Maria Elena, Dyrektor Rozwiązań w Stradigi AI – Seria Wywiadów

Maria Elena Carbajal przynosi ponad 25 lat doświadczenia w dziedzinie Sztucznej Inteligencji, Technologii Informacyjnych i Telekomunikacji do swojej kariery zawodowej. Ma 18 lat doświadczenia w pracy w firmie telekomunikacyjnej w Kanadzie i Szwecji, a także w branży lotniczej, energetycznej i technologie informacyjnej w różnych firmach. Obecnie pracuje dla Stradigi AI, lidera Sztucznej Inteligencji w Kanadzie.

Maria Elena Carbajal pełniła wiele funkcji w dziedzinie badań i rozwoju, inżynierii, usług profesjonalnych, transformacji cyfrowej i technologii informacyjnych. Jej doświadczenie międzynarodowe obejmuje pracę i zarządzanie zespołami w takich krajach, jak Peru, Kanada, USA, Meksyk, Brazylia, Szwecja, Finlandia, Norwegia, Rosja, Estonia i Białoruś.

Co było tym, co przyciągnęło Cię do AI początkowo?

Zawsze byłem pasjonatem pracy w sektorze technologicznym. Jako osoba, jestem zawsze zaangażowana w optymalizację tego, co mnie otacza: od organizacji mojego gospodarstwa domowego do wprowadzania wydajności w moich zespołach, klientach i firmach w ogóle. To jest część mojej istoty. Byłem szczęśliwy, że miałem bardzo praktyczne doświadczenie z wdrażaniem najnowszych technologii w minionych dwóch dekadach w różnych branżach, więc umiejętności stają się bardzo różnorodne i przenoszalne.

Patrząc bardziej szczegółowo na AI, jestem silnym zwolennikiem tego, że Sztuczna Inteligencja i komputery kwantowe zmienią wszystkie branże – bez wyjątku. AI jest kluczowa dla uwolnienia i napędzania optymalizacji we wszystkich dziedzinach: biznesie, profesjonalnym i osobistym. To jest to, co mnie przyciągnęło i utrzymywało mnie zaangażowanego i zainspirowanego, dzień po dniu.

Byłaś wcześniej zatrudniona w Ericsson przez 18 lat, co skłoniło Cię do dołączenia do Stradigi AI?

Byłam zainteresowana skupieniem moich wysiłków zawodowych na AI ze względu na to, jak bardzo wpłynie na sposób, w jaki żyjemy i pracujemy. AI otwiera drzwi do szeregu problemów, które chcesz rozwiązać, pracując z przedsiębiorstwami dużymi lub małymi, co daje Ci szansę na dokonanie różnicy, przesunięcie igły i wykorzystanie technologii dla dobra. Ponadto, miałam obszerne doświadczenie wykonawcze w Ericsson, które, w przeciwieństwie do tego, jest ogromną organizacją. Przechodząc do startupu jak Stradigi AI, chciałam wysunąć się poza moją strefę komfortu i doświadczyć tego, co to jest częścią kwitnącego, ewoluującego ekosystemu AI, który tworzy się w Montrealu. Jest coś motywującego i pełnego energii w byciu częścią tej społeczności.

Pracuję w Stradigi AI od roku, a po roku pracy z niesamowitą grupą profesjonalistów i innowatorów, jest jasne, że moje doświadczenia w Ericsson były tak cenne i przenoszalne do każdej organizacji, niezależnie od rozmiaru. Moja filozofia zawsze była taka, aby przesunąć igłę technologiczną jeden klient na raz, i przyniosłam to do Stradigi AI również.

Stradigi AI pozwala osobie bez doświadczenia w machine learning na tworzenie modeli AI, możesz opisać, jak to jest osiągane?

Dużo dyskursu w świecie AI i ML krąży wokół “demokratyzacji”. Co, aby to powiedzieć luźno, jest wszystko o tym, aby AI była dostępna dla mas. Ale dostępność i używalność nie są tym samym. Z naszą platformą self-service ML, Kepler, naszym głównym celem jest upewnienie się, że wewnętrzni specjaliści i analitycy mogą tworzyć modele z zaawansowanymi technikami ML, bez konieczności uczenia się skomplikowanych prac naukowych, lub angażowania ich zespołów naukowych.

Z praktycznego i technicznego punktu widzenia, jest to osiągane poprzez automatyzację krok po kroku procesów naukowych, które zwykle wymagają czasu i ekspertyzy, aby je ukończyć. Na przykład, Kepler automatyzuje proces inżynierii funkcjonalnej, skomplikowanego, wieloetapowego przedsięwzięcia. Automatyzuje również tworzenie potoku, wybierając najlepsze algorytmy, przechodząc przez automatyczną konfigurację i optymalizację hiperparametrów – wszystko bez udziału rąk.

Celem posiadania takiego poziomu automatyzacji w procesie jest uwolnienie ekspertów od marnowania czasu na trywialne i czasochłonne zadania. Automatyzując te kroki, Kepler daje Twojemu zespołowi więcej czasu, aby myśleć o następnej wielkiej innowacji, zamiast o codziennych zadaniach. Dla analityków i specjalistów, jest to również droga do podnoszenia kwalifikacji: implementując narzędzia ML w codziennej pracy, dajesz im szansę na wzbogacenie ich analizy i tym samym ich podejścia do kluczowych przypadków użycia.

Jakie są interesujące modele AI, które widziałaś od firm korzystających z Kepler?

Piękno Kepler polega na tym, że obejmuje szeroki zakres przypadków użycia w różnych branżach, wykorzystując szereg technik od klasycznego ML do głębokiego uczenia. Od rządów do inwestycji, Kepler może pomóc liderom osiągnąć mierne wyniki.

Kilka wpływowych projektów, które przychodzą mi na myśl, to rozwój innowacyjnych modeli w sektorze opieki zdrowotnej, gdzie użyliśmy modeli segmentacji obrazu i regresji do wykrycia choroby. Inny to nasza praca z organami regulacyjnymi w lokalnych i krajowych rządach w używaniu Natural Language Understanding do klasyfikacji skomplikowanych informacji tekstowych i wprowadzania nowych wydajności do procesów legacy.

Na drugim końcu spektrum, również wykorzystaliśmy Kepler do optymalizacji działań handlowych dla klienta w sektorze finansowym.

Stradigi AI używa Zautomatyzowanego Przepływu Naukowego. Dla tych, którzy nie są zaznajomieni z tym, możesz opisać, co to jest i jak jest używane przez Stradigi AI?

Zautomatyzowane Przepływy Naukowe (ZPN) to procesy naukowe, które działają w ramach Kepler. ZPN zostały stworzone, aby rozwiązać szereg przypadków użycia, więc zbudowaliśmy każdy “przepływ”, aby miał bardzo praktyczne zastosowania. Na przykład, jeden z naszych przepływów to Przewidywanie Szeregów Czasowych, które pozwala profesjonalistom w CPG lub handlu detalicznym przewidywać, kiedy zapasy będą musiały być uzupełnione. Są osiem wstępnie istniejących przepływów w Kepler, które są wszystkie intuicyjnie zaprojektowane dla nie-naukowców.

ZPN to zaawansowane przepływy ML, które automatyzują kluczowe procesy, o których wspomniałam powyżej. W ZPN, Kepler automatyzuje:

• Optymalizację hiperparametrów
• Konfigurację
• Wybór modelu
• Podział danych szkoleniowych i testowych
• Tworzenie pulpitu nawigacyjnego
• Oceny metryk modelu

Wszystko, co użytkownik potrzebuje, aby uzyskać wdrożony model ML, to dane i przypadek użycia do rozwiązania. I, w zależności od zestawu danych, cała złożona praca w ZPN może być ukończona w ciągu kilku minut.

Jakie typy danych mogą być używane?

Platforma Kepler pozwala pracować z danymi tabelarycznymi, tekstowymi i obrazowymi.

Dla tych, którzy nie są zaznajomieni z danymi i typami danych, rozłóżę to:

1. Tabelaryczne: to byłby arkusz kalkulacyjny zawierający kluczowe informacje, takie jak dane sprzedaży, lub tabela bazy danych z danymi demograficznymi klientów itp.
2. Tekstowe: ten typ danych może przyjść w tak wielu formach, myśl o e-mailach, recenzjach klientów, treściach mediów społecznościowych, archiwach bibliotecznych, umowach itp.
3. Obrazowe: myśl o galeriach produktów lub zdjęciach przedmiotów na linii montażowej.

Dane wideo będą mogły być wprowadzane do Kepler w przyszłości. Na naszej stronie internetowej pod “Typy danych” wyjaśniamy, jakie typy danych mogą rozwiązać kluczowe przypadki użycia. Byłbyś zaskoczony, jak wiele danych pozostaje niewykorzystanych, szczególnie w większych przedsiębiorstwach.

Czy masz jakieś porady lub strategie dla kobiet, które chcą dołączyć do branży technologicznej?

Mam trzy porady, które uważam za fundamentalne dla sukcesu w branży technologicznej.

1 – Uczenie się. To powinno zawsze być częścią Twojego życia. Niezależnie od tego, jak młody lub stary jesteś, powinieneś zawsze mieć coś do nauczenia się. Nie ma znaczenia, jak się uczysz lub od kogo się uczysz, po prostu bądź gotowy, aby otrzymać wiedzę. Otwórz swój umysł. Wyczyść swój mózg, abyś mógł otrzymać więcej wiedzy, więcej miłości, więcej empatii… po prostu więcej. Bądź zaabsorbowany swoim własnym rozwojem. Wspaniałym przypomnieniem jest to, że być gotowym do uczenia się jest jednym z kluczowych przejawów empatii.

2 – Pasja. Przykłady ciężkiej pracy nigdy nie zawiodły w moim doświadczeniu zawodowym. Zawsze jestem gotowa, aby podnieść rękę w pracy, aby podjąć się skomplikowanych sytuacji lub zadań. Im więcej tego robię, tym bardziej zdaję sobie sprawę, że wszystko jest możliwe. Nie waham się, aby wysunąć się poza moją strefę komfortu i podjąć się tego dodatkowego wyzwania. Kiedy podejmujesz pracę w ten sposób, liderzy mogą zidentyfikować i docenić pasję, którą wykazujesz.

Kiedy podejmujesz pracę w ten sposób, nie musisz czekać na tę wielką okazję pracy, która zmieni Twoje życie. Jeśli zwrócisz uwagę, zobaczysz, że jest wiele małych zadań wokół Ciebie, które dają Ci więcej ekspozycji na decyzje i możliwości uczenia się.

3 – Mentorowanie. Dla mnie, mentorowanie jest tak potężnym narzędziem, ponieważ rozciąga Twoje mięśnie słuchania i uczenia się. Mentorowanie może również przybliżyć Cię do wielkich liderów z Twojej sieci zawodowej lub w Twoim kręgu osobistym. Na przestrzeni Twojej kariery, jest kluczowe, aby zidentyfikować rodzaj liderów, którym możesz ufać i których możesz naśladować, i wybrać ich jako Twoich mentorów i wzory do naśladowania.

Liderzy, którzy wierzą w Ciebie, będą Cię popychać poza Twoją strefę komfortu i będą tam, aby Ci pomóc zyskać siłę. Wielcy liderzy i wielcy mentorzy mogą być brutalnie szczerzy, ale mogą również być wyśmienitymi słuchaczami. Znalezienie bezinteresownych osób, które pomogą Ci osiągnąć swój pełny potencjał, może zaoferować Ci niektóre z najlepszych momentów nauczania w Twoim życiu. Teraz Twoim zadaniem jest znaleźć i rozpoznać, kim są ci mentorzy lub mogą być dla Ciebie – i zaufaj im.

Dziękuję za wywiad. Twoje trzy strategie dla tych, którzy chcą wejść do branży technologicznej, są stosowalne dla każdego i całkowicie się z nimi zgadzam. Każdy, kto chce dowiedzieć się więcej o Kepler lub o tej niesamowitej firmie, powinien odwiedzić Stradigi AI.