从数学爱好者到计算机视觉科学家的转型之路

Olga Moskvyak目前担任应用科学家，主要从事计算机视觉项目以帮助某中心的客户。但这一职业方向并非她童年时的梦想。在俄罗斯成长期间，Moskvyak热衷于解决具有挑战性的数学问题，特别是几何领域。

“我喜欢数学论证的逻辑性和不可辩驳性，这让我感到清晰明了，“她表示。对数学及其"优雅解法"的热爱促使她在莫斯科国立大学攻读数学本科学位。

然而最初她并未看到学位在实际应用中的可能性。“我们当时解决的是抽象问题并证明定理，“她回忆道。这使她暂时放弃了继续深造的念头，转而从事系统咨询工作，这一职位让她有机会周游世界并与制药、天然气和采矿行业的客户合作。

这段经历让她萌生了出国深造的想法。凭借系统咨询经验，Moskvyak在澳大利亚中央昆士兰大学攻读信息系统硕士学位。在此期间，她的人生又迎来重大转变——成为了一位母亲。

“那时我接手了各种副项目以保持专业竞争力，“她回忆道。在导师Mary Tom的建议下，她参与了一个旨在为糖尿病或癌症患者制定均衡营养方案的研究项目。正是在这个项目中，一位同学向她提出了使用机器学习解决问题的建议。

当时对机器学习尚不熟悉的Moskvyak参加了在线课程。“令我惊讶的是，基于数学和线性代数的内容对我来说非常容易理解，“她说。随着深入学习，她对ML的应用潜力产生浓厚兴趣，于是决定转向计算机科学博士研究。

为了获得必要的研究经验，她联系了昆士兰科技大学的Frederic Maire教授，合作开展将ML应用于海洋野生动物保护的项目。她们共同撰写的论文《使用嵌入神经网络学习图案间的几何等价性》被澳大利亚计算机视觉会议DICTA接收。

该研究指出：“由于商业捕捞，魔鬼鱼面临灭绝威胁，因此建立自动化识别系统至关重要。“通过识别魔鬼鱼腹部的独特图案，科学家可以追踪个体并了解其栖息地使用规律。

论文发现：“当摄像机视角发生显著变化时，大多数基于深度神经网络的识别系统会变得脆弱。“研究团队证明"相对简单的神经网络类别能够在各种视角条件下区分图案”。

“手动从照片识别魔鬼鱼图案既困难又耗时，因此我们实现了自动化流程，“Moskvyak表示。这项技术还可用于识别不同种类的鲨鱼和鲸鱼。更重要的是，该项目让她看到了ML的实际应用价值。

在博士研究接近尾声时，Moskvyak发现某中心正在澳大利亚招聘科学实习生。2021年7月开始实习后，她立即获得了运用计算机视觉经验的机会。在六个月的实习期内，她开发了帮助电商卖家基于上传图像自动填充产品信息的项目。

“我们利用计算机视觉技术从图像中尽可能多地理解产品信息，“她解释道，“这加速了流程，提高了数据质量，并减少了人工错误。”

实习结束后，Moskvyak获得了某中心的全职应用科学家职位。通过"首日科学导师计划”，她与日本零售科学团队的Keir Simmons等导师建立了指导关系。与实习期独立项目不同，她现在有机会参与更大型的团队协作。

目前她正从事计算机视觉项目，帮助客户虚拟试用特定产品。“这是一个令人兴奋的新领域，我看到了未来的实际影响，“她说。该项目需要与加拿大、日本等地的团队协作，让她感受到全球科研社区的连接。

Moskvyak还通过独立在线和线下机器学习课程担任导师，特别关注支持女性科研人员。“我看到了进步，但仍需努力缩小性别差距，“她说。在某中心，她能够与经验丰富的女性科学家交流职业发展与育儿经验。

她给年轻研究者的建议是：微小进步也至关重要。“有时我觉得所有成就都遥不可及，但当我持续工作，即使每天只做简单事情和学习一点点，一年后回顾时就能看到实际进展——这正是激励我前进的动力。”