企业官网建设流程全解析

某机构机器学习解决方案实验室负责人Michelle K. Lee谈如何帮助企业挖掘机器学习潜力机器学习解决方案实验室负责人分享了她在领导一个拥有200年历史的政府机构时学到的经验教训以及她对未来的兴奋之情。问答环节问您是如何对机器学习产生兴趣的在硅谷出生和长大一生都沉浸在技术环境中。小时候喜欢拆解、构建和制造东西。曾与父亲一起组装了希思基特手持收音机和客厅里的电视机。这促使在大学学习了工程学和计算机科学。早在80年代末期作为学生时就对人工智能产生了兴趣当时所有人都对AI及其改变世界的潜力感到兴奋。虽然当时未能实现但如今存储成本更低、计算能力更强、云服务更普及相信AI和机器学习实现其承诺并广泛普及的时机已经成熟。问您如何看待这种普及化的实现越来越多来自不同行业的客户开始使用机器学习预计这种采用将继续加速。过去如果身处与计算和机器学习行业无关的领域很难利用这些功能。现在即使身处完全无关的行业仍然能够探索、构建和部署机器学习模型以帮助改进组织、增强客户体验或解决非常棘手的问题。例如美国国家航空航天局与团队合作使用机器学习来理解并最终预测超级风暴的发生。此外团队的数据科学家与阿斯利康合作帮助病理学家利用计算机视觉模型加速组织样本分类将分类时间减少了50%这意味着药物研究可以更快进行。另一个客户Cerner一家大型医疗保健IT公司团队构建了一个解决方案允许研究人员查询自动化和匿名化的患者数据记录能够在临床症状出现前15个月预测充血性心力衰竭。这些只是几个例子还有许多其他行业的案例。问目前还存在哪些挑战仍处于早期阶段。如果用棒球比赛来比喻机器学习和AI的旅程正处于九局比赛的第一局。对于一些组织来说找到最适合其业务的机器学习用例仍然很困难。识别最高价值的用例需要理解机器学习的当前状态、评估数据并优先考虑组织的业务需求。一旦确定了最佳用例实施往往是一个挑战因为许多组织缺乏团队专业知识甚至无法合规地访问数据来实施机器学习解决方案。问机器学习解决方案实验室在其中扮演什么角色机器学习解决方案实验室解决了上述每一个挑战。它将客户团队与某机构的数据科学家和机器学习专家配对。这支由数据科学家和业务顾问组成的团队致力于帮助识别和构建机器学习解决方案以应对高价值的机器学习机会并规划生产路径。制定计划后还可以提供专业服务团队在需要时帮助实施。同时还为技术团队成员提供教育培训使用与培训某机构工程师和科学家相同的机器学习课程。对于业务领导者提供旨在教授他们思考AI方法的培训以便他们更好地理解什么是可能的以及如何利用AI来解决他们的业务挑战。并非每个问题都能通过机器学习解决但当今的业务领导者应该对AI和ML有一定的了解知道何时可以利用它们来实现运营效率和竞争优势。问COVID-19是否改变了您的工作内容看到AI和ML在多个领域从研究到医疗保健的使用因疫情而增加。研究和发表的速度从未如此之快考虑到面临的全球医疗危机这是可以理解的。虽然更多的研究是好事但信息量呈指数级增长科学家很难发现与他们工作相关的研究。这就是为什么某机构使用Amazon Comprehend Medical和Amazon Kendra等服务构建了CORD-19搜索工具。这个由机器学习驱动、托管在CORD19.aws上的新搜索工具允许研究人员获得诸如“关于COVID-19风险因素我们知道什么”、“IL-6抑制剂对COVID-19至关重要吗”或“哪些药物在2002年SARS爆发中最有效”等问题的答案。该机器学习解决方案基于艾伦AI研究所包含超过12.8万篇研究论文和其他材料的CORD-19开放研究数据集构建可以从非结构化文本中提取相关的医学信息并提供强大的自然语言查询能力有助于加速发现进程。同时在医学影像领域研究人员正在使用机器学习帮助识别图像中的模式增强放射科医生指示疾病概率和早期诊断的能力。更广泛地说所有组织都在适应后疫情时代在保持社交距离和隔离措施的情况下寻找有效运作以及满足客户和员工需求的新方法。机器学习正在通过提供支持远程通信、实现远程医疗和保护食品安全的工具来促进这一转变。问是什么促使您选择了某机构之前领导了一个拥有200年历史的政府机构——美国专利商标局。工作的一部分包括对该机构进行数字化转型。由于在麻省理工学院人工智能实验室和一家大数据公司的背景认识到利用AI和数据分析革新专利局业务的巨大机会。实施了一些基础的AI和数据分析解决方案以提高专利局所颁发专利的质量和一致性。认识到如果专利商标局有机器学习的机会那么每个组织都有。挑战在于识别这些机会并拥有实施它们的计划和团队。然而这往往说起来容易做起来难。在专利商标局无法招聘到今天在某机构有幸与之共事的数据科学家或机器学习专家。这正是促使领导某机构机器学习解决方案实验室的原因。团队是一支由数据科学家和业务顾问组成的全球团队与客户并肩工作识别他们投资回报率最高的机器学习用例并帮助客户实施它们。通过构思会议、实践概念验证以证明可行性以及投入生产来实现这一目标。同时带入了某机构20多年来在物流、个性化和推荐、计算机视觉、翻译、欺诈预防以及预测和供应链优化等领域的机器学习创新经验。问作为领导者您如何看待多样性观点和经验的多样性对创新至关重要因为根据定义创新需要跳出固有思维模式为现有问题找到前所未有的解决方案。团队的观点和经验越广泛创新火花的机会就越大。作为领导者当团队成员挑战思维并提供相反观点时能做出更好的决策。欢迎甚至主动寻求这些相反观点因为AI和ML面临的问题需要跨学科的方法。没有一个人能够对AI和机器学习相关的所有问题拥有完整的视角。问您对考虑从事机器学习职业的女性有什么建议如果那是目标请充满热情地去追求。不要等待看起来像你的人去做你知道需要做的事情。常常是房间里或桌旁为数不多的女性之一甚至是唯一的女性。无论是在麻省理工学院AI实验室攻读研究生和博士项目时还是成为律所第一位当选合伙人的亚裔美国女性或是第一位被美国总统任命领导美国专利商标局的女性。如果等待看起来像自己的人去做所做的事情可能现在还在等待。同时对AI和ML领域日益增长的多样性感到非常鼓舞。所有人都还有很长的路要走但有杰出的先驱者为未来几代人铺平了道路——期待在未来看到更多。研究领域机器学习标签人工智能、冠状病毒(COVID-19)、某机构云服务、在某机构工作FINISHED更多精彩内容 请关注我的个人公众号 公众号办公AI智能小助手或者 我的个人博客 https://blog.qife122.com/对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号网络安全技术点滴分享