อนาอิส ดอทิส-จอร์เจียว, Developer Advocate ที่ InfluxData – ซีรีส์สัมภาษณ์

อนาอิส ดอทิส-จอร์เจียว เป็น Developer Advocate สำหรับ InfluxData โดยมีความหลงใหลในการทำให้ข้อมูลสวยงามด้วยการใช้ Data Analytics, AI และ Machine Learning เธอรวบรวมข้อมูล ทำการวิจัย การสำรวจ และวิศวกรรมเพื่อแปลข้อมูลให้เป็นสิ่งที่มีหน้าที่ มีคุณค่า และสวยงาม เมื่อเธอไม่ได้อยู่หลังจอ คุณสามารถพบเธอได้ข้างนอกในการวาดภาพ การยืดตัว การเล่นกระดาน หรือการไล่ล่าบอลฟุตบอล

InfluxData เป็นบริษัทที่สร้าง InfluxDB ฐานข้อมูลชุดเวลาแบบเปิดที่ใช้โดยนักพัฒนามากกว่าหนึ่งล้านคนทั่วโลก พวกเขามีภารกิจในการช่วยให้นักพัฒนาสร้างระบบแบบเรียลไทม์ที่ฉลาดด้วยข้อมูลชุดเวลา

คุณสามารถแบ่งปันเรื่องราวของคุณได้บ้างเกี่ยวกับการเดินทางของคุณจาก Research Assistant เป็น Lead Developer Advocate ที่ InfluxData ได้หรือไม่? และคุณได้รับอิทธิพลอย่างไรจากประสบการณ์ของคุณในด้าน Data Analytics และ Machine Learning ในบทบาทปัจจุบันของคุณ?

ฉันจบการศึกษาระดับปริญญาตรีสาขาวิศวกรรมเคมี โดยมุ่งเน้นไปที่วิศวกรรมชีวการแพทย์ และทำงานในห้องปฏิบัติการเพื่อพัฒนาวัคซีนและการตรวจจับออทิสติกก่อนเกิด จากนั้น ฉันเริ่มเขียนโปรแกรมสำหรับหุ่นยนต์ในการจัดการของเหลว และช่วยให้นักวิทยาศาสตร์ข้อมูลเข้าใจพารามิเตอร์สำหรับการตรวจจับ異常 ซึ่งทำให้ฉันสนใจในการเขียนโปรแกรมมากขึ้น

ฉันเข้าร่วมเป็น Sales Development Representative ที่ Oracle (ORCL ) และรู้สึกว่าฉันต้องมุ่งเน้นไปที่การเขียนโค้ด ฉันเข้าร่วมการฝึกอบรมการเขียนโค้ดที่ University of Texas ในด้าน Data Analytics และสามารถเข้าสู่อุตสาหกรรมเทคโนโลยี โดยเฉพาะด้าน Developer Relations

ฉันมีพื้นฐานทางเทคนิค ซึ่งช่วยให้ฉันสามารถเข้าใจและเห็นอกเห็นใจผู้ที่มีพื้นฐานด้านวิศวกรรม แต่ก็พยายามที่จะเรียนรู้ซอฟต์แวร์ เมื่อฉันสร้างเนื้อหาสำหรับผู้ใช้ใหม่ๆ ฉันสามารถช่วยให้พวกเขาเอาชนะอุปสรรคทางเทคนิคได้โดยการวางบทสนทนาในบริบทที่เกี่ยวข้องและน่าสนใจ

งานของคุณดูเหมือนจะผสมผสานระหว่างความสร้างสรรค์และความเชี่ยวชาญทางเทคนิค คุณรวมความหลงใหลในการทำให้ข้อมูล ‘สวยงาม’ เข้ากับการทำงานประจำวันของคุณที่ InfluxData ได้อย่างไร?

ล่าสุด ฉันเน้นไปที่ด้าน Data Engineering มากกว่า Data Analytics แม้ว่าฉันจะไม่ได้เน้นไปที่ Data Analytics มากเท่าเดิม แต่ฉันก็ยังชอบคณิตศาสตร์ และจะพยายามอธิบายคณิตศาสตร์เบื้องหลังอัลกอริทึมที่ฉันพบ

InfluxDB เป็นเสาหลักในด้านข้อมูลชุดเวลา คุณเห็นว่าชุมชนแบบเปิดมีอิทธิพลต่อการพัฒนาและวิวัฒนาการของ InfluxDB อย่างไร?

InfluxData มีความมุ่งมั่นต่อสถาปัตยกรรมข้อมูลแบบเปิดและระบบนิเวศของ Apache เมื่อปีที่แล้ว เราประกาศ InfluxDB 3.0 ซึ่งเป็นแก่นหลักใหม่ของ InfluxDB ที่เขียนด้วย Rust และสร้างขึ้นด้วย Apache Flight, DataFusion, Arrow และ Parquet ซึ่งเรียกว่า FDAP stack เมื่อนักวิศวกรที่ InfluxData ยังคงร่วมมือกับโครงการเหล่านี้ ชุมชนก็เติบโตขึ้น และ Apache Arrow กลายเป็นชุดโครงการที่ใช้งานง่ายขึ้นและมีคุณสมบัติและความสามารถที่เพิ่มขึ้น

คุณเห็นโครงการหรือการมีส่วนร่วมแบบเปิดที่น่าตื่นเต้นที่สุดในบริบทของข้อมูลชุดเวลาและ AI ล่าสุดคืออะไร?

มันสนุกที่ได้เห็นการเพิ่ม LLMs ที่ถูกนำมาใช้หรือใช้สำหรับการคาดการณ์แบบ zero-shot ในข้อมูลชุดเวลา Autolab มีกลุ่มของโมเดลภาษาข้อมูลชุดเวลาที่เปิด และ TimeGPT ก็เป็นตัวอย่างที่ดี

นอกจากนี้ ยังมีไลบรารีการประมวลผลสตรีมแบบเปิดที่น่าสนใจ เช่น Bytewax และ Mage.ai ที่ช่วยให้ผู้ใช้สามารถใช้และรวมโมเดลจาก Hugging Face ได้

InfluxData รักษาให้โครงการแบบเปิดของตนเองยังคงเกี่ยวข้องและเป็นประโยชน์ต่อชุมชนนักพัฒนาอย่างไร โดยเฉพาะอย่างยิ่งเมื่อเทียบกับการพัฒนาอย่างรวดเร็วในด้าน AI และ Machine Learning?

InfluxData รักษาให้โครงการของตนเองยังคงเกี่ยวข้องและเป็นประโยชน์โดยการมุ่งเน้นไปที่การมีส่วนร่วมในโครงการแบบเปิดที่บริษัท AI ใช้เช่นกัน ตัวอย่างเช่น ทุกครั้งที่ InfluxDB มีส่วนร่วมใน Apache Arrow, Parquet หรือ DataFusion จะเป็นประโยชน์ต่อทุกบริษัท AI ที่ใช้เทคโนโลยีเหล่านี้ เช่น Apache Spark, DataBricks, Rapids.ai, Snowflake, BigQuery, HuggingFace และอื่นๆ

โมเดลภาษาข้อมูลชุดเวลากำลังเป็นสิ่งจำเป็นมากขึ้นในด้านการวิเคราะห์เชิงทำนาย คุณสามารถอธิบายได้อย่างไรว่าโมเดลเหล่านี้เปลี่ยนแปลงการคาดการณ์ข้อมูลชุดเวลาและตรวจจับ異常?

โมเดลภาษาข้อมูลชุดเวลาทำให้ได้ผลลัพธ์ที่ดีกว่าโมเดลเชิงเส้นและสถิติ และยังให้การคาดการณ์แบบ zero-shot ซึ่งหมายความว่าคุณไม่ต้องฝึกโมเดลกับข้อมูลของคุณก่อนที่จะใช้ มันไม่ต้องการการปรับโมเดลเชิงสถิติ ซึ่งต้องการความเชี่ยวชาญที่ลึกซึ้งเกี่ยวกับข้อมูลชุดเวลา

อย่างไรก็ตาม ไม่เหมือนกับการประมวลผลภาษาธรรมชาติ สาขาข้อมูลชุดเวลาขาดชุดข้อมูลขนาดใหญ่ที่สามารถเข้าถึงได้โดยสาธารณะ โมเดลที่ถูกฝึกมาแล้วสำหรับข้อมูลชุดเวลาส่วนใหญ่ถูกฝึกด้วยชุดข้อมูลขนาดเล็กที่มีเพียงไม่กี่พันหรือหลายร้อยตัวอย่าง แม้ว่าชุดข้อมูลที่มีอยู่เหล่านี้จะเป็นเครื่องมือสำคัญสำหรับการก้าวหน้าของชุมชนข้อมูลชุดเวลา แต่ขนาดตัวอย่างที่จำกัดและขาดความทั่วไปก็ทำให้เกิดความท้าทายสำหรับการฝึกโมเดลการเรียนรู้เชิงลึก

นี่คือสิ่งที่ฉันคิดว่าทำให้โมเดลภาษาข้อมูลชุดเวลาที่เปิดไม่พบได้ง่าย โมเดลของ Google (GOOGL ) เช่น TimesFM และโมเดลของ IBM เช่น Tiny Time Mixers ถูกฝึกด้วยชุดข้อมูลขนาดใหญ่ที่มีหลายร้อยล้านจุดข้อมูล ด้วย TimesFM ตัวอย่างเช่น การฝึกแบบ pre-training จะทำโดยใช้ Google Cloud TPU v3–256 ซึ่งประกอบด้วย 256 TPU cores และมีหน่วยความจำทั้งหมด 2 terabytes การฝึกจะใช้เวลาประมาณ 10 วัน และส่งผลให้ได้โมเดลที่มี 1.2 พันล้านพารามิเตอร์ โมเดลที่ฝึกมาแล้วจะถูกปรับให้เหมาะสมกับงานเฉพาะและชุดข้อมูลโดยใช้อัตราการเรียนรู้ที่ต่ำกว่าและจำนวน epoch ที่น้อยกว่า

หวังว่าการเปลี่ยนแปลงนี้จะหมายความว่าคนสามารถทำการคาดการณ์ที่แม่นยำได้โดยไม่ต้องมีความรู้เชิงลึกเกี่ยวกับโดเมน แต่ก็ใช้เวลามากในการชั่งน้ำหนักข้อดีและข้อเสียของการใช้โมเดลที่มีค่าใช้จ่ายสูงเช่นนี้จากทั้งด้านการเงินและด้านสิ่งแวดล้อม

โพสต์นี้ใน Hugging Face Blog เป็นอีกตัวอย่างที่ดีเกี่ยวกับการคาดการณ์ข้อมูลชุดเวลา

คุณสามารถอธิบายข้อได้เปรียบหลักของการใช้โมเดลภาษาข้อมูลชุดเวลามากกว่าวิธีการแบบดั้งเดิมได้อย่างไร โดยเฉพาะในด้านการจัดการรูปแบบที่ซับซ้อนและผลลัพธ์แบบ zero-shot?

ข้อได้เปรียบหลักคือไม่ต้องฝึกและฝึกใหม่โมเดลกับข้อมูลชุดเวลาของคุณ นี่หวังว่าจะกำจัดปัญหาของการเรียนรู้ของเครื่องจักรแบบออนไลน์ในการตรวจสอบการเปลี่ยนแปลงของโมเดลและเรียกการฝึกใหม่ โดยทั่วไปจะกำจัดความซับซ้อนของการคาดการณ์

คุณไม่ต้องพยายามประมาณการความสัมพันธ์ระหว่างซีรี่ส์ข้อมูลหรือความสัมพันธ์สำหรับโมเดลเชิงสถิติแบบหลายตัวแปร การเพิ่มความแปรปรวนที่เพิ่มโดยการประมาณการอาจทำลายผลลัพธ์ของการคาดการณ์และทำให้โมเดลเรียนรู้ความสัมพันธ์ที่ไม่แท้จริง

คุณสามารถให้ตัวอย่างการใช้งานจริงของโมเดล เช่น TimesFM ของ Google, TinyTimeMixer ของ IBM และ MOMENT ของ AutoLab ได้หรือไม่?

สิ่งนี้ยากที่จะตอบ เนื่องจากโมเดลเหล่านี้ยังอยู่ในช่วงเริ่มต้น และยังไม่มีข้อมูลมากนักเกี่ยวกับวิธีการใช้งานในสถานการณ์จริง

จากประสบการณ์ของคุณ องค์กรทั่วไปที่พยายามรวมโมเดลภาษาข้อมูลชุดเวลาลงในโครงสร้างพื้นฐานข้อมูลที่มีอยู่จะพบกับความท้าทายอะไรบ้าง และพวกเขาสามารถเอาชนะความท้าทายเหล่านั้นได้อย่างไร?

โมเดลภาษาข้อมูลชุดเวลายังใหม่มาก ฉันจึงไม่แน่ใจว่าองค์กรจะพบกับความท้าทายอะไรบ้าง แต่ฉันคิดว่าพวกเขาจะเผชิญกับความท้าทายเดียวกับที่พบเมื่อพยายามรวมโมเดล GenAI ใดๆ ลงในกระบวนการข้อมูลของพวกเขา ความท้าทายเหล่านี้รวมถึง:

• ปัญหาเรื่องความเข้ากันได้และรวมข้อมูล: โมเดลภาษาข้อมูลชุดเวลาต้องการรูปแบบข้อมูลที่เฉพาะเจาะจง การจัดเวลาที่สม่ำเสมอ และช่วงเวลาที่สม่ำเสมอ แต่โครงสร้างพื้นฐานข้อมูลที่มีอยู่อาจรวมข้อมูลชุดเวลาที่ไม่สอดคล้องกันหรือไม่สอดคล้องกันอยู่ในระบบต่างๆ เช่น ฐานข้อมูลเก่า ระบบจัดเก็บข้อมูลบนคลาวด์ หรือสตรีมแบบเรียลไทม์ เพื่อแก้ไขปัญหานี้ ทีมควรใช้กระบวนการ ETL ที่แข็งแกร่งเพื่อทำการประมวลผล การทำความสะอาด และการปรับข้อมูลชุดเวลาให้เข้ากัน
• ความสามารถและประสิทธิภาพของโมเดล: โมเดลภาษาข้อมูลชุดเวลาสามารถใช้ทรัพยากรมาก โดยเฉพาะโมเดลการเรียนรู้เชิงลึก เช่น โมเดล Transformer ซึ่งต้องการทรัพยากรการประมวลผลและหน่วยความจำที่สำคัญในการประมวลผลข้อมูลชุดเวลาที่มีปริมาณมากในแบบเรียลไทม์หรือเกือบเรียลไทม์ สิ่งนี้ต้องการให้ทีมติดตั้งโมเดลบนแพลตฟอร์มที่สามารถปรับขนาดได้ เช่น Kubernetes หรือบริการ ML ที่จัดการโดยคลาวด์ ใช้การเร่งความเร็วของ GPU เมื่อจำเป็น และใช้เฟรมเวิร์กการประมวลผลแบบกระจาย เช่น Dask หรือ Ray เพื่อทำให้การอนุมานของโมเดลขนานกัน
• ความสามารถในการอธิบายและเชื่อถือได้: โมเดลภาษาข้อมูลชุดเวลาสามารถถูกมองว่าเป็น “กล่องดำ” ซึ่งทำให้ยากที่จะอธิบายการคาดการณ์ ซึ่งอาจเป็นปัญหาในอุตสาหกรรมที่มีการควบคุม เช่น การเงินหรือสุขภาพ
• ความปลอดภัยและความเป็นส่วนตัวของข้อมูล: การจัดการข้อมูลชุดเวลาหลายครั้งเกี่ยวข้องกับข้อมูลที่ละเอียดอ่อน เช่น ข้อมูลเซ็นเซอร์ IoT หรือข้อมูลธุรกรรมทางการเงิน ดังนั้นการรับรองความปลอดภัยของข้อมูลและความสอดคล้องกับมาตรฐานความปลอดภัยจึงเป็นสิ่งสำคัญ องค์กรต้องแน่ใจว่ากระบวนการข้อมูลและโมเดลของตนเป็นไปตามแนวปฏิบัติด้านความปลอดภัยที่ดีที่สุด รวมถึงการเข้ารหัสและการควบคุมการเข้าถึง และติดตั้งโมเดลภายในสภาพแวดล้อมที่ปลอดภัยและแยกออกจากกัน

เมื่อมองไปข้างหน้า คุณเห็นอนาคตของโมเดลภาษาข้อมูลชุดเวลาวิวัฒนาการอย่างไรในด้านการวิเคราะห์เชิงทำนายและ AI มีเทรนด์หรือเทคโนโลยีใหม่ที่น่าตื่นเต้นที่คุณเห็น?

ขั้นตอนต่อไปที่เป็นไปได้ในการพัฒนาโมเดลภาษาข้อมูลชุดเวลาคือการแนะนำเครื่องมือที่ช่วยให้ผู้ใช้สามารถใช้งานและเข้าถึงได้ง่ายขึ้น โมเดลภาษาข้อมูลชุดเวลาส่วนใหญ่ที่ฉันใช้จำเป็นต้องมีสภาพแวดล้อมที่เฉพาะเจาะจงและขาดเอกสารประกอบอย่างกว้างขวาง ในที่สุด โครงการเหล่านี้ยังอยู่ในช่วงเริ่มต้น แต่น่าจะน่าตื่นเต้นที่จะได้เห็นว่าพวกมันจะพัฒนาไปอย่างไรในเดือนและปีต่อๆ ไป

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม InfluxData เพื่อเรียนรู้เพิ่มเติม