Celina Lee, CEO en mede-oprichter van Zindi – Interviewreeks

Celina Lee is de CEO en mede-oprichter van Zindi, het grootste professionele netwerk voor datawetenschappers in Afrika.

Celina heeft een passie voor het ontsluiten van de kracht van data voor het sociale goede. Celina heeft een bewezen staat van dienst als thought leader op het gebied van data en ontwikkeling en heeft centrale rollen gespeeld bij de lancering van wereldwijde platforms, waaronder de Alliance for Financial Inclusion, insight2impact en nu Zindi. Celina’s werk heeft zich uitgestrekt over de private en publieke sectoren en over verschillende ontwikkelingsgebieden, waaronder financiële inclusie, micro- en kleine ondernemingsontwikkeling, marktsysteemontwikkeling, geslacht, klimaatverandering en volksgezondheid. Ze heeft gewoond en gewerkt in landen in heel Azië, Latijns-Amerika en Sub-Sahara Afrika.

Wat trok je aanvankelijk aan tot informatica en toegepaste wiskunde?

Mijn hele leven lang heb ik van wiskunde gehouden. Toen ik hoorde over het programma toegepaste wiskunde, leek het me logisch, omdat ik waardeerde hoe data en wiskunde zich vertalen in echte toepassingen. Wat ik leuk vind aan werken met data is dat data een verhaal te vertellen heeft. Data kan enorm impactvol zijn, maar alleen als je het in de juiste handen krijgt. Het is magie.

Wat zijn enkele van de unieke uitdagingen van het implementeren van datawetenschap en machine learning-oplossingen in Afrika?

Een uitdaging is dat datasets schaars kunnen zijn. Als je bijvoorbeeld werkt aan natuurlijke taalverwerking voor lokale Afrikaanse talen, hebben sommige talen slechts duizenden moedertaalsprekers; sommige zijn niet eens geschreven. Je hebt niet de overvloed aan data die je hebt voor het Engels, bijvoorbeeld. Maar de aard van de uitdaging is precies wat de oplossingen nog belangrijker en impactvoller maakt.

Wanneer bedacht je voor het eerst het concept achter het crowdsourcen van data-oplossingen?

Ik leerde over Kaggle vele jaren geleden, toen ik in San Francisco was, toen het nog een start-up was. Het concept van het laten bouwen van data-oplossingen voor organisaties door de crowd, sprak me aan. Maar ik zag een lacune in het feit dat de datasets en problemen duidelijk afkomstig waren van grote, meestal Amerikaanse bedrijven en de deelnemers eveneens meestal uit de “ontwikkelde” wereld kwamen. Ik had vele jaren gewerkt in data in de internationale ontwikkelingssector. Ik zag een kans om crowd-oplossingen voor, en door, andere regio’s te vinden.

In de eerste paar dagen na de lancering, crashte het platform omdat Zindi zo veel inschrijvingen had. Was je verrast door hoe snel dit werd geadopteerd door de gemeenschap?

Ik was verrast, maar niet geschokt. We hadden duidelijk niet voorzien hoeveel verkeer we in de eerste paar dagen zouden krijgen, anders zou het niet zijn gecrasht! Maar ik wist dat er een vraag was in de markt onder jonge Afrikaanse datawetenschappers en aspirant-datawetenschappers voor dit soort platform. Jonge mensen op het continent zijn ambitieus, energiek en innovatief. Ze zullen hard werken en alles mogelijk maken. Dus ik was niet geschokt dat een online ruimte als Zindi onmiddellijk resonantie vond. Op Zindi kunnen ze verbinding maken met andere gelijkgestemde mensen uit heel Afrika en de wereld, ze kunnen nieuwe vaardigheden opbouwen, hun eigen profiel en portfolio uitbreiden en banen vinden. Bovendien wil ik opmerken dat mensen veel trots waren op het feit dat dit een Afrikaans platform was met Afrikaanse datasets en problemen. Zoals een datawetenschapper me vertelde, heeft ze op Zindi een thuis gevonden.

DeepMind lanceerde een wedstrijd op het platform ongeveer een jaar geleden, wat was deze wedstrijd?

De DeepMind-wedstrijd was om diepe leermodellen te ontwikkelen om zeeschildpadden te identificeren met behulp van de unieke patronen op hun gezichten. De meetkundige patronen op de gezichten van zeeschildpadden zijn als vingerafdrukken. Maar er is niet veel close-up- en uit het water gehaalde beelden van zeeschildpadden. We werkten samen met Local Ocean Conservation, een lokale non-profitorganisatie in Kenia, die een collectie van duizenden beelden had verzameld over een periode van 10 jaar van werken in het veld van zeeschildpadconservatie.

De belangrijkheid van deze AI-modellen is dat ze de noodzaak voor fysieke tags kunnen elimineren, die duur, onbetrouwbaar (omdat ze afvallen of beschadigd raken) en gevaarlijk voor de gezondheid van de zeeschildpadden kunnen zijn. We hadden meer dan 700 deelnemers die aan dit probleem werkten. En de oplossingen zijn open source, en andere non-profitorganisaties werken momenteel aan het ontwikkelen van mobiele applicaties met behulp van de resulterende algoritmen.

Wat zijn enkele voorbeelden van andere uitdagingen die zijn gelanceerd op het platform?

We hebben meer dan 300 uitdagingen gelanceerd op het Zindi-platform. Deze uitdagingen omvatten veel verschillende industrieën, technische gebieden en complexiteit! Wat spannend is, is dat ze allemaal echte toepassingen van AI en datawetenschap zijn, meestal in Afrika.

Om er een paar te noemen: het gebruik van machine learning om luchtvervuilingsniveaus in Kampala te voorspellen, het voorspellen van energieverbruiksniveaus van 5G-netwerken, het identificeren van aardverschuivingen met behulp van satellietbeelden, het corrigeren van onregelmatige en defecte GPS-locaties voor een fitness-app in Egypte, het identificeren van landbouwgerelateerde woorden in Luganda (een lokale taal in Oeganda) op de radio, het meten van biomassa in Ivoorkust met behulp van satellietgegevens.

De lijst gaat maar door! Je kunt ze allemaal bekijken hier.

Gemiddeld hoeveel datawetenschappers werken aan een geliste probleem, en hoe succesvol zijn bedrijven in het oplossen van de uitdagingen die zijn gelist?

Meestal tussen 500 en 1000, of soms meer, werken aan een bepaald probleem op het platform. Dit hangt af van de complexiteit van het probleem en de hoeveelheid prijsgeld dat wordt aangeboden. We hebben in totaal meer dan $500.000 USD uitgekeerd aan winnende datawetenschappers in de Zindi-gemeenschap.

We hebben een aantal succesverhalen gehad in de loop der jaren. Bijvoorbeeld, Zimnat, het grootste verzekeringsbedrijf in Zimbabwe, haalde machine learning-algoritmen uit hun Zindi-wedstrijd om te voorspellen welke klanten het meest waarschijnlijk zouden stoppen (stoppen met betalen en het systeem verlaten). Ze integreerden deze modellen in hun klantenservicedashboard, waardoor ze de klantstop in één jaar met 30% konden verminderen! Zimnat heeft ook een van de topdatawetenschappers in Zimbabwe in dienst genomen.

Bedrijven zijn eigenaar van de intellectuele eigendomsrechten van de top drie oplossingen. Naast de modellen zelf, waarderen bedrijven het enorm om honderden intelligente mensen aan hun problemen te laten werken. Het is een manier om nieuwe ideeën te testen, problemen uit te besteden die hun interne teams niet de tijd of de technische capaciteit hebben om te werken, of vaak is het meest waardevolle gewoon het hebben van een injectie van nieuwe ideeën en perspectieven.

Kun je bespreken hoe Zindi datawetenschappers vervolgens verbindt met bedrijven na afloop van de wedstrijd?

Er zijn in totaal 70.000 gebruikers (data- en AI-praktijnen) geregistreerd op Zindi uit 190 landen over de hele wereld, en 52 van de 54 landen in Afrika. Ongeveer 50% van onze gebruikers zitten op de universiteit; 85% hebben een universitaire graad of werken eraan, en 28% zijn vrouwen. Ons doel is om AI en datawetenschap toegankelijk te maken voor iedereen.

Elke maand zijn ongeveer 6.000 actief op het platform. Dat betekent dat ze ofwel wedstrijden invoeren en werken, lezen van leerblogs, berichten op de discussieforums, directe berichten met vrienden sturen, of solliciteren op banen.

Elke keer dat een datawetenschapper een wedstrijd in gaat, een bericht op het discussieforum plaatst of zich aansluit bij een team, wordt deze activiteit toegevoegd aan hun Zindi-profiel. Het Zindi-profiel wordt hun live cv en hun bewijs van werk.

We helpen bedrijven bij het vinden en werven van datawetenschappers en het opbouwen van hun talentenpipeline op meerdere manieren. We bieden bedrijven corporate lidmaatschappen van Zindi aan, waarmee ze toegang krijgen tot voordelen, waaronder het organiseren van wedstrijden op Zindi waarbij ze de intellectuele eigendomsrechten van de top drie oplossingen bezitten en ze rechtstreeks kunnen werven uit de leaderboard van hun wedstrijd. Ze krijgen ook een account voor Zindi Talent Search, waarmee potentiële werkgevers Zindi-profielen kunnen doorzoeken en rechtstreeks kandidaten kunnen identificeren en aannemen op basis van hun daadwerkelijke prestaties op verschillende soorten echte problemen, d.w.z. de wedstrijden.

Wat is uw visie voor de toekomst van Zindi?

Mijn visie voor de toekomst is dat Zindi wordt erkend als de enige meest belangrijke pijplijn van miljoenen onontdekte en diverse data- en AI-talenten uit de hele wereld. Elke aspirant-data- en AI-praktijk zal weten dat hij naar Zindi moet komen. Het Zindi-platform is een plek waar men, ongeacht zijn achtergrond, weet dat hij zijn vaardigheden kan opbouwen, kan verbinden met mentoren en collega’s om hem te helpen op zijn reis, een profiel kan maken dat zijn capaciteiten laat zien, en carrièremogelijkheden kan bieden.

En elk bedrijf zal een Zindi-lidmaatschap nodig hebben om voorop te blijven in de concurrentie, omdat elk bedrijf in een paar jaar tijd zal concurreren op de kwaliteit van zijn datawetenschap en AI-capaciteiten.

We beloven nu aan alle Zindianen op het platform dat we hun leven zullen veranderen als ze ons laten. We hebben al veel jonge mensen gezien die op Zindi zijn begonnen, worstelend om zelfs hun CSV-bestand te laden, en een tot twee jaar later, na het deelnemen aan meerdere wedstrijden op Zindi, actief te zijn op de discussieforums en samen te werken met verschillende mensen, ze ongelofelijke banen vinden vanwege de vaardigheden en reputatie die ze op Zindi hebben opgebouwd.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Zindi bezoeken.