Марія Елена, Директор Рішень у Stradigi AI – Серія Інтерв’ю

Марія Елена Карбахаль привносить понад 25 років досвіду у сфері штучного інтелекту, інформаційних технологій та телекомунікацій до своєї професійної кар’єри. Вона має 18 років досвіду роботи у телекомунікаційній компанії в Канаді та Швеції, а також у сфері аерокосмічної промисловості, енергетики та інформаційних технологій у різних компаніях. Наразі працює у Stradigi AI, лідері штучного інтелекту у Канаді.

Марія Елена Карбахаль виконувала різні функціональні ролі у сфері досліджень та розробок, інженерії, глобальних професійних послуг, цифрової трансформації та інформаційних технологій. Її міжнародний досвід включає роботу та управління командами у країнах таких як Перу, Канада, США, Мексика, Бразилія, Швеція, Фінляндія, Норвегія, Росія, Естонія та Білорусь.

Що спонукало вас до штучного інтелекту спочатку?

Я завжди була захоплена роботою у сфері технологій. Як особистість, я завжди інвестую у те, щоб оптимізувати все, що мене оточує: від організації мого будинку до підвищення ефективності моїх команд, клієнтів та бізнесу загалом. Це частина мого єства. Я була досить удачлива, щоб мати практичний досвід впровадження передових технологій за останні два десятиліття у різних галузях, тому мої навички стали дуже різноманітними та перехрестними.

Якщо дивитися конкретніше на штучний інтелект, я є переконаною, що штучний інтелект та квантові обчислення революціонізуватимуть усі галузі – без винятків. Штучний інтелект критичний для звільнення та підтримки оптимізації у всіх сферах: бізнесі, професійній та особистій. Це те, що спонукало мене та утримало мене зайнятою та натхненою, день за днем.

Ви раніше працювали у Ericsson (ERIC ) протягом 18 років, що спонукало вас перейти до Stradigi AI?

Мене цікавило зосередження моїх професійних зусиль на штучному інтелекті через те, як сильно він вплине та змінить спосіб нашого життя та роботи. Штучний інтелект відкриває двері до ряду проблем, які ви намагаєтеся вирішити при роботі з підприємствами будь-якого розміру, що дає вам можливість зробити різницю, рухнути стрілку та використовувати технології для добра. Крім того, у мене був обширний виконавчий досвід у Ericsson, який, на відміну від цього, є величезною організацією. Перехід до стартапу типу Stradigi AI, я хотіла вийти з своєї зони комфорту та пережити те, що відбувається у цій розбудові штучного інтелекту, яка формується у Монреалі. Є щось мотивуюче та енергізуюче у тому, щоб бути частиною цієї спільноти.

Я працюю у Stradigi AI вже рік, і після року роботи з чудовою групою професіоналів та інноваторів, стало ясно, що мої досвіди у Ericsson були надзвичайно цінними та перехрестними для будь-якої організації, незалежно від розміру. Моя філософія завжди полягала у тому, щоб рухнути технологічну стрілку одному клієнту за раз, і я принесла це до Stradigi AI теж.

Stradigi AI дозволяє людині без досвіду машинного навчання створювати моделі штучного інтелекту, можете ви описати, як це досягається?

Багато дискусій у світі штучного інтелекту та машинного навчання обертаються навколо “демократизації”. Що, якщо говорити вільно, означає зробити штучний інтелект доступним для мас. Але доступність та зручність використання не є одним і тим же. З нашої самослужбової платформи машинного навчання Kepler, нашою основною метою є забезпечення того, щоб внутрішні експерти та аналітики могли створювати моделі з використанням передових методів машинного навчання, без потреби вивчати складну науку про дані чи залучати свої команди науковців.

З практичної та технічної точки зору, це досягається шляхом автоматизації крок за кроком процесів науки про дані, які зазвичай займають час та досвід. Наприклад, Kepler автоматизує процес інженерії функцій, складну та багатокрокову справу. Він також автоматично створює конвеєр, вибираючи найкращі алгоритми, проходячи автоматичну конфігурацію та оптимізацію гіперпараметрів – все це відбувається без участі людини.

Мета такого рівня автоматизації у процесі полягає у звільненні ваших експертів від витрат часу на тривіальні та часоємні завдання. Автоматизуючи ці кроки, Kepler дає вашій команді більше часу для думання про наступну велику інновацію, а не про повсякденні завдання. Для аналітиків та експертів це також шлях до підвищення кваліфікації: впроваджуючи інструменти машинного навчання у свій робочий день, ви даєте їм можливість збагатити свій аналіз та підхід до ключових випадків використання.

Які цікаві моделі штучного інтелекту ви бачили у компаній, які використовують Kepler?

Краса Kepler полягає у тому, що вона покриває широкий спектр випадків використання у різних галузях, використовуючи ряд методів від класичного машинного навчання до глибокого навчання. Від урядів до інвестицій, Kepler може допомогти лідерам досягти вимірюваних результатів.

Деякі впливаючі проекти, які приходять мені на думку та мають великий вплив на спосіб нашого життя та роботи, це розробка інноваційних моделей у сфері охорони здоров’я, де ми використовували моделі сегментації зображень та регресійні моделі для виявлення захворювань. Інший приклад -我们的 робота з регулюючими органами місцевих та національних урядів у використанні природної мови для категоризації складної текстової інформації та впровадження нових ефективностей у спадкові процеси.

На іншому кінці спектру ми також використали Kepler для оптимізації торговельної діяльності для клієнта у фінансовому секторі.

Stradigi AI використовує Автоматизований Потік Науки про Дані. Для тих, хто незнайомий з цим, можете ви описати, що це таке та як воно використовується у Stradigi AI?

Автоматизовані Потоки Науки про Дані (ADSW) – це кінцеві процеси науки про дані, які працюють у Kepler. ADSW були створені для вирішення ряду випадків використання, тому ми побудували кожен “потік” з високими практичними застосуваннями. Наприклад, один з наших потоків – прогнозування часових рядів, який дозволяє професіоналам у сфері споживчих товарів чи рітейлу прогнозувати, коли потрібно поповнити запаси. Є вісім попередньо існуючих потоків у Kepler, які всі інтуїтивно розроблені для некваліфікованих фахівців.

ADSW – це розширені потоки машинного навчання, які автоматизують ключові процеси, деякі з яких я згадував вище. У ADSW Kepler автоматизує:

• Оптимізацію гіперпараметрів
• Конфігурацію
• Вибір моделі
• Розподіл даних для навчання та тестування
• Створення панелі управління
• Оцінку метрик моделі

Все, що потрібно користувачеві для отримання моделі машинного навчання, готової до розгортання, – це дані та випадок використання. І, залежно від набору даних, вся складна робота у ADSW може бути завершена за кілька хвилин.

Які типи даних можна використовувати?

Платформа Kepler дозволяє працювати з таблицями, текстом та зображеннями.

Для тих, хто не знайомий з даними та типами даних, я розберу їх:

1. Таблиця: це може бути електронна таблиця, яка містить ключову інформацію, наприклад дані про продажі, або таблиця бази даних клієнтських демографічних даних, продуктів тощо.
2. Текст: цей тип даних може приймати багато форм, наприклад електронні листи, відгуки клієнтів, контент соціальних мереж, бібліотечні архіви, контракти тощо.
3. Зображення: подумайте про галереї продуктів або фотографії предметів на складальному конвеєрі.

Дані відео будуть доступні у Kepler у майбутньому. На нашому сайті під розділом “Типи даних” ми пояснюємо, які типи даних можуть вирішувати ключові випадки використання. Ви будете здивовані, скільки даних залишається невикористаним, особливо у великих підприємствах.

У вас є поради чи стратегії для жінок, які цікавляться вступом у технологічний сектор?

У мене є три поради, які, на мою думку, є фундаментальними для успіху будь-кого у технологічній галузі.

1 – Навчання. Це завжди має бути частиною вашого життя. Незалежно від того, скільки вам років, ви завжди повинні мати щось, чому можна навчитися. Це не важливо, як ви навчаєтеся або у кого ви навчаєтеся, просто будьте готові прийняти знання. Відкрийте свій розум. Очистіть свій мозок, щоб ви могли бути готові прийняти більше знань, більше любові, більше співчуття… просто більше. Будьте одержимі своїм власним розвитком. Гарна нагадування полягає у тому, що бути готовим до навчання – це один із ключових проявів співчуття.

2 – Пристрасть. Приклади важкої роботи ніколи не були невдалими у моєму професійному досвіді. Я завжди готова підняти руку на роботі, щоб взятися за складні ситуації чи складну діяльність. Чим більше я роблю це, тим більше я розумію, що все можливе. Я не коливалася б, щоб вийти з своєї зони комфорту та взятися за додатковий виклик. Коли ви робите це, лідери можуть ідентифікувати та оцінити пристрасть, яку ви проявляєте.

Коли ви підходите до роботи таким чином, ви не повинні чекати на ту велику можливість роботи, яка змінить ваше життя. Якщо ви звернете увагу, ви помітите, що є багато малих завдань навколо вас, які дадуть вам більше можливостей для навчання та більшої кількості можливостей для спілкування з прийняттям рішень.

3 – Наставництво. Для мене наставництво є таким потужним інструментом, оскільки воно розтягує ваші навички слухання та навчання. Наставництво також може привести вас ближче до великих лідерів з вашої професійної мережі або у вашому особистому колі. На всьому протязі вашої кар’єри важливо ідентифікувати тих лідерів, яким ви можете довіряти та слідувати, і вибрати їх як ваших наставників та моделей для наслідування.

Лідери, які вірять у вас, будуть штовхати вас з вашої зони комфорту та бути там, щоб допомогти вам набрати силу. Великі лідери та великі наставники можуть бути безжалісно чесними, але вони також можуть бути чудовими слухачами. Знайти безкорисливих людей, які допоможуть вам досягти вашого повного потенціалу, може пропонувати вам деякі з найкращих навчальних моментів вашого життя. Тепер ваша задача – знайти та визначити, хто ці наставники можуть бути для вас – і довіряти їм.

Дякую за інтерв’ю. Ваша три стратегії для тих, хто бажає вступити у технологічний сектор, мають значення для будь-кого і я повністю погоджуюся з ними. Хто бажає дізнатися більше про Kepler або про цю чудову компанію, повинен відвідати Stradigi AI.