Padroneggiare l’arte della strategia della scienza dei dati una conversazione con il visionario dell’AI Vin Vashishta

Mastering the art of data science strategy a conversation with AI visionary Vin Vashishta

Immergiti nel mondo trasformativo della scienza dei dati con la rivoluzionaria serie Leading With Data di Analytics Vidhya. In questa esclusiva intervista della serie, Kunal Jain, CEO di Analytics Vidhya, si immerge in una coinvolgente conversazione con Vin Vashishta, un illustre leader dell’intelligenza artificiale. Svela i segreti del percorso di Vin, segnato da un cambio strategico da ruoli tecnici a posizioni di leadership, mentre condivide preziosi insights ed esperienze.

In conversazione con Vin Vashishta, Fondatore e Consigliere AI di V Squared

Cominciamo!

Punti Chiave

• Imbarcati nell’straordinario percorso di Vin Vashishta, passando dall’installazione di PC all’essere un pioniere nella strategia di AI.
• Scopri la sua prospettiva sulla presa di decisioni critiche per i leader: bilanciare soluzioni rapide con l’affidabilità delle applicazioni di Data Science.
• Ottieni insights sul processo unico di Vin per prevedere le tendenze del settore prima che esplodano, guidando le sue mosse strategiche nel paesaggio in continua evoluzione.
• Esplora la genesi della sua startup e assisti alla sua evoluzione nel corso degli anni, offrendo un resoconto di prima mano delle sfide e dei successi.
• Approfondisci la credenza di Vin nell’importanza di una visione commerciale, anche per gli adottanti tardivi di tecnologie all’avanguardia, come forza trainante per un successo duraturo.
• Comprendi perché Vin promuove l’espansione degli esperti tecnici in diversi settori, sottolineando la necessità di progresso nel campo in rapida evoluzione.

Come hai Intrapreso il tuo Viaggio nella Scienza dei Dati?

Ho iniziato i miei studi per diventare ingegnere civile, seguendo le orme di mio padre. Tuttavia, il mio primo incontro con la programmazione a 12 anni mi ha profondamente colpito. Ero affascinato dalla capacità di creare qualcosa in un ambiente virtuale. Ho seguito un corso di programmazione durante il mio primo anno di college e ho immediatamente capito che era la mia passione. La mia attenzione si è spostata sulla programmazione, che era intorno al 1994-95. Il mio ingresso nella scienza dei dati non è stato diretto. Mi sono diplomato durante il primo ciclo di hype dell’AI negli anni ’90. Nonostante le mie aspirazioni di lavorare per Microsoft e costruire modelli avanzati, ho ricoperto ruoli più tradizionali di ingegneria del software. Mi sono fatto strada dall’installazione di PC alla creazione di siti web e all’amministrazione del database. Il mio primo lavoro in un’azienda coinvolgeva l’installazione di software e piattaforme in azienda e la collaborazione diretta con i clienti. Questa esperienza è stata cruciale perché mi ha insegnato l’importanza di mantenere le promesse del software.

• Sviluppare una ChatGPT specifica per l’azienda è un terzo tecnologia e due terzi miglioramenti dei processi
• Ottimizzazione degli iperparametri Reti Neurali 101
• Ricercatori dell’Università di Washington e della Duke University presentano Punica un sistema di intelligenza artificiale per servire più modelli di LoRA in un cluster GPU condiviso.

Quali sono state le Prime Sfide che hai Affrontato con i Modelli di Data Science?

Il mio primo progetto di data science risale al 2012 e, a quel tempo, non avevamo le librerie e le risorse di oggi. Ho costruito modelli in vari linguaggi, tra cui C, C++ e Java, perché dovevamo ottimizzare tutto a causa delle limitazioni tecnologiche. Non avevamo l’infrastruttura cloud che abbiamo adesso e i dati su larga scala erano disponibili solo alle grandi aziende. I miei primi clienti erano aziende di grandi dimensioni e solo intorno al 2016 le piccole e medie imprese hanno cominciato a rivolgersi a me. Lavorare con questi clienti di minori dimensioni mi ha introdotto a vincoli del mondo reale come budget e tempo, un’esperienza diversa rispetto al mondo aziendale.

Come sei Passato da Ruoli Tecnici a Strategia e Leadership?

Dopo essere stato licenziato nel 2012, ho trasformato la mia attività di consulenza a tempo parziale in un’attività a tempo pieno, V Squared. Inizialmente, il mio lavoro era più incentrato sull’analisi BI che sulla scienza dei dati. Con l’evoluzione del campo, ho iniziato a costruire modelli statistici e a lavorare con scienziati che mi hanno insegnato l’importanza della spiegabilità dei modelli. Questa esperienza mi ha portato a colmare il divario tra approcci tradizionali di machine learning e gli standard rigorosi della scienza. Ho imparato a capire quando una soluzione rapida e più affidabile era necessaria. Questa comprensione del bilanciamento tra consegna di valore e rigore tecnico mi ha spinto dai ruoli tecnici alla leadership e alla strategia.

Come ha Influenzato i tuoi Social Media la Crescita del Tuo Business?

I social media, in particolare Twitter e successivamente LinkedIn, hanno svolto un ruolo significativo nell’espandere la mia attività. Ha completamente cambiato il mio processo di vendita, aumentando il numero di richieste e opportunità. Ho trovato una voce unica discutendo la scienza dei dati e l’apprendimento automatico da una prospettiva manageriale, che mi ha differenziato. Il mio marchio è sempre stato incentrato sul pragmatismo, discutendo ciò che funziona nel campo e ciò che non funziona, basato sul mio lavoro quotidiano ed esperienze.

In cosa consiste attualmente il tuo ruolo come consulente AI?

Oggi il mio ruolo è principalmente consulenziale. Clienti o colleghi del passato mi coinvolgono spesso per partecipare a chiamate, rispondere a domande e spiegare concetti tecnici relativi alla monetizzazione per le imprese. Ad esempio, quando Apple ha annunciato il suo nuovo silicio, ho inviato una newsletter spiegando l’importanza dell’esecuzione dell’inferenza su un orologio e cosa significa per l’IoT. Il mio lavoro è aiutare i leader di livello C a comprendere le implicazioni della tecnologia per la propria attività e come trasformarla in una storia di valore.

Quali sono le tue idee sul futuro della scienza dei dati e dell’intelligenza artificiale generativa?

Credo che la scienza dei dati abbia il potenziale per mantenere le promesse perché funziona ed è efficace. Ho intuito il potenziale dei modelli generativi come GPT sin dall’inizio e, anche se non ho previsto l’effetto esatto di ChatGPT, sapevo la direzione in cui stavamo andando. La sfida non è solo avere una visione, ma anche convincere le imprese a prepararsi e ad adottare queste tecnologie.

Quali consigli hai per i data scientist che si stanno trasferendo in nuovi ruoli?

Ti consiglio di riconoscere quando hai raggiunto un plateau tecnico e di concentrarti su competenze moltiplicatrici che migliorano il team e l’organizzazione. Invece di continuare a imparare nuove competenze tecniche, sviluppa capacità per migliorare tutti quelli intorno a te. Ciò potrebbe significare passare a ruoli come principale, senior o data scientist di livello superiore, o entrare nella gestione, nella gestione del prodotto o nella strategia. Quando ti senti annoiato o intrappolato, considera di diventare un moltiplicatore per ravvivare la tua passione e aiutare gli altri a crescere.

Puoi condividere alcune idee dal tuo libro e dalla tua esperienza come autore?

Scrivere un libro è stata la cosa più difficile di sempre, ma è stata una grande esperienza. Il mio libro ha ricevuto reazioni miste, con alcuni professionisti tecnici che lo trovano carente di codici e implementazioni. Tuttavia, ha trovato il suo spazio con le squadre di vendita, i dirigenti di livello C e i professionisti specializzati che cercano di passare a ruoli strategici. Il libro si concentra sulla creazione di valore con la scienza dei dati, non solo sulla fornitura di tecnologia.

Cosa ti entusiasma di più per i prossimi anni nella scienza dei dati?

Sono entusiasta di vedere il campo maturare. Ora abbiamo data scientist senior con esperienza di leadership che costringono il settore a crescere. La scienza dei dati è unica nel poter mantenere le promesse fatte e non vedo l’ora di assistere a questa evoluzione.

In conclusione

Dal confrontarsi con le prime sfide nello sviluppo dei modelli all’utilizzo del potere dei social media per la crescita aziendale, la storia di Vin è una testimonianza di resilienza e adattabilità. Come consulente AI, sottolinea il ruolo cruciale di tradurre gli avanzamenti tecnici in un valore commerciale tangibile.

Rimanete sintonizzati con noi su Leading with Data per altre interessanti conversazioni sulla scienza dei dati. Ci vediamo la prossima settimana con un altro entusiasmante episodio!