Как страсть Дэйва Кастильо к AI / ML привела его к Capital One

Дэвид Кастильо, доктор философии Этим летом присоединился к Capital One в качестве нового управляющего вице-президента по машинному обучению. В этой роли Дэйв возглавит исследовательские и стратегические инновационные инициативы Capital One в области искусственного интеллекта и машинного обучения (AI / ML) и рассмотрит, как AI / ML можно использовать в различных областях бизнеса, чтобы сделать банковское дело более человечным, интуитивно понятным и понятным. приятно для клиентов. Он также будет работать над разработкой инструментов, технологий, платформ и налаживанием партнерских отношений с промышленными и академическими кругами.

Мы сели с Дэйвом, чтобы обсудить его биографию, его страсть к AI / ML и его решение присоединиться к Capital One. Ниже приведены выдержки из нашей беседы.

Вы являетесь экспертом в области искусственного интеллекта и машинного обучения, но все же выбрали работу в банковской сфере, в частности в Capital One. Почему?

Для меня это было очевидным. Банковское дело - это следующий рубеж для AI / ML, и Capital One известен как ведущий новатор - не только в сфере финансовых услуг, но и в более широком технологическом секторе. Они используют AI / ML для всего, от выявления угроз безопасности в постоянно развивающейся банковской среде до улучшения качества обслуживания клиентов в центрах обработки вызовов. Я знал, что это будет прекрасная возможность создавать невероятные продукты, которые сделают финансовую жизнь клиентов проще и приятнее, и пока что это был настоящий взрыв.

Лично для меня приход в Capital One был очень естественным прогрессом. После работы в НАСА в начале своей карьеры и запуска спутников с Motorola я присоединился к Службе раннего предупреждения в 2015 году и работал с финансовыми учреждениями над технологическими решениями для платежей и рисков. Я был главой их группы по науке о данных, платформе управления данными и инновационным лабораториям. Это включало работу с консорциумом некоторых из крупнейших банков США, включая Capital One, и мы помогли создать Zelle, платформу для одноранговых платежей.

Я тесно сотрудничал с Capital One в Early Warning Services, и все, что делала команда - от их личностей до того, как они думали об инновациях данных - было настолько продвинуто, что они действительно произвели на меня впечатление. Я всегда знал, что Capital One внедряет инновации в темпе, который конкурирует с технологическими компаниями, такими как Airbnb и Netflix, и в команде были дальновидные технологические лидеры, такие как Дайан Лай [старший вице-президент по корпоративным службам данных], которая помогла создать экосистему данных Capital One - я хотел быть частью того, что делала команда, многое из чего раньше не делалось в отрасли.

Расскажите подробнее о работе в НАСА и своем опыте работы со спутниками.

После получения степени бакалавра инженерии я решил получить степень магистра в области наук о принятии решений с упором на программное обеспечение. Оттуда я изучал докторскую степень. программ и в итоге получил предложение поработать в НАСА.

Сначала я отложил это, желая сосредоточиться на получении докторской степени, но после того, как они пригласили меня в свой Космический центр Кеннеди во Флориде, я был полностью очарован возможностью работать с прикладным искусственным интеллектом.

Будучи молодым инженером в НАСА, я использовал множество различных систем и получил степень доктора философии. в Университете Центральной Флориды. Это была увлекательная работа, но я стал меньше зацикливаться на академических кругах как на пути своей карьеры и больше интересоваться применением, развертыванием и широкомасштабным внедрением проектов, над которыми я работал.

Работа в НАСА также заставила меня освоить распределенные вычисления.

Примерно в это же время Motorola объявила, что запускает сеть из более чем 60 спутников для масштабного небесного и земного проекта, который будет использовать потоковые данные. Им нужен был главный инженер-программист, который возглавил бы работу. Я подал заявку и был очень удивлен, что получил работу! Это была еще одна важная возможность, которая объединила мой опыт работы с НАСА, распределенными вычислениями и потоковой передачей данных.

Что лично вас больше всего волнует в мире искусственного интеллекта и машинного обучения?

Я провел большую часть своей профессиональной жизни как практикующий ИИ и машинное обучение , что означает, что мне нравится работать с данными, создавать решения и решать проблемы с помощью ИИ / ML. Используя этот опыт и страсть к инновациям, я с нетерпением жду возможности создать (и стать членом) команду, которая будет предлагать решения AI / ML с добавленной стоимостью для всей организации. Одним из таких факторов является область, которой я очень увлечен и которую я называю наукой о данных без драйверов.

Наука о данных без водителя - это, в конечном счете, модели самообучения, начиная с формулировки модели и заканчивая доставкой модели, что обеспечивает большую эффективность и скорость всего процесса машинного обучения. Несмотря на то, что мы добились больших успехов в этом направлении, у нас есть процессы и средства контроля, ориентированные на человека, на каждом этапе нашей среды машинного обучения, и я рад, что могу помочь в продвижении этого в Capital One.

На чем вы сосредоточитесь в своей новой должности в Capital One?

Я буду искать изощренные способы дальнейшего использования ИИ / машинного обучения и инженерии данных в наших бизнес-процессах, создавая при этом лучший в своем классе уровень обслуживания клиентов, выходящий за рамки того, на чем мы находимся даже сегодня.

Я также рассмотрю, как мы можем постоянно стремиться оптимизировать наши процессы проектирования и моделирования, чтобы гарантировать, что рабочие группы могут использовать их для любого диапазона сценариев использования.

Вы когда-то думали о карьере в академической сфере, но все еще работаете адъюнкт-профессором. Как вы совместите этот интерес к академическим кругам с работой, которую вы выполняете в Capital One?

Очень важно оставаться на переднем крае искусственного интеллекта, машинного обучения и анализа данных. Мы стремимся сотрудничать с ведущими университетами в решении актуальных и важных проблем, которые будут способствовать развитию отрасли.

Одним из примеров является работа, которую мы выполняем в Explainable и Fair AI. Мы работаем с различными университетами-партнерами, чтобы поддерживать высочайшие стандарты объяснимости - этичным и справедливым способом - по мере того, как мы разрабатываем более продвинутые модели для большего числа вариантов использования. Мы считаем, что наши усилия по исследованию объяснимости и справедливости могут помочь информировать и внести свой вклад в развитие и внедрение машинного обучения в отрасли.

Работа адъюнкт-профессором позволяет мне быть в курсе моих способностей кодировать, изучать новые языки и оставаться в курсе разработок с открытым исходным кодом - вам действительно нужно быть в своей игре, чтобы учить студентов! Я стараюсь представить широкий спектр практических примеров использования и проектов, так что это тоже не теория. Преподавание - это приятный побег, который подпитывает другую сторону моей страсти к AI / ML.

В совокупности эти усилия могут только улучшить состояние AI / ML в Capital One и во всей отрасли в целом. Конечно, конечная цель - создать интуитивно понятные технологии, которые дадут людям инструменты, которые сделают их финансовую жизнь проще, приятнее и проще в управлении. Я очень рад быть частью этого инновационного момента в Capital One.

РАСКРЫТИЕ ИНФОРМАЦИИ: это мнение автора. Если в этом посте не указано иное, Capital One не является аффилированным лицом и не поддерживается ни одной из упомянутых компаний. Все используемые или отображаемые товарные знаки и другая интеллектуальная собственность являются собственностью соответствующих владельцев. Эта статья © Capital One, 2018.