稀缺计算资源如何塑造卡洛斯·韦尔塔斯的职业生涯
观看《钢铁侠》时，墨西哥蒂华纳的大学生卡洛斯·韦尔塔斯被一个特别角色吸引：J.A.R.V.I.S.，这个类似管家人工智能助手嵌入托尼·斯塔克的装甲中。尽管只是电影，韦尔塔斯知道这预示着实实在在的潜力。
"我对那种水平的技术着迷，"他说。当时他正在下加利福尼亚自治大学攻读计算机工程学士学位。受J.A.R.V.I.S.令人印象深刻的沟通技巧启发，韦尔塔斯决定在同一所大学攻读自然语言处理硕士专业。
早期转向人工智能最终将他带到了某中心，他现在是西雅图买家风险防范团队的机器学习经理，负责保护客户免受欺诈和滥用。
以少做多
硕士课程充满挑战，因为自然语言处理需要大量硬件资源，而韦尔塔斯当时无法获得这些资源。
"那时候，你需要大型机器来实现有趣的事情，但我没有，"他说。"我们的设施非常简陋，只有普通消费级电脑，所以我很难赶上那些拥有更多资源的人所做的事情。"
有限的计算资源迫使他跳出思维定式，开发创造性解决方案来以少做多。这一挑战激励了他，在攻读博士期间，他转向了机器学习优化领域，特别是高维空间的特征选择。
这个机器学习领域涉及设计算法，帮助机器仅关注与特定任务相关的特征。特征选择的一个应用例子是"猫与狗"图像分类任务，这是一个经典的机器学习入门项目，涉及将照片分类为包含狗或猫。
这些动物有许多特征，如颜色、身高、体重、尾巴、鼻子形状和眼睛颜色。人类利用他们对世界的知识来理解什么有助于区分它们。例如，大小可能很重要，因为大多数狗往往更大，但尾巴可能不太有用，因为两种动物都有。
"我们如何确保机器自己学习这个？特征选择是帮助计算机理解某些特征比其他特征更重要的过程，因此它可以专注于最重要的东西，并在没有太多计算能力的情况下实现类似甚至更好的性能水平，"韦尔塔斯说。
用机器学习解决客户问题
韦尔塔斯在某中心的工作中经常应用特征选择。
韦尔塔斯解释说，买家风险防范团队负责确保某中心商店对客户和销售伙伴安全可靠。
"本着我们主要领导原则之一'客户痴迷'的精神，我们不断创新，从未停止为所有客户争取最佳体验，"他指出。"为此，我们识别痛点并用技术解决它们。"
为了正确对待客户，2019年某中心创建了一个团队，专注于缓解客户在寻求账户支持时可能面临的问题；这就是韦尔塔斯目前领导的团队。该团队开发机器学习解决方案，帮助客户解决账户问题。
"该算法将尝试使用人工智能自行审查案例，并为客户确定正确的行动，"他说。"通过这个，我们可以提供更快的支持。"
随着某中心的发展，数据量和系统复杂性也在增加。在这种情况下，理解哪些特征与确定问题是否合法相关非常重要。
"这是特征选择的完美匹配，我们问：'我们能否更聪明，选择我们应该关注的内容，使我们的模型在没有可扩展性问题的情况下表现最佳？'"他说。
韦尔塔斯的团队专注于对客户关于其账户状态的担忧提供更快、更准确的响应。
现在，可能遇到问题的客户可以重新获得访问权限，而无需经历复杂的过程。韦尔塔斯想到了他自己的父母，他们是某中心客户，但可能很难使用第三方系统（如电子邮件）与某中心沟通。
韦尔塔斯说，他在下加利福尼亚自治大学担任助理教授的背景，帮助他成为团队合作者和领导者，他在那里教授面向对象编程和Web开发。
"在学术界，我们有一个共同的短语：学生不会失败，是教授失败，"韦尔塔斯说。"当我还是教授时，我感到需要推动我的学生前进。这是我仍然在团队中携带的东西。看到团队成员成长，我感到非常满足。"
Kaggle上的讨论大师
当韦尔塔斯还是博士生时，他加入了Kaggle，一个在线数据科学和机器学习社区。他的目标是：使用该平台测试他的一些博士想法，看看它们如何应对现实问题。由于他在平台上的频繁互动，他仍然在那里担任许多同行的导师，他拥有"讨论大师"称号，并曾是论坛中五个最活跃用户之一——在近500万用户中。
"社区一直非常友好，新人会问很多关于如何入门的问题，"他说。
在Kaggle上，公司推广竞赛以解决现实生活中的机器学习问题。
"当你还是学生时，这特别有用，因为在学术界你无法接触到某中心可能拥有的问题类型。无需在那里工作就能接触这些问题，真正帮助你发展技能，"韦尔塔斯说。
在其中一场比赛中，当韦尔塔斯还是博士生时，他在全球数千名科学家中进入了前9名。他回忆说，他当时用的是一台"几乎无法运行超过浏览器"的笔记本电脑。这次经历教会了他很多关于约束如何赋予能力。
"它迫使我开发自己的包。在这个过程中，我了解了幕后的工作原理，"他说。他指出，当人们拥有大量计算能力时，他们可能会忘记优化的重要性，并依赖许多可能像黑匣子一样操作的预构建包。
"当你不理解幕后发生的魔法时，很难超越那个点，"他说。
他在Kaggle上的突出表现引起了ZestFinance的兴趣，这是一家位于洛杉矶的公司，为贷方提供承销分析。在为该公司构建机器学习模型一段时间后，他加入了Instacart，在那里他通过构建机器学习模型来分析哪些客户更有可能放弃平台，帮助推出了公司的第一个客户保留平台。
不久之后，某中心招聘人员联系了他，他接受了买家风险防范团队的职位。
"我喜欢某中心非常强调将你的技能与角色匹配，"韦尔塔说。"虽然其他公司可能有通用角色，如数据科学家，但某中心有非常专业的角色，如应用科学家、研究科学家、数据工程师、机器学习工程师。这确保你将专注于你喜欢的东西。"
他给年轻科学家的建议是始终在现实环境中实践你在学术界学到的东西。他将其比作一项运动：你可以读几本关于足球的书，但如果你从未踢过球，踢球将非常困难。
"将理论付诸实践非常重要，"他说。"如果你还在攻读博士学位，有像Kaggle这样的平台会为你提供数据，以便你可以练习技能。到你完成学业时，你将拥有两到三年在该领域处理实际问题的技术经验。这将带你走得很远。"
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）
公众号二维码
公众号二维码
