Analytics Vidhya'nın çığır açan Leading With Data serisiyle veri biliminin dönüştürücü dünyasına dalın. Serinin bu özel röportajında ​​Analytics Vidhya CEO'su Kunal Jain, şu kişilerle sürükleyici bir sohbete katılıyor: Vin Vashishta, seçkin bir yapay zeka lideri. Paha biçilmez içgörüleri ve deneyimleri paylaşan Vin'in teknik rollerden liderliğe stratejik bir geçişle işaretlenen yolculuğunun sırlarını açığa çıkarın.

En başlayalım!

Temel bilgiler

• Vin Vashishta'nın bilgisayar kurulumundan yapay zeka stratejisinde öncü olmaya geçiş yaptığı olağanüstü yolculuğuna çıkın.
• Liderler için kritik karar alma konusundaki bakış açısını ortaya çıkarın: Hızlı çözümleri Veri Bilimi uygulamalarının güvenilirliğiyle dengelemek.
• Vin'in endüstri trendlerini patlamadan önce öngörme ve sürekli gelişen ortamda stratejik hamlelerine rehberlik etme konusundaki benzersiz süreci hakkında bilgi edinin.
• Girişiminin doğuşunu keşfedin ve yıllar içindeki evrimine tanık olun, zorlukları ve zaferleri ilk elden anlatın.
• Vin'in, sürdürülebilir başarının itici gücü olarak en ileri teknolojileri geç benimseyen kişiler için bile iş vizyonunun önemine olan inancını derinlemesine inceleyin.
• Vin'in neden farklı alanlara ayrılan teknik uzmanları savunduğunu ve hızla ilerleyen alanda ileri hareketin gerekliliğini vurguladığını anlayın.

Veri Bilimi Yolculuğunuza nasıl başladınız?

Babamın izinden giderek inşaat mühendisliğine yönelmek üzere eğitime başladım. Ancak 12 yaşında programlamayla ilk karşılaşmam beni derinden etkiledi. Sanal ortamda bir şeyler yaratma yeteneği beni büyüledi. Üniversitedeki ilk yılımda bir programlama dersi aldım ve bunun benim tutkum olduğunu hemen anladım. Odak noktam 1994-95 civarında programlamaya geçti. Veri bilimine olan yolculuğum kolay olmadı. 90'lardaki ilk yapay zeka heyecanı sırasında mezun oldum. Microsoft için çalışma ve gelişmiş modeller geliştirme arzularıma rağmen, daha geleneksel yazılım mühendisliği rollerindeydim. Bilgisayar kurulumundan web siteleri oluşturmaya ve veritabanı yönetimine kadar ilerledim. İlk kurumsal işim şirket içinde yazılım ve platformlar kurmak ve müşterilerle doğrudan çalışmaktı. Bu deneyim bana yazılım vaatlerini yerine getirmenin önemini öğrettiği için çok önemliydi.

Veri Bilimi Modellerinde Karşılaştığınız İlk Zorluklar Nelerdi?

Benim ilk veri bilimi projesi 2012 yılındaydı ve o zamanlar bugün sahip olduğumuz kütüphanelere ve kaynaklara sahip değildik. Teknoloji kısıtlamaları nedeniyle her şeyi optimize etmek zorunda kaldığımız için C, C++ ve Java dahil olmak üzere çeşitli dillerde modeller oluşturdum. Şu anda sahip olduğumuz bulut altyapısına sahip değildik ve geniş ölçekte veriler yalnızca büyük şirketlerin kullanımına açıktı. İlk müşterilerim büyük şirketlerdi ve 2016 yılına kadar küçük ve orta ölçekli işletmeler bana yaklaşmaya başlamamıştı. Bu küçük müşterilerle çalışmak beni bütçe ve zaman gibi gerçek dünyadaki kısıtlamalarla tanıştırdı; bu, kurumsal dünyadan farklı bir deneyimdi.

Teknik rollerden Strateji ve Liderliğe nasıl geçiş yaptınız?

2012 yılında işten çıkarıldıktan sonra, yan danışmanlık uygulamamı hızla tam zamanlı bir işe, V Squared'e dönüştürdüm. Başlangıçta işim veri biliminden çok BI analitiğiydi. Alan geliştikçe istatistiksel modeller oluşturmaya ve bana model açıklanabilirliğinin önemini öğreten bilim insanlarıyla çalışmaya başladım. Bu deneyim beni geleneksel ile geleneksel arasındaki boşluğu doldurmaya yöneltti. makine öğrenme yaklaşımlar ve bilimin katı standartları. Hızlı ve daha güvenilir bir çözümün ne zaman gerekli olduğunu ayırt etmeyi öğrendim. Değer sağlamayı teknik titizlikle dengelemeye yönelik bu anlayış, beni teknik rollerden liderliğe ve stratejiye itti.

Sosyal medya, özellikle Twitter ve daha sonra LinkedIn, işimi büyütmemde önemli bir rol oynadı. Satış hunimi tamamen değiştirdi, soruların ve fırsatların sayısını artırdı. Veri bilimi ve makine öğrenimini yönetici bakış açısıyla tartışarak benzersiz bir ses buldum ve bu beni diğerlerinden ayırdı. Markam her zaman pragmatizmden yana olmuştur; günlük çalışmalarım ve tecrübelerime dayanarak sahada neyin işe yarayıp neyin yaramadığını tartışırım.

Yapay Zeka Danışmanı Olarak Mevcut Rolünüz Neleri Kapsıyor?

Şu anda görevim öncelikle danışmanlıktır. Geçmişteki müşterilerim veya meslektaşlarım beni sık sık aramalara katılmam, soruları yanıtlamam ve işletmeler için para kazanmaya ilişkin teknik kavramları açıklamam için getiriyor. Örneğin Apple yeni silikonunu duyurduğunda, bir saatte çıkarım yapmanın önemini ve bunun IoT için ne anlama geldiğini açıklayan bir haber bülteni gönderdim. Benim işim, C düzeyindeki liderlerin teknolojinin işleri üzerindeki etkilerini ve bunu nasıl bir değer hikayesine dönüştürebileceklerini anlamalarına yardımcı olmaktır.

Veri Bilimi ve Üretken Yapay Zekanın Geleceği Hakkında Düşünceleriniz Nelerdir?

Veri biliminin, işe yaradığı ve vaatlerini yerine getirdiği için abartıya varma potansiyeline sahip olduğuna inanıyorum. GPT gibi üretken modellerin potansiyelini erkenden gördüm ve ChatGPT'nin tam etkisini tahmin etmesem de hangi yöne doğru gittiğimizi biliyordum. Buradaki zorluk sadece vizyona sahip olmak değil, aynı zamanda işletmeleri bu teknolojilere hazırlanmaya ve benimsemeye ikna edebilmektir.

Yeni Görevlere Geçiş Yapan Veri Bilimcilerine Ne Gibi Tavsiyeleriniz Var?

Teknik bir platoya ulaştığınızı fark etmenizi ve ekibi ve organizasyonu geliştiren çarpan becerilerine odaklanmanızı tavsiye ederim. Sürekli olarak yeni teknik beceriler öğrenmek yerine etrafınızdaki herkesi geliştirecek yetenekler geliştirin. Bu, müdür, personel veya seçkin veri bilimci gibi rollere geçiş veya liderlik, ürün yönetimi veya stratejiye geçiş anlamına gelebilir. Sıkıldığınızı veya kapana kısıldığınızı hissettiğinizde, tutkunuzu yeniden canlandırmak ve başkalarının büyümesine yardımcı olmak için çarpan olmayı düşünün.

Kitabınızdan Bazı Görüşleri ve Yazar Olarak Deneyimlerinizi paylaşabilir misiniz?

Kitap yazmak şimdiye kadarki en zor şeydi ama harika bir deneyimdi. Kitabım, bazı teknik uygulayıcıların kitabın kod ve uygulamalar açısından eksik olduğunu düşünmesiyle karışık tepkiler aldı. Ancak satış ekipleri, C düzeyindeki yöneticiler ve strateji rollerine geçiş yapmak isteyen uzman uygulayıcılar arasında kendine uygun bir yer buldu. Kitap, yalnızca daha fazla teknoloji sunmaya değil, veri bilimiyle değer yaratmaya odaklanıyor.

Veri Biliminde Önümüzdeki Birkaç Yılda Sizi En Çok Ne Heyecanlandırıyor?

Alanın olgunlaştığını görmek beni heyecanlandırıyor. Artık alanı büyümeye zorlayan liderlik deneyimine sahip kıdemli veri bilimcilerimiz var. Veri bilimi, vaatlerini yerine getirebilmesi açısından benzersizdir ve bu evrimi izlemeyi sabırsızlıkla bekliyorum.

Özetliyor

Model geliştirmedeki ilk zorluklarla boğuşmaktan iş büyümesi için sosyal medyanın gücünden yararlanmaya kadar Vin'in hikayesi, dayanıklılık ve uyum sağlama yeteneğinin bir kanıtıdır. Bir Yapay Zeka Danışmanı olarak teknik gelişmeleri somut iş değerine dönüştürmenin hayati rolünü vurguluyor.

Bizi takip etmeye devam edin Verilerle Liderlik Etmek Bunun gibi daha fazla ilham verici veri konuşması için. Haftaya heyecan verici bir bölümle görüşmek üzere!

İlgili bağlantılar

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.analyticsvidhya.com/blog/2023/11/mastering-the-art-of-data-science-strategy-a-conversation-with-ai-visionary-vin-vashishta/