Освоение искусства стратегии науки о данных Разговор с AI-видионером Вином Вашиштой

Искусство стратегии в науке о данных разговор с AI-видеонером Вином Вашиштой

Окунитесь в преобразующийся мир науки о данных с революционной серией Analytics Vidhya Leading With Data. В этом эксклюзивном интервью из серии Кунал Жайн, CEO Analytics Vidhya, вступает в увлекательный разговор с Вином Вашишта, выдающимся лидером искусственного интеллекта. Раскройте секреты пути Вина, отмеченного стратегическим сдвигом от технических ролей к руководству, поскольку он делится бесценными идеями и опытом.

В разговоре с Вином Вашиштой, основателем и AI-советником V Squared

Причиняйтесь!

Основные идеи

• Приступите к необычайному путешествию Вина Вашишты, переходящему от установки ПК до становления первопроходцем в области AI-стратегии.
• Раскройте его взгляд на критическое принятие решений для лидеров: балансировка быстрых решений с надежностью приложений в области науки о данных.
• Получите представление о процессе Вина предвидения тенденций отрасли до их взрывного роста, направляя его стратегические ходы в постоянно меняющемся ландшафте.
• Исследуйте зарождение его стартапа и следите за его развитием на протяжении лет, получив перворучный отчет о проблемах и победах.
• Проникнитесь верой Вина в важность благоразумного видения бизнеса, даже для пристрастившихся к передовым технологиям в конечный срок, как движущей силы стабильного успеха.
• Поймите, почему Вин выступает в защиту специалистов в области технологий, ветвящихся в разные области, подчеркивая необходимость продвижения вперед в быстро развивающейся области.

Как вы начали свое путешествие в области науки о данных?

Я начал свое образование, чтобы стать инженером-строителем, следуя по стопам своего отца. Однако мое первое знакомство с программированием в 12 лет глубоко повлияло на меня. Меня пленяла возможность создавать что-то в виртуальной среде. Во время моего первого курса по программированию в колледже я сразу понял, что это мое призвание. Мое внимание переключилось на программирование, что было примерно в 1994-1995 гг. Мой путь в область науки о данных не был простым. Я начал свою карьеру во время первого всплеска популярности искусственного интеллекта в 90-х годах. Несмотря на стремление работать в Microsoft и строить передовые модели, я занимался более традиционными ролями программиста. Я проработал свой путь от установки ПК до создания веб-сайтов и администрирования баз данных. Моя первая корпоративная работа заключалась в установке программного обеспечения и платформ внутри компании и прямом контакте с клиентами. Этот опыт был важен, так как он научил меня важности выполнения обещаний программного обеспечения.

• Развитие компаний с использованием ChatGPT примерно на треть зависит от технологии и на две трети от улучшения процессов.
• Настройка гиперпараметров Нейронные сети 101
• Параллельное выполнение Python на Spark Варианты конкурентности с Pandas

С какими проблемами вы столкнулись в начале работы с моделями науки о данных?

Моим первым проектом в области науки о данных был в 2012 году, и тогда у нас не было таких библиотек и ресурсов, как сейчас. Я создавал модели на разных языках, включая С, С++ и Java, потому что нам приходилось оптимизировать все из-за ограничений технологий. У нас не было облачной инфраструктуры, которая есть сейчас, и данные масштаба были доступны только крупным компаниям. Моими первыми клиентами были крупные компании, и только примерно в 2016 году ко мне стали обращаться небольшие и средние предприятия. Работа с этими меньшими клиентами познакомила меня с реальными ограничениями, такими как бюджет и время, что было отличным опытом от корпоративного мира.

Как вы перешли из технических ролей в стратегию и руководство?

После увольнения в 2012 году я быстро превратил свою стороннюю консалтинговую практику в полноценный бизнес под названием V Squared. Изначально моя работа была больше в области BI-аналитики, чем в науке о данных. По мере развития отрасли я начал создавать статистические модели и работать с учеными, которые научили меня важности объяснимости моделей. Этот опыт позволил мне улаживать разрыв между традиционными подходами к машинному обучению и строгими стандартами науки. Я научился определять, когда требуется быстрое и более надежное решение. Это понимание баланса между доставкой ценности и технической строгостью привело меня из технических ролей в лидерство и стратегию.

Как социальные сети повлияли на рост вашего бизнеса?

Социальные медиа, особенно Twitter и позднее LinkedIn, сыграли значительную роль в расширении моего бизнеса. Они полностью изменили мою воронку продаж, увеличив количество запросов и возможностей. Я нашел свой особый голос, обсуждая научные данные и машинное обучение с точки зрения руководства, что выделяет меня из толпы. Моя марка всегда была о прагматизме, о том, что работает в этой сфере и что не работает, основываясь на моей ежедневной работе и опыте.

Что включает в себя ваша текущая роль консультанта по искусственному интеллекту?

В настоящее время моя роль в основном консультативная. Мои бывшие клиенты или коллеги часто просят меня присутствовать на звонках, отвечать на вопросы и объяснять технические концепции, касающиеся монетизации для бизнеса. Например, когда Apple объявила о своем новом силиконе, я отправил рассылку, объясняя значимость выполнения выводов на часах и что это означает для интернета вещей. Моя работа заключается в помощи высшему руководству понять последствия технологии для их бизнеса и как превратить это в историю о ценности.

Каковы ваши мысли о будущем науки о данных и генеративного искусственного интеллекта?

Я считаю, что наука о данных имеет потенциал оправдать себя, потому что она работает и выполняет свои обещания. Я рано заметил потенциал генеративных моделей, таких как GPT, и хотя я не предсказывал точного воздействия ChatGPT, я знал, в каком направлении мы двигаемся. Проблема заключается не только в том, чтобы иметь видение, но и убедить бизнесы готовиться и принимать эти технологии.

Какой совет вы можете дать ученым-исследователям данных, переходящим на новые роли?

Я советую вам понять, когда вы достигли технического плато и сосредоточиться на таких навыках, которые улучшают работу команды и организации. Вместо постоянного изучения новых технических навыков развивайте способности, которые улучшают всех вокруг вас. Это может означать переход на роли главного, основного или выдающегося ученого-исследователя данных или переход в руководство, продуктовый менеджмент или стратегию. Если вы чувствуете себя скучно или запертым, подумайте о том, чтобы стать “множителем” и возродить свою страсть, помогая другим расти.

Можете ли вы поделиться некоторыми идеями из своей книги и вашим опытом в качестве автора?

Писать книгу было самым трудным, но замечательным опытом. Моя книга вызвала смешанные реакции, некоторые технические специалисты считают, что в ней не хватает кода и реализации. Однако она нашла свою нишу среди коммерческих команд, руководителей высшего звена и специалистов, стремящихся перейти на стратегические роли. Книга фокусируется на создании ценности с помощью науки о данных, а не только на поставке технологий.

Что вас больше всего волнует в ближайшие годы в науке о данных?

Мне интересно видеть, как эта область будет развиваться и созревать. У нас теперь есть старшие ученые-исследователи данных с опытом в руководстве, которые заставляют область расти. Наука о данных уникальна тем, что она может осуществлять свои обещания, и я с нетерпением жду этой эволюции.

Подведение итогов

Специалист по искусственному интеллекту Vin демонстрирует пример устойчивости и приспособляемости, сталкиваясь с непростыми задачами в разработке моделей и используя силу социальных медиа для роста бизнеса. Как консультант по искусственному интеллекту, он подчеркивает важную роль перевода технических достижений в конкретную бизнес-ценность.

Оставайтесь с нами на Ведущая с данными для получения больше таких вдохновляющих бесед о данных. Увидимся на следующей неделе с еще одной захватывающей серией!