Maria Elena, Direttrice delle Soluzioni di Stradigi AI – Serie di Interviste

Maria Elena Carbajal porta oltre 25 anni di esperienza nel settore dell’Intelligenza Artificiale, delle Tecnologie dell’Informazione e delle Telecomunicazioni nella sua carriera professionale. Ha 18 anni di esperienza lavorativa in una società di telecomunicazioni in Canada e Svezia, nonché in settori come Aerospaziale, Energia e Tecnologie dell’Informazione con varie società. Attualmente lavora per Stradigi AI, un leader canadese nell’Intelligenza Artificiale.

Maria Elena Carbajal ha ricoperto molti ruoli funzionali all’interno di R&D, Ingegneria, Servizi Professionali Globali, Trasformazione Digitale e Tecnologie dell’Informazione. La sua esperienza internazionale include il lavoro e la gestione di team in paesi come Perù, Canada, Stati Uniti, Messico, Brasile, Svezia, Finlandia, Norvegia, Russia, Estonia e Bielorussia.

Cosa ti ha attirato verso l’Intelligenza Artificiale inizialmente?

Ho sempre avuto una grande passione per lavorare nel settore tecnologico. Come individuo, sono sempre impegnata a ottimizzare ciò che mi circonda: dalla organizzazione della mia casa alla creazione di efficienza per i miei team, clienti e aziende in generale. È parte fondamentale della mia essenza. Sono stata fortunata ad avere un’esperienza molto pratica nell’implementazione di tecnologie all’avanguardia nel corso degli ultimi due decenni in vari settori, quindi le mie competenze sono diventate molto diverse e trasferibili.

Guardando più specificamente all’Intelligenza Artificiale, sono una forte sostenitrice del fatto che l’Intelligenza Artificiale e il calcolo quantistico rivoluzioneranno tutti i settori – senza eccezioni. L’Intelligenza Artificiale è fondamentale per sbloccare e alimentare l’ottimizzazione in tutte le aree: business, professionale e personale. È questo che mi ha attirata e mi ha tenuta impegnata e ispirata, giorno dopo giorno.

Prima lavoravi per Ericsson (ERIC ) per 18 anni, cosa ti ha spinto a unirti a Stradigi AI?

Ero interessata a concentrare i miei sforzi professionali sull’Intelligenza Artificiale a causa dell’impatto che avrà e del modo in cui cambierà il nostro modo di vivere e lavorare. L’Intelligenza Artificiale apre la porta a una gamma di problemi che si possono risolvere lavorando con imprese grandi o piccole, dando la possibilità di fare la differenza, spostare l’ago della bilancia e utilizzare la tecnologia per il bene. Inoltre, avevo un’esperienza esecutiva estensiva in Ericsson, che, a confronto, è un’organizzazione enorme. Passare a una startup come Stradigi AI, volevo sfidarmi e uscire dalla mia zona di comfort per sperimentare cosa significhi essere parte di questo ecosistema di Intelligenza Artificiale in evoluzione che si sta formando a Montreal. C’è qualcosa di motivante e di energizzante nel far parte di questa comunità.

Sono stata a Stradigi AI per un anno adesso, e dopo un anno di lavoro con un gruppo incredibile di professionisti e innovatori, è chiaro che le mie esperienze in Ericsson sono state così preziose e trasferibili a qualsiasi organizzazione, indipendentemente dalle dimensioni. La mia filosofia è sempre stata quella di spostare l’ago della bilancia tecnologica un cliente alla volta, e ho portato questo approccio anche a Stradigi AI.

Stradigi AI consente a chi non ha esperienza in machine learning di produrre modelli di Intelligenza Artificiale, puoi descrivere come ciò avviene?

Molto del discorso nel mondo dell’Intelligenza Artificiale e del machine learning ruota attorno alla “democratizzazione”. Che, per dirlo in modo semplice, è tutto sul rendere l’Intelligenza Artificiale accessibile alle masse. Ma la disponibilità e l’usabilità non sono la stessa cosa. Con la nostra piattaforma di machine learning self-service, Kepler, il nostro obiettivo principale è assicurare che gli esperti interni e gli analisti possano produrre modelli con tecniche di machine learning avanzate, senza dover imparare il lavoro scientifico dei dati complesso o coinvolgere i loro team di scienziati dei dati.

Da un punto di vista pratico e tecnico, ciò si ottiene automatizzando i processi di scienza dei dati passo dopo passo che di solito richiedono tempo ed esperienza per completare. Ad esempio, Kepler automatizza il processo di feature engineering, un’impresa complessa e a più fasi. Crea anche automaticamente una pipeline selezionando gli algoritmi migliori, sottoponendoli a una configurazione automatizzata e all’ottimizzazione degli iperparametri – tutto senza intervento umano.

L’obiettivo di avere questo livello di automazione nel processo è quello di liberare gli esperti dallo spreco di tempo in compiti triviali e consumatori di tempo. Automatizzando questi passaggi, Kepler dà ai team più tempo per pensare alla prossima grande innovazione, piuttosto che ai compiti quotidiani. Per gli analisti e gli esperti, è anche un percorso per migliorare le proprie competenze: implementando gli strumenti di machine learning nella loro attività quotidiana, si dà loro la possibilità di arricchire le loro analisi e quindi il loro approccio ai casi d’uso chiave.

Quali sono alcuni modelli di Intelligenza Artificiale interessanti che hai visto da aziende che utilizzano Kepler?

La bellezza di Kepler è che copre una vasta gamma di casi d’uso in vari settori, utilizzando una serie di tecniche che vanno dal machine learning classico all’apprendimento profondo. Dalle aziende governative agli investimenti, Kepler può aiutare i leader a ottenere risultati misurabili.

Alcuni progetti impattanti che mi vengono in mente e che hanno un grande impatto sul modo in cui viviamo e lavoriamo sono lo sviluppo di modelli innovativi nel settore sanitario, dove abbiamo utilizzato modelli di segmentazione di immagini e modelli di regressione per rilevare malattie. Un altro esempio è il nostro lavoro con organismi regolatori nei governi locali e nazionali nell’utilizzo della comprensione del linguaggio naturale per categorizzare informazioni testuali complesse e portare nuove efficienze ai processi legacy.

Dall’altro lato, abbiamo anche sfruttato Kepler per ottimizzare le attività di trading per un cliente nel settore finanziario.

Stradigi AI utilizza un flusso di lavoro di scienza dei dati automatizzato. Per coloro che non sono familiari con questo, puoi descrivere cosa è e come viene utilizzato da Stradigi AI?

I flussi di lavoro di scienza dei dati automatizzati (ADSW) sono i processi di scienza dei dati end-to-end che funzionano all’interno di Kepler. Gli ADSW sono stati creati per risolvere una serie di casi d’uso, quindi abbiamo costruito ogni “flusso di lavoro” per avere applicazioni pratiche molto pratiche. Ad esempio, uno dei nostri flussi di lavoro è la previsione delle serie temporali, che consente ai professionisti nel settore dei beni di consumo o nel retail di prevedere quando l’inventario dovrà essere rifornito. Ci sono otto flussi di lavoro preesistenti in Kepler, tutti progettati in modo intuitivo per i non scienziati dei dati.

Gli ADSW sono flussi di lavoro di machine learning avanzati che automatizzano i processi chiave, alcuni dei quali ho accennato sopra. In un ADSW, Kepler automatizza:

• Ottimizzazione degli iperparametri
• Configurazione
• Selezione del modello
• Divisione dei dati di addestramento e testing
• Creazione del cruscotto
• Valutazione delle metriche del modello

Tutto ciò di cui l’utente ha bisogno per ottenere un modello di machine learning distribuibile è il dato e un caso d’uso da affrontare. E, a seconda del set di dati, tutto il lavoro complesso all’interno di un ADSW può essere completato in pochi minuti.

Quali tipi di dati possono essere utilizzati?

La piattaforma Kepler consente di lavorare con dati tabulari, testuali e di immagini.

Per coloro che non sono familiari con i dati e i tipi di dati, li spiegherò:

1. Tabulari: si tratta di un foglio di calcolo che contiene informazioni chiave come i dati di vendita o un database di demografia dei clienti, prodotti, ecc.
2. Testuali: questo tipo di dati può provenire da molte fonti, come ad esempio email, recensioni dei clienti, contenuti dei social media, archivi di biblioteche, contratti, ecc.
3. Immagini: si pensi a gallerie di prodotti o a foto di articoli su una linea di montaggio.

I dati video saranno ingestibili in Kepler in futuro. Sul nostro sito web, nella sezione “Tipi di dati” spieghiamo quali tipi di dati possono risolvere casi d’uso chiave. Sarebbe sorprendente vedere quanto dati vengono sottoutilizzati, specialmente nelle grandi imprese.

Hai qualche consiglio o strategia per le donne che desiderano entrare nel settore tecnologico?

Ho tre consigli che ritengo fondamentali per il successo di chiunque voglia prosperare nel settore tecnologico.

1 – Apprendimento. Ciò dovrebbe sempre essere parte della tua vita. Non importa quanto sei giovane o quanto sei vecchio, dovresti sempre avere qualcosa da imparare. Non importa come vai a imparare o da chi impari, solo assicurati di essere pronto a ricevere conoscenza. Apri la tua mente. Pulisci il tuo cervello in modo da poter ricevere più conoscenza, più amore, più empatia… solo di più. Sii ossessionato dal tuo sviluppo personale. Un ottimo promemoria è che essere pronto a imparare è una delle chiavi manifestazioni dell’empatia.

2 – Passione. Esempi di lavoro duro non sono mai stati inferiori alla mia esperienza professionale. Sono sempre pronta a sollevare la mano al lavoro per affrontare situazioni complesse o attività complicate. Più lo faccio, più mi rendo conto che tutto è possibile. Non esiterei a saltare fuori dalla mia zona di comfort e affrontare quella sfida extra. Quando lo fai, i leader possono identificare e apprezzare la passione che mostri.

Quando ti avvicini al lavoro in questo modo, non devi aspettare quell’ottima opportunità di lavoro che cambierà la tua vita. Se presti attenzione, noterai che ci sono molti compiti piccoli intorno a te che ti daranno più visibilità ai responsabili delle decisioni e, soprattutto, più possibilità di imparare.

3 – Mentoraggio. Per me, il mentoraggio è uno strumento così potente, poiché flessiona i tuoi muscoli di ascolto e apprendimento o abilità. Il mentoraggio può anche avvicinarti a grandi leader dalle tue reti professionali o all’interno del tuo cerchio personale. Nel corso della tua carriera, è cruciale identificare il tipo di leader in cui puoi confidare e seguire, e selezionarli come tuoi mentori e modelli di riferimento.

I leader che credono in te ti spingeranno fuori dalla tua zona di comfort e saranno lì per aiutarti a guadagnare forza, anche. Grandi leader e grandi mentori possono essere brutalmente onesti, ma possono anche essere ottimi ascoltatori. Trovare persone altruiste che ti aiutino a raggiungere il tuo pieno potenziale può offrirti alcuni dei migliori momenti di insegnamento della tua vita. Ora, il tuo compito è trovare e riconoscere chi sono o potrebbero essere questi mentori per te – e fidarti di loro.

Grazie per l’intervista. Le tue tre strategie per coloro che desiderano entrare nel settore tecnologico sono applicabili a chiunque e sono completamente d’accordo con loro. Chiunque desideri saperne di più su Kepler o su questa azienda incredibile dovrebbe visitare Stradigi AI.