Maria Elena, Direktur Solusi di Stradigi AI – Seri Wawancara

Maria Elena Carbajal membawa lebih dari 25 tahun pengalaman di bidang Kecerdasan Buatan, Teknologi Informasi, dan Telekomunikasi ke dalam karir profesionalnya. Ia memiliki 18 tahun pengalaman bekerja di perusahaan telekomunikasi di Kanada dan Swedia, serta di bidang Aeroangkasa, Energi, dan Teknologi Informasi dengan berbagai perusahaan. Saat ini, ia bekerja untuk Stradigi AI, sebuah pemimpin Kecerdasan Buatan di Kanada.

Maria Elena Carbajal telah bekerja dalam banyak peran fungsional dalam R&D, Teknik, Layanan Profesional Global, Transformasi Digital, dan Teknologi Informasi. Pengalaman internasionalnya termasuk bekerja dan mengelola tim di negara-negara seperti Peru, Kanada, USA, Meksiko, Brasil, Swedia, Finlandia, Norwegia, Rusia, Estonia, dan Belarus.

Apa yang menarik Anda untuk bekerja di bidang Kecerdasan Buatan?

Saya selalu memiliki minat yang kuat untuk bekerja di sektor teknologi. Sebagai individu, saya selalu berinvestasi dalam mengoptimalkan apa yang ada di sekitar saya: dari mengatur rumah tangga hingga membawa efisiensi ke tim, klien, dan bisnis secara umum. Ini adalah inti dari diri saya. Saya telah beruntung memiliki pengalaman langsung dengan mengimplementasikan teknologi terdepan dalam dua dekade terakhir di berbagai industri, sehingga keterampilan menjadi sangat beragam dan dapat dipindahkan.

Memandang lebih spesifik ke Kecerdasan Buatan, saya adalah seorang pendukung kuat bahwa Kecerdasan Buatan dan Komputasi Kuantum akan merevolusi semua industri — tanpa pengecualian. Kecerdasan Buatan sangat penting untuk melepaskan dan memacu optimasi di semua bidang: bisnis, profesional, dan pribadi. Itulah yang menarik saya dan membuat saya terus terlibat dan termotivasi, hari demi hari.

Anda sebelumnya bekerja di Ericsson (ERIC ) selama 18 tahun, apa yang membuat Anda memutuskan untuk bergabung dengan Stradigi AI?

Saya tertarik untuk fokus upaya profesional saya pada Kecerdasan Buatan karena dampaknya yang besar terhadap cara kita hidup dan bekerja. Kecerdasan Buatan membuka pintu untuk berbagai masalah yang perlu dipecahkan ketika bekerja dengan perusahaan besar atau kecil, yang memberi Anda kesempatan untuk membuat perbedaan, memindahkan jarum, dan menggunakan teknologi untuk kebaikan. Plus, saya memiliki pengalaman eksekutif yang luas di Ericsson, yang, dengan kontras, adalah organisasi yang sangat besar. Berpindah ke sebuah startup seperti Stradigi AI, saya ingin mendorong diri saya keluar dari zona nyaman dan mengalami langsung bagaimana rasanya menjadi bagian dari ekosistem Kecerdasan Buatan yang berkembang di Montreal. Ada sesuatu yang memotivasi dan menguatkan tentang menjadi bagian dari komunitas ini.

Saya telah bekerja di Stradigi AI selama satu tahun sekarang, dan setelah satu tahun bekerja dengan sekelompok profesional dan inovator yang luar biasa, jelas bahwa pengalaman saya di Ericsson sangat berharga dan dapat dipindahkan ke organisasi mana pun, terlepas dari ukurannya. Filosofi saya selalu tentang memindahkan jarum teknologi satu klien pada satu waktu, dan saya telah membawa itu ke Stradigi AI juga.

Stradigi AI memungkinkan seseorang tanpa pengalaman machine learning untuk menghasilkan model Kecerdasan Buatan, dapatkah Anda menjelaskan bagaimana ini dicapai?

Banyak diskusi di dunia Kecerdasan Buatan dan Pembelajaran Mesin tentang “demokratisasi.” Yang, secara longgar, adalah tentang membuat Kecerdasan Buatan tersedia untuk massa. Tapi, ketersediaan dan kemudahan penggunaan tidak sama. Dengan platform Pembelajaran Mesin mandiri kami, Kepler, tujuan utama kami adalah memastikan bahwa SME internal dan analis dapat menghasilkan model dengan teknik Pembelajaran Mesin yang canggih, tanpa harus mempelajari ilmu data yang kompleks atau melibatkan tim ilmu data mereka.

Dari perspektif praktis dan teknis, ini dicapai dengan mengotomatisasi proses ilmu data langkah demi langkah yang biasanya memakan waktu dan keahlian untuk diselesaikan. Misalnya, Kepler mengotomatisasi proses rekayasa fitur, yang merupakan upaya kompleks dan multi-langkah. Ini juga secara otomatis membuat pipa dengan memilih algoritma terbaik, menjalani konfigurasi dan optimasi hiperparameter — semua tanpa campur tangan manusia.

Tujuan dari memiliki tingkat otomatisasi ini dalam proses adalah untuk membebaskan ahli Anda dari membuang waktu pada tugas-tugas yang sepele dan memakan waktu. Dengan mengotomatisasi langkah-langkah ini, Kepler memberi tim Anda lebih banyak waktu untuk memikirkan inovasi besar berikutnya, bukan tugas-tugas sehari-hari. Bagi analis dan SME, ini juga merupakan jalur untuk meningkatkan keterampilan: dengan mengimplementasikan alat Pembelajaran Mesin ke dalam pekerjaan sehari-hari, Anda memberi mereka kesempatan untuk memperkaya analisis dan pendekatan mereka terhadap kasus penggunaan kunci.

Apa beberapa model Kecerdasan Buatan yang menarik yang Anda lihat dari perusahaan yang menggunakan Kepler?

Keindahan Kepler adalah bahwa ia mencakup berbagai kasus penggunaan di berbagai industri, menggunakan berbagai teknik dari Pembelajaran Mesin klasik hingga Pembelajaran Mendalam. Dari pemerintah hingga investasi, Kepler dapat membantu pemimpin mencapai hasil yang terukur.

Beberapa proyek yang berdampak besar yang teringat dan memiliki dampak besar pada cara kita hidup dan bekerja adalah pengembangan model inovatif di sektor kesehatan, di mana kami menggunakan model segmentasi gambar dan regresi untuk mendeteksi penyakit. Yang lain adalah kerja sama kami dengan badan pengatur di pemerintah daerah dan nasional dalam menggunakan Pemahaman Bahasa Alam untuk mengategorikan informasi teks yang kompleks dan membawa efisiensi baru ke proses warisan.

Di ujung lain spektrum, kami juga menggunakan Kepler untuk mengoptimalkan aktivitas perdagangan untuk klien di sektor keuangan.

Stradigi AI menggunakan Alur Ilmu Data Otomatis. Bagi mereka yang tidak familiar dengan ini, dapatkah Anda menjelaskan apa itu dan bagaimana ia digunakan oleh Stradigi AI?

Alur Ilmu Data Otomatis (ADSW) adalah proses ilmu data ujung-ke-ujung yang bekerja dalam Kepler. ADSW dibuat untuk memecahkan berbagai kasus penggunaan, sehingga kami membangun setiap “alur” untuk memiliki aplikasi yang sangat praktis. Misalnya, salah satu alur kami adalah Peramalan Seri Waktu, yang memungkinkan profesional di CPG atau ritel untuk memprediksi kapan stok perlu diisi ulang. Ada delapan alur pra-ada di Kepler, yang semua dirancang dengan intuisi untuk non-ilmuwan data.

ADSW adalah alur Pembelajaran Mesin yang canggih yang mengotomatisasi proses kunci, beberapa di antaranya saya sebutkan di atas. Dalam ADSW, Kepler mengotomatisasi:

• Optimasi hiperparameter
• Konfigurasi
• Pemilihan model
• Pembagian data pelatihan dan pengujian
• Pembuatan dasbor
• Penilaian metrik model

Semua yang dibutuhkan pengguna untuk mendapatkan model Pembelajaran Mesin yang dapat diterapkan adalah data dan kasus penggunaan untuk dipecahkan. Dan, tergantung pada set data, semua pekerjaan kompleks dalam ADSW dapat diselesaikan dalam hitungan menit.

Jenis data apa yang dapat digunakan?

Platform Kepler memungkinkan Anda bekerja dengan data tabular, teks, dan gambar.

Untuk mereka yang tidak familiar dengan data dan jenis data, saya akan menjelaskannya:

1. Tabular: ini akan menjadi spreadsheet yang berisi informasi kunci seperti data penjualan, atau tabel database klien, produk, dll.
2. Teks: jenis data ini dapat datang dalam banyak bentuk, pikirkan email, ulasan pelanggan, konten media sosial, arsip perpustakaan, kontrak, dll.
3. Gambar: pikirkan galeri produk, atau foto barang di jalur perakitan.

Data video akan dapat diintegrasikan ke Kepler di masa depan. Di situs web kami di bawah “Jenis Data” kami menjelaskan jenis data apa yang dapat memecahkan kasus penggunaan kunci. Anda akan terkejut betapa banyak data yang tidak dimanfaatkan, terutama di perusahaan besar.

Apakah Anda memiliki tips atau strategi untuk wanita yang ingin bergabung dengan teknologi?

Saya memiliki tiga tips yang saya pikir sangat mendasar untuk kesuksesan bagi siapa pun untuk berkembang di industri teknologi.

1 – Pembelajaran. Ini harus selalu menjadi bagian dari hidup Anda. Tidak peduli berapa umur Anda, Anda harus selalu memiliki sesuatu untuk dipelajari. Ini tidak masalah bagaimana Anda mempelajari atau dari siapa Anda mempelajari, hanya siap untuk menerima pengetahuan. Buka pikiran Anda. Kosongkan otak Anda sehingga Anda dapat siap untuk menerima lebih banyak pengetahuan, lebih banyak cinta, lebih banyak empati… hanya lebih. Jadi terobsesi dengan pengembangan diri Anda sendiri. Pengingat yang baik adalah bahwa kesediaan untuk belajar adalah salah satu manifestasi kunci dari empati.

2 – Passion. Contoh kerja keras tidak pernah gagal dalam pengalaman profesional saya. Saya selalu siap untuk mengangkat tangan di tempat kerja untuk mengambil tugas yang kompleks atau kegiatan yang rumit. Semakin saya melakukannya, semakin saya menyadari bahwa segala sesuatu adalah mungkin. Saya tidak akan ragu untuk melompat keluar dari zona nyaman dan mengambil tantangan ekstra. Ketika Anda melakukannya, pemimpin dapat mengidentifikasi dan menghargai passion yang Anda tunjukkan.

Ketika Anda mendekati pekerjaan dengan cara ini, Anda tidak perlu menunggu kesempatan kerja yang hebat yang akan mengubah hidup Anda. Jika Anda memperhatikan, Anda akan melihat bahwa ada banyak tugas kecil di sekitar Anda yang akan memberi Anda lebih banyak eksposur ke pembuat keputusan, dan yang paling penting, lebih banyak kemungkinan untuk belajar.

3 – Mentorship. Bagi saya, mentorship adalah alat yang sangat kuat, karena itu melentangkan otot-otot mendengar dan belajar atau keterampilan. Mentorship juga dapat membawa Anda lebih dekat dengan pemimpin hebat dari jaringan profesional atau lingkaran pribadi Anda. Sepanjang karir Anda, sangat penting untuk mengidentifikasi jenis pemimpin yang dapat Anda percayai dan ikuti, dan memilih mereka sebagai mentor dan model Anda.

Pemimpin yang percaya pada Anda akan mendorong Anda keluar dari zona nyaman dan ada di sana untuk membantu Anda memperoleh kekuatan, juga. Pemimpin hebat dan mentor hebat dapat sangat jujur, tetapi mereka juga dapat menjadi pendengar yang luar biasa. Menemukan orang-orang yang tidak mementingkan diri sendiri untuk membantu Anda mencapai potensi penuh Anda dapat menawarkan Anda beberapa momen pengajaran terbaik dalam hidup Anda. Sekarang, tugas Anda adalah menemukan dan mengenali siapa mentor-mentor ini atau bisa menjadi untuk Anda — dan percayalah pada mereka.

Terima kasih atas wawancara. Tiga strategi Anda untuk mereka yang ingin memasuki teknologi sangat berlaku untuk siapa pun dan saya sangat setuju dengan mereka. Siapa pun yang ingin mempelajari lebih lanjut tentang Kepler atau perusahaan luar biasa ini harus mengunjungi Stradigi AI.