Maria Elena, Giám đốc Giải pháp tại Stradigi AI – Loạt Phỏng vấn

Maria Elena Carbajal mang đến hơn 25 năm kinh nghiệm trong lĩnh vực Trí tuệ Nhân tạo, Công nghệ Thông tin và Viễn thông trong sự nghiệp của mình. Cô đã có 18 năm kinh nghiệm làm việc tại một công ty viễn thông ở Canada và Thụy Điển, cũng như trong lĩnh vực Hàng không, Năng lượng và Công nghệ Thông tin với các công ty khác nhau. Hiện tại, cô đang làm việc cho Stradigi AI, một công ty Trí tuệ Nhân tạo hàng đầu tại Canada.

Maria Elena Carbajal đã từng đảm nhiệm nhiều vai trò chức năng trong nghiên cứu và phát triển, kỹ thuật, dịch vụ chuyên nghiệp toàn cầu, chuyển đổi số và công nghệ thông tin. Kinh nghiệm quốc tế của cô bao gồm làm việc và quản lý các đội ở các quốc gia như Peru, Canada, Mỹ, Mexico, Brazil, Thụy Điển, Phần Lan, Na Uy, Nga, Estonia và Belarus.

Điều gì đã thu hút bạn đến với Trí tuệ Nhân tạo ban đầu?

Tôi luôn đam mê làm việc trong lĩnh vực công nghệ. Là một cá nhân, tôi luôn đầu tư vào việc tối ưu hóa mọi thứ xung quanh mình: từ việc tổ chức gia đình đến việc mang lại hiệu quả cho các đội, khách hàng và doanh nghiệp nói chung. Đó là cốt lõi của bản thân tôi. Tôi đã may mắn có kinh nghiệm thực tế trong việc triển khai công nghệ hàng đầu trong hai thập kỷ qua trong các ngành công nghiệp khác nhau, vì vậy kỹ năng trở nên đa dạng và có thể chuyển giao.

Nhìn chung hơn về Trí tuệ Nhân tạo, tôi là một người tin tưởng mạnh mẽ rằng Trí tuệ Nhân tạo và Máy tính Lượng tử sẽ cách mạng hóa tất cả các ngành công nghiệp – không có ngoại lệ. Trí tuệ Nhân tạo là yếu tố quan trọng để giải phóng và thúc đẩy tối ưu hóa trong tất cả các lĩnh vực: kinh doanh, chuyên nghiệp và cá nhân. Đó là điều đã thu hút tôi và giữ tôi tham gia và truyền cảm hứng, ngày qua ngày.

Bạn trước đây đã từng làm việc tại Ericsson (ERIC ) trong 18 năm, điều gì đã khiến bạn quyết định gia nhập Stradigi AI?

Tôi quan tâm đến việc tập trung nỗ lực chuyên môn của mình vào Trí tuệ Nhân tạo do tác động của nó đối với cách chúng ta sống và làm việc. Trí tuệ Nhân tạo mở ra cánh cửa cho một loạt các vấn đề mà bạn muốn giải quyết khi làm việc với các doanh nghiệp lớn hay nhỏ, cho bạn cơ hội tạo ra sự khác biệt, di chuyển kim chỉ nam và sử dụng công nghệ vì lợi ích tốt. Ngoài ra, tôi đã có kinh nghiệm điều hành rộng lớn tại Ericsson, điều mà ngược lại là một tổ chức khổng lồ. Việc chuyển sang một công ty khởi nghiệp như Stradigi AI, tôi muốn đẩy mình ra khỏi vùng an toàn và trải nghiệm trực tiếp về việc trở thành một phần của hệ sinh thái Trí tuệ Nhân tạo đang phát triển tại Montreal. Có điều gì đó kích thích và tạo năng lượng khi trở thành một phần của cộng đồng này.

Tôi đã làm việc tại Stradigi AI được một năm và sau một năm làm việc với một nhóm chuyên nghiệp và đổi mới tuyệt vời, rõ ràng rằng kinh nghiệm của tôi tại Ericsson đã rất quý giá và có thể chuyển giao cho bất kỳ tổ chức nào, dù quy mô nào. Triết lý của tôi luôn là di chuyển kim chỉ nam công nghệ từng khách hàng một, và tôi đã mang điều đó đến Stradigi AI.

Stradigi AI cho phép người dùng không có kinh nghiệm học máy tạo ra các mô hình Trí tuệ Nhân tạo, bạn có thể mô tả cách thức này được thực hiện?

Nhiều cuộc thảo luận trong thế giới Trí tuệ Nhân tạo và Học máy xoay quanh “đemoc hóa”. Điều này, nói một cách rộng rãi, là về việc làm cho Trí tuệ Nhân tạo có sẵn cho mọi người. Nhưng sự sẵn có và khả năng sử dụng không phải là một. Với nền tảng học máy tự phục vụ của chúng tôi, Kepler, mục tiêu chính của chúng tôi là đảm bảo rằng các chuyên gia và nhà phân tích nội bộ có thể tạo ra các mô hình với các kỹ thuật học máy tiên tiến, mà không cần phải học các công việc khoa học dữ liệu phức tạp hoặc liên quan đến các đội khoa học dữ liệu.

Về mặt thực tế và kỹ thuật, điều này được thực hiện thông qua việc tự động hóa các quy trình khoa học dữ liệu từng bước thường mất thời gian và chuyên môn để hoàn thành. Ví dụ, Kepler tự động hóa quá trình kỹ thuật tính năng, một nỗ lực đa bước phức tạp. Nó cũng tự động tạo ra một đường ống bằng cách chọn các thuật toán tốt nhất, trải qua cấu hình tự động và tối ưu hóa siêu tham số – tất cả đều không cần sự can thiệp.

Mục tiêu của việc tự động hóa quy trình này là để giải phóng các chuyên gia của bạn khỏi việc lãng phí thời gian vào các nhiệm vụ tầm thường và tốn thời gian. Bằng cách tự động hóa các bước này, Kepler mang lại cho đội của bạn nhiều thời gian hơn để suy nghĩ về sự đổi mới lớn tiếp theo, thay vì các nhiệm vụ tầm thường hàng ngày. Đối với các nhà phân tích và chuyên gia, đây cũng là một con đường để nâng cao kỹ năng: bằng cách triển khai các công cụ học máy vào công việc hàng ngày, bạn đang mang lại cho họ cơ hội để làm giàu phân tích và do đó tiếp cận các trường hợp sử dụng quan trọng.

Có những mô hình Trí tuệ Nhân tạo thú vị nào mà bạn đã thấy từ các công ty sử dụng Kepler?

Điểm đẹp của Kepler là nó bao gồm một loạt các trường hợp sử dụng trên nhiều ngành công nghiệp, sử dụng một loạt các kỹ thuật từ học máy cổ điển đến học sâu. Từ chính phủ đến đầu tư, Kepler có thể giúp các nhà lãnh đạo đạt được kết quả đo lường được.

Một số dự án có tác động lớn mà tôi nhớ đến là việc phát triển các mô hình đổi mới trong lĩnh vực chăm sóc sức khỏe, nơi chúng tôi sử dụng các mô hình phân đoạn hình ảnh và hồi quy để phát hiện bệnh. Một ví dụ khác là công việc của chúng tôi với các cơ quan quản lý trong chính phủ địa phương và quốc gia trong việc sử dụng Hiểu biết Ngôn ngữ Tự nhiên để phân loại thông tin văn bản phức tạp và mang lại hiệu quả mới cho các quy trình cũ.

Vào phía cuối khác của phổ, chúng tôi cũng đã tận dụng Kepler để tối ưu hóa hoạt động giao dịch cho một khách hàng trong lĩnh vực tài chính.

Stradigi AI sử dụng Lưu trình Khoa học Dữ liệu Tự động hóa. Đối với những người không quen thuộc với điều này, bạn có thể mô tả nó là gì và cách nó được sử dụng bởi Stradigi AI?

Lưu trình Khoa học Dữ liệu Tự động hóa (ADSW) là các quy trình khoa học dữ liệu từ đầu đến cuối hoạt động trong Kepler. ADSWs được tạo ra để giải quyết một số trường hợp sử dụng, vì vậy chúng tôi xây dựng từng “lưu trình” để có các ứng dụng thực tế cao. Ví dụ, một trong những lưu trình của chúng tôi là Dự báo chuỗi thời gian, cho phép các chuyên gia trong lĩnh vực hàng tiêu dùng hoặc bán lẻ dự đoán khi nào hàng tồn kho cần được bổ sung. Có tám lưu trình sẵn có trong Kepler, tất cả đều được thiết kế trực quan cho những người không phải là nhà khoa học dữ liệu.

ADSWs là các lưu trình học máy tiên tiến tự động hóa các quy trình chính, một số trong đó tôi đã đề cập ở trên. Trong một ADSW, Kepler tự động hóa:

• Tối ưu hóa tham số siêu
• Cấu hình
• Chọn mô hình
• Phân chia dữ liệu đào tạo và kiểm tra
• Tạo bảng điều khiển
• Đánh giá các chỉ số mô hình

Tất cả những gì người dùng cần để có được một mô hình học máy có thể triển khai là dữ liệu và một trường hợp sử dụng để giải quyết. Và, tùy thuộc vào tập dữ liệu, tất cả công việc phức tạp trong một ADSW có thể được hoàn thành trong vài phút.

Loại dữ liệu nào có thể được sử dụng?

Nền tảng Kepler cho phép bạn làm việc với dữ liệu bảng, văn bản và hình ảnh.

Đối với những người không quen thuộc với dữ liệu và loại dữ liệu, tôi sẽ giải thích chúng:

1. Bảng: đây sẽ là một bảng tính chứa thông tin chính như dữ liệu bán hàng hoặc một bảng cơ sở dữ liệu về nhân khẩu học khách hàng, sản phẩm, v.v.
2. Văn bản: loại dữ liệu này có thể đến từ nhiều hình thức, nghĩ về email, đánh giá của khách hàng, nội dung trên mạng xã hội, kho lưu trữ thư viện, hợp đồng, v.v.
3. Hình ảnh: nghĩ về các thư viện sản phẩm hoặc ảnh của các vật phẩm trên dây chuyền lắp ráp.

Dữ liệu video sẽ có thể được sử dụng trong Kepler trong tương lai. Trên trang web của chúng tôi dưới “Loại Dữ liệu”, chúng tôi giải thích loại dữ liệu nào có thể giải quyết các trường hợp sử dụng quan trọng. Bạn sẽ ngạc nhiên khi thấy nhiều dữ liệu không được tận dụng, đặc biệt là trong các doanh nghiệp lớn.

Bạn có bất kỳ lời khuyên hoặc chiến lược nào cho phụ nữ muốn tham gia vào lĩnh vực công nghệ?

Tôi có ba lời khuyên mà tôi nghĩ là cơ bản cho thành công của bất kỳ ai trong ngành công nghệ.

1 – Học hỏi. Điều này nên luôn là một phần của cuộc sống bạn. Không quan trọng bạn đang ở độ tuổi nào, bạn nên luôn có điều gì đó để học. Điều đó không quan trọng là bạn học như thế nào hoặc từ ai, chỉ cần bạn sẵn sàng nhận kiến thức. Mở rộng tâm trí. Xóa sạch não bộ để bạn có thể sẵn sàng nhận thêm kiến thức, thêm tình yêu, thêm cảm thông… chỉ cần thêm. Hãy say mê sự phát triển của chính mình. Một lời nhắc nhở tuyệt vời là rằng sẵn sàng học hỏi là một trong những biểu hiện quan trọng của cảm thông.

2 – Đam mê. Các ví dụ về làm việc chăm chỉ đã không bao giờ thất bại trong kinh nghiệm chuyên môn của tôi. Tôi luôn sẵn sàng giơ tay lên tại nơi làm việc để đảm nhận các tình huống phức tạp hoặc hoạt động khó khăn. Càng làm nhiều điều đó, tôi càng nhận ra rằng mọi thứ đều có thể. Tôi sẽ không ngần ngại nhảy ra khỏi vùng an toàn và đảm nhận thử thách thêm. Khi bạn làm điều đó, các nhà lãnh đạo có thể xác định và đánh giá cao đam mê mà bạn thể hiện.

Khi bạn tiếp cận công việc theo cách này, bạn không cần phải chờ đợi cơ hội việc làm tuyệt vời sẽ thay đổi cuộc sống của bạn. Nếu bạn chú ý, bạn sẽ nhận thấy có rất nhiều nhiệm vụ nhỏ xung quanh bạn sẽ mang lại cho bạn nhiều cơ hội hơn để được các nhà lãnh đạo chú ý và quan trọng nhất, nhiều cơ hội hơn để học hỏi.

3 – Hướng dẫn. Đối với tôi, việc hướng dẫn là một công cụ mạnh mẽ, vì nó giúp phát triển các cơ và kỹ năng học hỏi hoặc lắng nghe của bạn. Việc hướng dẫn cũng có thể mang bạn đến gần hơn với các nhà lãnh đạo tuyệt vời từ mạng lưới chuyên môn hoặc trong vòng tròn cá nhân của bạn. Trong suốt sự nghiệp, điều quan trọng là xác định loại nhà lãnh đạo bạn có thể tin tưởng và theo dõi, và chọn họ làm người hướng dẫn và mô hình của bạn.

Các nhà lãnh đạo tin tưởng vào bạn sẽ đẩy bạn ra khỏi vùng an toàn và giúp bạn tăng cường sức mạnh. Các nhà lãnh đạo và người hướng dẫn tuyệt vời có thể nói chuyện thẳng thắn, nhưng họ cũng có thể là những người nghe tuyệt vời. Tìm kiếm những người vô tư giúp bạn đạt được tiềm năng đầy đủ của mình có thể mang lại cho bạn một số khoảnh khắc giảng dạy quý giá nhất trong đời. Bây giờ, nhiệm vụ của bạn là tìm và nhận ra những người hướng dẫn này là ai hoặc có thể là ai cho bạn — và tin tưởng họ.

Cảm ơn vì cuộc phỏng vấn. Ba chiến lược của bạn cho những người muốn tham gia vào lĩnh vực công nghệ là áp dụng được cho bất kỳ ai và tôi hoàn toàn đồng ý với chúng. Bất kỳ ai muốn tìm hiểu thêm về Kepler hoặc công ty tuyệt vời này nên truy cập Stradigi AI.