เอมี่ สเตียร์ นักวิทยาศาสตร์หลักด้านการเรียนรู้ของเครื่องจักรที่ Gretel.ai – ซีรีส์สัมภาษณ์

เอมี่ สเตียร์ เป็นนักวิทยาศาสตร์หลักด้านการเรียนรู้ของเครื่องจักรที่ Gretel.ai ซึ่งเป็นแพลตฟอร์มวิศวกรรมความเป็นส่วนตัวที่ทันสมัยที่สุดในโลก Gretel ทำให้ง่ายต่อการฝังความเป็นส่วนตัวโดยการออกแบบเข้าไปในเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูล ลाइบรารีที่เปิดใช้งานและใช้ AI ที่ออกแบบมาเพื่อแปลงข้อมูลที่ละเอียดอ่อนให้เป็นข้อมูลที่ไม่ระบุชื่อและสร้างข้อมูลใหม่

เอมี่ เป็นนักวิทยาศาสตร์ข้อมูลและนักวิทยาศาสตร์เครื่องจักรที่มีประสบการณ์มากกว่า 20 ปี ความหลงใหลของเธอคือข้อมูลขนาดใหญ่และค้นหาความฉลาดที่ซ่อนอยู่โดยใช้เทคนิคจากการเรียนรู้ของเครื่องจักร การทำเหมืองข้อมูล ความฉลาดทางอาร์ติฟิเชียล และสถิติ เธอมีทักษะสูงในการสร้างแบบจำลองการทำนาย การจัดประเภท การจัดกลุ่ม การตรวจจับการเปลี่ยนแปลงที่ผิดปกติ การแสดงข้อมูลแบบภาพ การใช้วิธีการรวม การค้นหาข้อมูล การวิเคราะห์ความปลอดภัยของไซเบอร์ NLP แบบจำลองการแนะนำ และการวิเคราะห์พฤติกรรมของผู้ใช้

สิ่งใดที่ดึงดูดคุณให้เข้ามาประกอบอาชีพด้านวิทยาการคอมพิวเตอร์และการเรียนรู้ของเครื่องจักร?

ความหลงใหลที่ไม่สิ้นสุดของข้อมูล ความสามารถ ความลึกลับ และศักยภาพของข้อมูลทำให้ฉันหลงใหลเสมอ วิทยาการคอมพิวเตอร์และการเรียนรู้ของเครื่องจักรเป็นเครื่องมือในการใช้ประโยชน์จากศักยภาพนั้น นอกจากนี้ยังสนุกที่จะทำงานในสนามที่ความก้าวหน้าอย่างรวดเร็ว ฉันชอบจุดตัดกันระหว่างการวิจัยและการผลิต มันทำให้ฉันพอใจที่จะนำความคิดที่ทันสมัยมาใช้และพัฒนาให้เหมาะสมกับความต้องการของผลิตภัณฑ์ที่มีอยู่

สำหรับผู้อ่านที่ไม่คุ้นเคย คุณสามารถอธิบายว่าข้อมูลสังเคราะห์คืออะไรได้ไหม?

ข้อมูลสังเคราะห์คือข้อมูลที่ดูและทำงานเหมือนกับข้อมูลเดิม แต่แตกต่างกันเพียงพอในการตอบสนองกรณีการใช้งาน ข้อมูลสังเคราะห์ทำให้เราสามารถพัฒนาผลิตภัณฑ์และโซลูชันใหม่ๆ ได้เมื่อข้อมูลที่จำเป็นไม่มีอยู่หรือไม่สามารถเข้าถึงได้

แพลตฟอร์ม Gretel ทำงานอย่างไรในการสร้างข้อมูลสังเคราะห์ผ่าน API?

API วิศวกรรมความเป็นส่วนตัวของ Gretel ช่วยให้คุณสามารถนำเข้าข้อมูลเข้าไปใน Gretel และสำรวจข้อมูลที่เราสามารถดึงออกมาได้ API เหล่านี้เป็น API เดียวกับที่ใช้ใน Console ของเรา โดยการเปิดเผย API ผ่านอินเทอร์เฟซที่ใช้งานง่าย เราหวังว่าจะช่วยให้นักพัฒนาและนักวิทยาศาสตร์ข้อมูลสามารถสร้าง 워์กโฟลว์ของตนเองโดยรอบ Gretel

คุณสามารถพูดถึงเครื่องมือบางอย่างที่ Gretel เสนอเพื่อช่วยประเมินคุณภาพของข้อมูลสังเคราะห์ได้ไหม?

หลังจากการสร้างข้อมูลสังเคราะห์ Gretel จะสร้างรายงานสังเคราะห์ ในรายงานนี้คุณสามารถดู คะแนนคุณภาพข้อมูลสังเคราะห์ (SQS) และระดับการป้องกันความเป็นส่วนตัว (PPL)

คุณสามารถอธิบายว่าฟิลเตอร์ความเป็นส่วนตัวของ Gretel ทำงานอย่างไรได้ไหม?

ฟิลเตอร์ความเป็นส่วนตัวของ Gretel เป็นผลมาจากการวิจัยอย่างมากเกี่ยวกับลักษณะของการโจมตีแบบก่อการร้ายต่อข้อมูลสังเคราะห์ ฟิลเตอร์เหล่านี้ป้องกันการสร้างข้อมูลสังเคราะห์ที่มีจุดอ่อนที่ถูกโจมตีแบบก่อการร้าย เรามีฟิลเตอร์สองแบบ คือ ฟิลเตอร์ความคล้ายคลึงและฟิลเตอร์ผิดปกติ ฟิลเตอร์ความคล้ายคลึงป้องกันการสร้างบันทึกสังเคราะห์ที่คล้ายคลึงกับบันทึกการฝึกอบรมมากเกินไป ฟิลเตอร์ผิดปกติป้องกันการสร้างบันทึกสังเคราะห์ที่ถือเป็นผิดปกติในพื้นที่ที่กำหนดโดยข้อมูลการฝึกอบรม

ข้อมูลสังเคราะห์สามารถช่วยลดความลำเอียงของ AI ได้อย่างไร?

เทคนิคที่พบบ่อยที่สุดคือการแก้ไขความลำเอียงในการแสดงของข้อมูลที่เข้าไปในระบบ AI ตัวอย่างเช่น หากมีความไม่สมดุลของชั้นเรียนในข้อมูลของคุณ หรือมีความลำเอียงทางประชากรในข้อมูลของคุณ Gretel มีเครื่องมือที่ช่วยให้คุณสามารถวัดความไม่สมดุลและแก้ไขมันในข้อมูลสังเคราะห์ได้ โดยการเอาความลำเอียงออกจากข้อมูล คุณสามารถเอาความลำเอียงออกจากระบบ AI ที่สร้างขึ้นจากข้อมูลได้

คุณสามารถพูดถึงวิธีที่คุณใช้ในการติดตามการเปลี่ยนแปลงในเทคโนโลยีการเรียนรู้ของเครื่องจักรได้ไหม?

ฉันชอบอ่านเกี่ยวกับเทคโนโลยีการเรียนรู้ของเครื่องจักรใหม่ๆ ทุกเช้า ฉันชอบอ่านบทความใน Towards Data Science, Analytics Vidhya และหนังสือพิมพ์อย่าง The Sequence Facebook (META ) AI, Google (GOOGL ) AI และ OpenMined มีบล็อกที่ดี มีการประชุมที่ดีในการติดตาม เช่น NeurIPS, ICML, ICLR, AISTATS

คุณมีภาพอนาคตสำหรับอนาคตของการเรียนรู้ของเครื่องจักรอย่างไร?

การเข้าถึงข้อมูลที่ง่ายจะทำให้เกิดยุคแห่งนวัตกรรมในด้านการเรียนรู้ของเครื่องจักร ซึ่งจะกระตุ้นให้เกิดนวัตกรรมในด้านต่างๆ เช่น การดูแลสุขภาพ การเงิน การผลิต และชีววิทยาศาสตร์ ในประวัติศาสตร์ การพัฒนาที่สำคัญหลายอย่างในด้านการเรียนรู้ของเครื่องจักรสามารถอธิบายได้ว่าเนื่องมาจากปริมาณข้อมูลที่มีคุณภาพสูง แต่ในประวัติศาสตร์ การวิจัยหลายอย่างถูกขัดขวางโดยความไม่สามารถเข้าถึงหรือแบ่งปันข้อมูลเนื่องจากความกังวลเรื่องความเป็นส่วนตัว เมื่อเครื่องมืออย่าง Gretel ลดความกังวลนี้ การเข้าถึงข้อมูลจะถูกทำให้ประชาธิปไตย ชุมชนการเรียนรู้ของเครื่องจักรจะได้รับประโยชน์จากการเข้าถึงข้อมูลที่มีคุณภาพสูงและปริมาณมาก ไม่ใช่แค่บริษัทขนาดใหญ่เพียงไม่กี่แห่ง

คุณมีอะไรที่ต้องการแบ่งปันเกี่ยวกับ Gretel อีกไหม?

หากคุณรักข้อมูล คุณจะรัก Gretel (และฉันก็รัก Gretel!) การเข้าถึงข้อมูลที่ง่ายเป็นหนามยอกของนักวิทยาศาสตร์ข้อมูลทุกคนที่ฉันรู้จัก ที่ Gretel เราเอาใจใส่ในการสร้างคอนโซลและชุด API ที่ทำให้การสร้างข้อมูลส่วนตัวที่สามารถแบ่งปันได้ง่ายที่สุด เราเชื่ออย่างลึกซึ้งว่าข้อมูลมีค่ามากกว่าเมื่อแบ่งปัน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยมและสำหรับการแบ่งปันข้อมูลเชิงลึกของคุณ ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Gretel.ai ได้