Vivez de TwimlCon! Opérationnalisation ML à grande échelle avec Hussein Mehanna

Les interviews en direct de TwimlCon: les plates-formes AI se poursuivent avec Hussein Mehanna, responsable de l’apprentissage automatique et de l’intelligence artificielle à Cruise. À partir de Facebook en 2012, avec un département d’apprentissage automatique de seulement trois personnes, pour Google avec un portefeuille en constante expansion et maintenant pour naviguer, menant la tendance des véhicules autonomes, Hussein a vu de première main ce qu’il faut pour faire évoluer et maintenir les programmes d’apprentissage automatique. Chez Facebook, quelques premières victoires dans le domaine de la construction d’infrastructures ont préparé le terrain pour la mise à l’échelle via des algorithmes plus rapides et des modèles formés, et l’équipe ML a attiré l’attention très méritée du reste de l’organisation. Bientôt, toute l’organisation Facebook pourrait atteindre un nouveau niveau de mise à l’échelle ML avec tous les workflows partageables, réutilisables et découvrables via une interface de recherche. Cette philosophie du partage et de l’ouverture est restée avec Hussein tout au long de sa carrière. Il a été attiré par la croisière en raison de l’interaction entre les problèmes de recherche appliqués et les outils et plates-formes sous-jacents, ainsi que l’immense capacité que l’industrie des véhicules autonomes doit pousser ML et l’IA à de nouvelles limites de profondeur et d’échelle. La complexité requise pour prendre des décisions dans un environnement aussi imprévisible, combinée avec le besoin critique de sécurité et d’échelle des données fait des véhicules autonomes le secteur de la ML et de l’IA à surveiller. Hussein décompose les défis (et les joies) de travailler dans l’industrie et son aperçu de l’échelle d’analyse lorsque l’innovation se produit parallèlement au développement. Écoutez cet épisode pour en savoir plus sur les expériences de Hussein sur Facebook, Google et Cruise, ainsi que ses réflexions sur la productivité étant un défi de « convivialité » contre « modélisation » et sa prédiction pour l’avenir des plateformes ML!