Это часть серии интервью о данных и машинном обучении, которую я начал. Эти интервью взяты от людей, которые вдохновили меня, которые научили меня (прочтите учат меня) этим прекрасным предметам. В основном это делается для того, чтобы получить представление о реальном опыте работы над проектом, о перспективах изучения нового, некоторых забавных фактах и, таким образом, обогатить сообщества в процессе.

Здесь где можно найти все интервью, сделанные на данный момент.

Сегодня со мной Абхишек Кумар. Абхишек - консультант по науке о данных, автор и спикер. Имеет степень магистра Калифорнийского университета в Беркли. Его сфера деятельности - машинное обучение и глубокое обучение в любом масштабе. Он также является лауреатом Премии Хэла Вариана за свою работу в области глубокого обучения в Калифорнийском университете в Беркли. Он помогает крупным предприятиям использовать свои информационные активы, применяя принципы науки о данных с использованием новейших методов. Он также специализируется на создании и управлении масштабируемыми продуктами данных от концептуализации до фазы развертывания. Он работал над различными проектами машинного обучения и глубокого обучения, включая рекомендательные системы, распознавание изображений, прогнозирование, оптимизацию, обнаружение аномалий и обработка естественного языка.

В настоящее время он работает в Publicis Sapient в качестве старшего менеджера по анализу данных и специализируется на применении методов машинного обучения к возможностям в розничной торговле, электронной коммерции, автомобилестроении, маркетингу и оптимизации операций.

Я хотел бы от всей души поблагодарить Абхишека за то, что он нашел время для этого интервью. Я надеюсь, что это интервью послужит цели для улучшения сообществ специалистов по науке о данных и машинного обучения в целом :)

Интервью с Абхишеком Кумаром, старшим менеджером Data Science в Publicis Sapient

Саяк: Привет, Абхишек! Спасибо за интервью. Рад видеть вас здесь сегодня.

Абхишек: Спасибо, Саяк, что пригласил меня сегодня. Я искренне ценю вашу инициативу по объединению множества интересных перспектив в области науки о данных.

Саяк: Спасибо за добрые слова, Абхишек :) Может, вы могли бы начать с того, чтобы представиться - какова ваша текущая работа и каковы ваши обязанности там?

Абхишек: в настоящее время я возглавляю практику обработки данных в Publicis Sapient, Индия, где мы работаем над несколькими интересными и передовыми проектами, основанными на искусственном интеллекте и машинном обучении, в различных отраслях, таких как розничная торговля, финансовые услуги, энергетика. и товары, путешествия и гостиничный бизнес, и автомобили.

Саяк: Это очень универсально! Я хотел бы знать, как вы заинтересовались наукой о данных и машинным обучением?

Абхишек: Что ж, я впервые познакомился с машинным обучением более десяти лет назад, когда я работал над очень сложной задачей оптимизации процессов с использованием нейронных сетей и генетических алгоритмов. Этот проект пробудил во мне интерес к области машинного обучения, и я начал копать глубже.

Саяк: Нейронные сети и генетические алгоритмы для оптимизации процессов - довольно безумная комбинация. Когда вы только начинали, с какими проблемами вы столкнулись? Как вы их преодолели?

Абхишек: Мое путешествие в науку о данных и машинное обучение началось не с формального университетского образования, а скорее с исследовательской. Самой большой проблемой, с которой я столкнулся, было отсутствие общедоступных учебных материалов, что резко контрастирует с нынешней ситуацией, когда существует проблема изобилия. Кроме того, когда я начал работать в этой сфере, экосистема разработки не была достаточно зрелой. Это заставило меня создать множество строительных блоков (включая библиотеки матриц для вычислений нейронных сетей) самостоятельно, но это было замаскированным благословением, поскольку помогло мне изучить внутреннее устройство. Позже я также получил формальное образование в этой области в Беркли, что дало мне возможность познакомиться с более широкой областью науки о данных и получить интересные перспективы от моих коллег с разноплановым опытом.

Саяк: Наверное, создавать эти библиотеки с нуля тоже было весело. Приятно знать, как вы познакомились с этой областью, и ваша страсть проложила вам путь к официальной курсовой работе, которую вы взяли позже. Какие из главных проектов вы реализовали в годы становления?

Абхишек: я работал над множеством проектов, от классического машинного обучения до глубокого обучения в области оптимизации, НЛП, компьютерного зрения и механизмов рекомендаций. Я также участвовал в нескольких конкурсах, которые помогли мне выработать правильную интуицию и подход к решению различных типов задач науки о данных.

Саяк: Я бы сказал, арсенал разных доменов. Просто здорово! Такие области, как машинное обучение для обработки данных, быстро развиваются. Как вам удается отслеживать последние важные события?

Абхишек: Верно. Я не могу сказать, что всегда в курсе последних событий, но стараюсь следить за несколькими темами, такими как Medium, Reddit, arXiv, топ-конференциями (Strata Data, AI Conf, КДД). Единственный способ справиться с этим стремительным изменением - читать и читать дальше. В настоящее время недостатка в материалах нет, но важно обрезать контент в соответствии с вашими требованиями. Я стараюсь сохранить свою доску Trello, чтобы поддерживать список ресурсов, включая TODO :). Кроме того, почти невозможно прочитать все из-за нехватки времени, поэтому мы должны разделять и побеждать. Группы чтения - отличный способ решить эту проблему.

Саяк: Это полезно знать. Я использовал Keep вместо Trello, но в остальном, думаю, у нас один и тот же процесс. Помимо вашей основной работы, вы написали несколько курсов для Pluralsight. Я считаю, что это, должно быть, было беспокойным (но полезным). Как вы так эффективно распоряжаетесь своим временем?

Абхишек: Обмен знаниями всегда был моей страстью. Это может быть немного беспокойно, но когда вы слышите отличную обратную связь и ваше влияние (даже небольшое) на чье-то путешествие, все кажется стоящим. Я надеюсь, что смогу продолжить то же самое в разных формах и в будущем. Я стараюсь выделить для всех этих занятий отдельное время, но это никогда не бывает легко, поэтому я стараюсь расставить приоритеты.

Саяк: С радостью в моем сердце слышать твою страсть к обмену знаниями, Абхишек :) Как практикующий, я часто сталкиваюсь с проблемой изучения новой концепции. Вы бы хотели поделиться своим подходом к этому процессу?

Абхишек: я следую философии «применяй, а затем копай глубже». Если есть какая-то новая концепция, я пытаюсь сначала ее применить и посмотреть, где она может вписаться. Я пытаюсь найти новизну и проблему, которую пытается решить эта новая концепция. Затем я пытаюсь копнуть глубже, чтобы понять предысторию и основы.

Саяк: Я тоже сторонник восходящего подхода, но не всегда. Есть какие-нибудь советы новичкам?

Абхишек: не пропустите основы. Попробуйте решать разные проблемы. Не просто рожай, а постарайся понять рассуждения. Выйдите за рамки «model.fit ()».

Постарайтесь увидеть более широкую картину, чтобы понять, как все решение объединяется для создания реальной ценности. В конце концов, коротких путей к успеху нет. Путешествие может быть трудным, но «ключ к успеху - настойчивость».

Саяк: я думаю, что выход за рамки model.fit () так же важен, как и вода, если вы увлечены машинным обучением. Большое спасибо, Абхишек, за это интервью и за то, что поделился своими ценными идеями. Я надеюсь, что они будут очень полезны сообществу.

Абхишек: все мое удовольствие. Я хотел бы еще раз поздравить вас с вашей инициативой, а также с вашим ценным вкладом в сообщество.

Резюме

Путь Абхишека в области науки о данных и машинного обучения был исследовательским. Позже его страсть к этому привела его в Калифорнийский университет в Беркли, где он получил престижную премию Хэла Вариана за свою работу по глубокому обучению. там. Абхишек всегда проявлял большой интерес к решению сложных задач, связанных с наукой о данных и машинным обучением, в том числе с оптимизацией.

Надеюсь, вам понравилось читать это интервью. Следите за этим местом для следующего, и я надеюсь увидеть вас в ближайшее время.

Если вы хотите узнать обо мне больше, загляните на мой сайт.