Vidhya Chandrasekaran:数据科学领域的领导者

在当今以数据为驱动的世界中,数据科学家通过分析和解释数据,帮助企业做出明智的决策,发挥着至关重要的作用。他们凭借在统计学、机器学习、人工智能和编程方面的专业知识,能够从复杂的数据集中提取出有意义的洞察。本文采访了Vidhya Chandrasekaran,一位成功的数据科学家,她目前在PayPal领导机器学习和人工智能产品。拥有超过18年的经验,Vidhya分享了她的职业生涯、作为应用数据科学领导者面临的挑战,以及她在团队中培养创新的策略。

Vidhya Chandrasekaran访谈摘录

AV:好,Vidhya!请介绍一下自己,并给一些关于职业和教育背景的洞见。

Vidhya:大家好,在PayPal担任高级经理,并领导机器学习和人工智能产品管理。在数据领域有大约18年的经验,领导力方面有8年的经验。拥有数学学士学位和计算机应用硕士学位,还在Great Lakes完成了一年的人工智能研究生课程。目前,正在进行关于个性化数据的博士研究项目。

PayPal,过去5年里,有机会领导和构建大数据、机器学习工程、人工智能产品和机器学习科学团队及倡议。在当前的角色中,展示了针对商家产品和市场营销的机器学习,构建产品推荐和个性化解决方案。

AV:听起来非常精彩和富有洞察力。最初是一名软件工程师;是如何进入数据科学领域的?

Vidhya:职业生涯中总是以某种方式与数据相连,从数据库应用工程师到架构师,再到领导机器学习倡议;数据一直是连接的线索。然而,由于个人情况,职业生涯旅程是动态的。毕业后,做了多年的家庭主妇,由于缺乏经验,不得不比大多数人更努力地进入技术领域。但一旦开始,发现每个角色都为提供了准备下一个角色的机会。也有幸在所有工作过的公司中都有伟大的导师和经理,他们给了实现抱负的机会。

AV:同意。一个伟大的导师可以帮助轻松地攀登企业阶梯,这在职业轨迹中得到了体现。作为应用数据科学领域的领导者,如何培养创新文化?

Vidhya:与研究团队不同,应用机器学习团队在严格的指导方针和严格的时间表下运作。由于这些限制,他们有时没有同样的奢侈去探索新技术、算法和实施新论文。然而,一直意识到在机器学习团队中创新的重要性,每天都有大量新事物发生。以下是一些在管理应用机器学习团队时,不妥协长期创新的关键策略。

  • 提供10%到15%的时间用于从事扩展任务或研究/概念验证。
  • 鼓励团队内外的协作文化,并强调反馈循环——创新更多地发生在团队中而不是孤立中。
  • 允许安全的失败空间。机器学习是实验性的,与软件工程相比,有很多失败的可能性。如果不允许安全失败,创新的尝试就会受到限制。
  • 使创新成为目标的一部分。

AV:这些是遵循的一些非常有趣的策略。太棒了!尽管如此,管理一个团队可能会很困难。认为领导机器学习和人工智能团队的最大挑战是什么?

Vidhya:其中一个挑战是在及时的业务交付和创新之间找到微妙的平衡,创新是一个耗时的过程。除了创新在任何技术行业中都是不可谈判的事实外,作为领导者,还负责团队的职业生涯,为他们提供持续学习的机会并保持他们的积极性,特别是在人工智能数据科学领域,相关技术不断以更快的速度发展。

AV:认为在应用人工智能团队中成功的关键是什么?

Vidhya:大多数项目因规划不善而失败。人工智能产品经理在这个阶段扮演着关键角色。第一步是理解业务问题以及人工智能可以解决的地方。作为规划的一部分,估计机会规模并同意明确、明确定义的KPI至关重要。下一步是从预期结果向后工作,以确定和明确适当的指标或KPI。例如,模型可能会带来更多的客户访问网站或推动新客户获取。模型指标如精确度、召回率或F1通常被误解为KPI;业务不会担心模型指标,但会对业务指标非常感兴趣。

开发将想法变为现实的能力和流程是成功的另一个关键方面。整合数据目录搜索功能、重新训练自动化、监控能力、持续集成等能力,可以显著缩短测试和从想法中学习所需的时间。这种方法还确保团队的宝贵资源不会被转移到单调和重复的任务上,而是被用来创造吸引人的解决方案。

AV:回到导师,从导师那里得到了什么建议,是如何实施的?

Vidhya:从两位导师那里得到了两条建议,分别是:

  • 在每个模型开发中至少尝试一件新事物。
  • 快速失败:尽快进行模型部署。追求完美的模型、出色的结果和市场上的新算法可能很诱人,但通常伴随着机会成本。尝试一个更简单、精简的模型来衡量成功或尽快失败。总是可以稍后进行改进。争取更快地进入市场并逐步改进到尖端模型至关重要。

AV:根据简介,有作为导师的教学经验;认为导师经验如何影响了在机器学习领域的职业发展和成功?

Vidhya:教学是学习的好方法。当在Great Lakes做人工智能研究生课程时,在周末报名教授人工智能/机器学习。当向别人教授一个主题时,必须组织想法,将复杂的概念分解成简单的概念,并清晰、简洁地解释它们。

还从指导电子商务业务领导者进行数据驱动营销中学习。作为钦奈创业章节的导师计划的一部分。这给了一个关于战略/结构性思维、决策、规划的视角,也让走出了舒适区。

AV:必须说,旅程真的很鼓舞人心。在不断演变的行业中工作,如何跟上机器学习的最新发展和趋势?能举一个特别兴奋或有希望的最新发展的例子吗?

Vidhya:多年来,遵循了一种纪律严明的学习方式,每周或周末花时间从课程、博客和书籍中学习。这些天,尽管继续个人学习,但比以前花的时间少了,因为直接从团队那里学习,当他们尝试新事物时;这是与比更聪明的团队合作的好处。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485