तो आपको उस महान नौकरी के अवसर की प्रतीक्षा नहीं करनी होगी जो आपके जीवन को बदल देगी। यदि आप ध्यान देते हैं, तो आप देखेंगे कि आपके आसपास कई छोटे कार्य हैं जो आपको निर्णय लेने वालों के सामने अधिक प्रदर्शन करने और सीखने के अधिक अवसर प्रदान करेंगे।

3 – मेंटरशिप। मेरे लिए, मेंटरशिप एक शक्तिशाली उपकरण है, क्योंकि यह आपकी सुनने और सीखने की मांसपेशियों या कौशल को लचीला बनाता है। मेंटरशिप आपको अपने पेशेवर नेटवर्क या व्यक्तिगत परिधि के भीतर महान नेताओं के करीब ला सकती है। अपने करियर में, यह महत्वपूर्ण है कि आप उन नेताओं की पहचान करें जिन पर आप भरोसा कर सकते हैं और उनका अनुसरण कर सकते हैं और उन्हें अपने मेंटर और रोल मॉडल के रूप में चुनें।

जो नेता आपके प्रति विश्वास रखते हैं वे आपको अपने आराम क्षेत्र से बाहर निकालेंगे और आपको मजबूत बनने में मदद करेंगे। महान नेता और महान मेंटर ईमानदारी से ईमानदार हो सकते हैं, लेकिन वे उत्कृष्ट श्रोता भी हो सकते हैं। अपने पूर्ण विकास तक पहुंचने में आपकी मदद करने के लिए स्वार्थी लोगों को खोजना और पहचानना आपके जीवन के कुछ सबसे अच्छे शिक्षण क्षण प्रदान कर सकता है। अब, आपका काम है कि आप पहचानें कि वे मेंटर और रोल मॉडल कौन हो सकते हैं – और उन पर भरोसा करें।

साक्षात्कार के लिए धन्यवाद। टेक में प्रवेश करने के इच्छुक किसी भी व्यक्ति के लिए आपकी तीन रणनीतियाँ लागू होती हैं और मैं पूरी तरह से सहमत हूं। जो लोग केपलर या इस अद्भुत कंपनी के बारे में अधिक जानना चाहते हैं, उन्हें स्ट्राडिगी एआई की वेबसाइट पर जाना चाहिए।