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 у свою професійну кар’єру. Вона має 18 років досвіду роботи у телекомунікаційній компанії в Канаді та Швеції, а також у сфері Аерокосмічної, Енергетичної та Інформаційних Технологій у різних компаніях. Наразі вона працює у Stradigi AI, лідері штучного інтелекту у Канаді.

Марія Елена Карбахаль виконувала багато функціональних ролей у сфері НДР, 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 саме 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 господарства до приведення ефективності моїм командам, клієнтам та бізнесу загалом. Це в основі моєї сутності. Я була досить удачлива, щоб мати дуже практичний досвід у впровадженні передових технологій у минулому десятилітті у різних галузях, тому мої навички стали дуже різноманітними та перехрестними.

Якщо говорити конкретніше про штучний інтелект, я є сильним прихильником того, 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. Саме це спонукало мене та тримало мене зайнятим та надихнутим, день за днем.

Ви раніше працювали у Ericsson протягом 18 років, що спонукало вас приєднатися до Stradigi AI?

Я була зацікавлена у тому, щоб зосередити свої професійні зусилля 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 великими чи малими, 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, такого як Stradigi AI, я хотіла виштовхнути себе з зони комфорту та особисто пережити, що таке бути частиною процвітної, еволюціонуючої екосистеми 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 дивовижною групою професіоналів та інноваторів, стало ясно, що мій досвід у Ericsson був так цінний та перехрестний 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 комусь, хто не має досвіду машинного навчання, створювати моделі штучного інтелекту, можете описати, як це досягається?

Багато дискусій у світі штучного інтелекту та машинного навчання обертаються навколо “демократизації”. Що, якщо говорити вільно, полягає у тому, щоб зробити штучний інтелект доступним для мас. Але доступність та зручність використання не є одними й тим самим. З нашою самослужбною платформою машинного навчання Kepler, нашою основною метою є забезпечення того, щоб внутрішні SME та аналітики могли створювати моделі з використанням передових технік машинного навчання, без необхідності вивчати складну науку про дані чи залучати свої команди з науки про дані.

З практичної та технічної точки зору, це досягається шляхом автоматизації крок за кроком процесів науки про дані, які зазвичай займають час та експертизу для виконання. Наприклад, Kepler автоматизує процес інженерії функцій, складного та багатокрокового підприємства. Він також автоматично створює конвеєр, вибираючи найкращі алгоритми, проходить автоматичну конфігурацію та оптимізацію гіперпараметрів – все це без участі людини.

Мета такого рівня автоматизації у процесі полягає у звільненні ваших експертів від витрачання часу на тривіальні та часоємні завдання. Автоматизуючи ці кроки, Kepler дає вашій команді більше часу для思考у про наступну велику інновацію, а не про тривіальні завдання дня. Для аналітиків та SME це також шлях до підвищення кваліфікації: впроваджуючи інструменти машинного навчання у свій 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 охоплює широкий спектр випадків використання у різних галузях, використовуючи масив технік від класичного машинного навчання до глибокого навчання. Від урядів до інвестицій, Kepler може допомогти лідерам досягти вимірюваних результатів.

Деякі впливові проекти, які приходять 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 у місцевих та національних урядах у використанні природної мови для категоризації складної текстової інформації та приведення нових ефективностей до спадкових процесів.

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 не знайомий з цим, можете 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” для високопрактичних застосувань. Наприклад, один з наших потоків – прогнозування часових рядів, який дозволяє професіоналам у сфері споживчих товарів чи рітейлу прогнозувати, коли запаси потрібно поповнювати. Є вісім попередньо існуючих потоків у Kepler, які всі інтуїтивно розроблені для неквалифікованих фахівців у галузі науки про дані.

ADSW – це передові 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 керування
• Оцінку метрик моделі

Все, що потрібно користувачеві для отримання моделі машинного навчання, готової до розгортання, – це дані та випадок використання, який потрібно вирішити. І, залежно від набору даних, вся складна робота у ADSW може бути виконана 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. Таблиці: це може бути таблиця, що 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 конвеєрі.

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

У вас є якісь поради чи стратегії для жінок, які цікавляться вступом до технологій?

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

1 – Навчання. Це повинно завжди бути частиною вашого життя. Незалежно від того, скільки вам років, вам завжди потрібно щось нове вивчати. Це не має значення, як ви це робите чи хто вам це вчить, 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. Добре пам’ятайте, що бути готовим до навчання – це одна з ключових маніфестацій співчуття.

2 – Прохідність. Приклади важкої праці 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 це роблю, тим більше я розумію, що все можливе. Я не коливалася б, щоб вийти з зони комфорту та взятися за додатковий виклик. Коли ви робите це, лідери можуть ідентифікувати та оцінити прохідність, яку ви проявляєте.

Коли ви підходите до роботи таким чином, вам не потрібно 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 експозиції до осіб, які приймають рішення, та, що найважливіше, більше можливостей для навчання.

3 – Наставництво. Для мене наставництво – це така потужна інструмент, оскільки воно розтягує ваші слухові та навчальні м’язи чи навички. Наставництво також може привести вас ближче до великих лідерів з вашої професійної мережі чи особистого кола. На протяженні вашої кар’єри важливо ідентифікувати тих лідерів, яким ви можете довіряти та слідувати, та вибрати їх у якості ваших наставників та моделей для наслідування.

Лідери, які вірять у вас, будуть штовхати вас з зони комфорту та бути там, щоб допомогти вам набрати силу. Великі лідери та великі наставники можуть бути безжально 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 визнати, хто ці наставники можуть бути для вас – і довіряти їм.

Дякую за інтерв’ю. Ваши три стратегії для тих, хто бажає вступити до технологій, застосовні до будь-кого, і я повністю погоджуюся з ними. Хто бажає дізнатися більше про Kepler чи про цю чудову компанію, повинен відвідати Stradigi AI.