对话式AI

揭秘人工智能的使命

某中心高级研究科学家Parmida Beigi通过社交媒体分享其机器学习职业发展经验，帮助他人成长。

2023年2月7日

Parmida Beigi的职业生涯涉及机器学习和数据科学的多个方面：从计算机视觉和时间序列预测的博士研究，到Alexa AI端到端系统的工作。目前，她致力于语音识别和自然语言处理项目，通过本地信息团队的工作帮助某中心Alexa客户。Beigi领导了改进实体搜索流量相关性和排名的工作（例如“Lions Gate Bridge在哪里？”等查询）。

作为资深机器学习实践者，Beigi认为向大众揭秘该领域是其使命的一部分。她通过Instagram、LinkedIn和Twitter等热门社交媒体回答问题并提供实用建议，使用简单图形、快速剪辑和@bigdataqueen账号，邀请关注者了解其作为某中心机器学习科学家的日常生活和专业知识。至今，慷慨的知识分享为她赢得了近10万关注者。

但她的ML科学家/社交媒体专家之路并非一帆风顺。最初，她可能追随家庭脚步成为医生。如今，她从事与口语理解和信息检索排名相关的ML/AI项目。因此，Beigi理解那些正在探索职业道路的人——不久前，她也在做同样的事情。

发现数据科学

高中时，Beigi首先专注于科学作为医学预科项目的垫脚石。但某些东西缺失了。她的自然兴趣更倾向于数学和计算，并开始朝这个方向发展，获得电气和计算机工程学士学位。

大学期间，Beigi选修了激起她对数字信号处理兴趣的课程。在获得电气和计算机工程硕士学位时，她专注于压缩感知、信号处理和图像/视频处理研究，这使她在实际环境中磨练了技能。

但Beigi并未完全跳过医疗领域。她的一个实习涉及某大学与某癌症研究中心的合作研究。该信号处理涉及用化学电阻传感器测量患者呼吸中的特定生物标志物，然后使用统计方法寻找肺癌与吸烟习惯之间的特定联系。

“那时，我不知道自己已经在为机器学习职业生涯奠定基础，”Beigi说。“信号处理中真正让我感兴趣的是通过时频和时空表示提取信号中嵌入的信息，”她补充道，并表示喜欢“能够解决难题并改善人类生活”。

Beigi在某健康科学会议上展示了她的研究，并获得最佳演讲奖。这项工作还导致在IEEE生物医学工程汇刊上发表期刊论文。

激起机器学习兴趣

她继续在某大学攻读电气和计算机工程博士学位。最初几年，她从事计算机视觉和AI工作——并发现自己越来越被机器学习吸引。每次在审稿的期刊论文提交或参加的ICASSP和CVPR等会议上提到ML时，她都对其广泛应用着迷，因此开始深入研究。

“我读了很多论文，参加了几门在线课程并收听播客，尽管当时不多——无论我能找到什么工具，”她说。“我设置了研究环境，以便可以根据我为论文收集的数据开发简单的基于ML的方法，看看它与我们之前使用的传统基于规则的技术相比如何。”

她迷上了。Beigi意识到，通过将机器学习融入研究，她可以了解更多实用机器学习，用于解决现实问题。她开始与加拿大某地的两家医院合作，发现需要创建图像引导程序技术，使医生能够确保硬膜外针的准确放置——这非常棘手。

通过分析麻醉师插入针头时从患者背部采集的超声图像流，Beigi开发了一种使用图像处理技术以及时间序列分析和ML的工具，为医生可视化和定位针头。

Beigi在多个同行评审期刊和会议上发表和展示了她的研究，包括其基于ML的跟踪工作，发表在《国际计算机辅助放射学与外科杂志》上。她还是NSERC亚历山大·格雷厄姆·贝尔奖学金获得者，该奖学金授予加拿大顶级博士学者。

答辩完成后，她担任某航空公司的ML科学家，利用传感器处理专业知识从事飞机预测性和规范性维护工作。

开启社交媒体之旅

那也是她开始社交媒体之旅的时候。“我开始分享作为自学ML科学家的学习经验，以回馈社区并赋能有志科技人才，”Beigi说。“我在学校并没有真正学过ML。在早期研究生阶段，当我完成研究和教学职责后，我在自学机器学习。”

正是这种个人的DIY经验使她的内容如此 relatable。哪些大学学位最适合AI或数据科学职业？自监督学习真的只是无监督学习的华丽名称吗？如何开始用Python编写机器学习代码？

Beigi说，她回答的最常见问题是如何进入数据科学和ML领域，以及人们询问没有博士学位是否仍能进入该领域。“数据科学不仅限于技术，所有行业都已开始受益于数据科学和AI解决方案，”她回答。“通常，对于DS/ML通才，你不需要博士学位或 necessarily 计算机科学或数据科学学位，这些可能只帮你进入候选名单，但最重要的是你能否完成工作。”

她还通过提供具体细节来帮助，深入探讨工作需要哪些技能，无论学位如何。随着扩大社交影响力，她开始考虑搬家。她知道下一步是进入美国——特别是硅谷。

她决定“做更多研究，通过副项目获得更多目标知识和动手实践经验，然后申请不一定与我的博士工作密切相关的职位，这些职位将在实践和技术方面挑战我。”这就是她最终来到某中心的方式。

在某中心工作

Beigi在求职期间面试了几家公司，在考虑竞争offer后，她决定于2019年加入某中心。三年多后，她从未回头。

“虽然我在同一个团队呆了三年，但我有幸将数据科学应用于各种垂直领域，这是我在某中心经历中真正喜欢的部分，”她说。“在某中心总是第一天，客户是我们一切工作的中心。从客户开始逆向工作，我得以使用端到端Alexa组件，从语音识别到自然语言理解，一直到我们通过学习排名技术优化相关性以最好地解决客户查询的最后阶段。”

自加入某中心以来，Beigi一直是某中心导师计划的成员，并一直作为AMLC审稿人致力于提高科学出版物的标准。

“优秀的数据科学家充满好奇心，他们审视一切背后的科学，事物如何及为何工作，并识别模式、相关性和因果关系。类似于数据科学项目本身，不是吗？”她说。“就像科学一样，数据科学是一个广义术语。找到适合你的数据科学类型——你知道的比你以为的要多。”