Rishabh Shanbhag’s Karriere veranschaulicht den transformierenden Einfluss von künstlicher Intelligenz und maschinellem Lernen in der modernen Technologielandschaft. Von seinem frühen Berufsleben in Indien bis zu seiner aktuellen Führungsrolle bei Walmart hat Rishabh kontinuierlich die Grenzen der Innovation ausgelotet und sich in den Bereichen Data Science, Software Engineering und Data Engineering herausragend entwickelt. In diesem exklusiven Interview spricht Rishabh über seinen Werdegang, die Herausforderungen, denen er gegenüberstand, und die Erkenntnisse, die er gewonnen hat, wobei er ein detailliertes und inspirierendes Bild seiner beruflichen Entwicklung und der Lektionen bietet, die er auf dem Weg gelernt hat.
Bei Walmart fungiere ich als Senior Machine Learning Engineer, wo ich die Entwicklung von Plugins für den GenAI Assistant leite, der nun in sieben Ländern eingeführt ist und über 10.000 wöchentliche Nutzer hat. Meine Arbeit umfasst den Aufbau und die Verbesserung von Pipelines, die die Leistung um 20% gesteigert und die Geschwindigkeit der Prozesse verdreifacht haben, sowie das Design und die Entwicklung kundenorientierter APIs und Mikrodienste, die darauf abzielen, die Benutzerinteraktion und -zufriedenheit zu erhöhen. Eines meiner bemerkenswerten Projekte war die Entwicklung eines Zusammenfassungsmikrodienstes in nur einem Sprint, der die Funktionalität unseres Confluence-Plugins verbesserte, das mehrere Generative-AI-Funktionen integriert, um Live-Interndokumente zu verbessern. Darüber hinaus betreue ich neue Mitarbeiter und leite Lernsitzungen auf vierteljährlicher Basis, um Datenwissenschaftler und ML-Ingenieure über neue und aufkommende Technologien in Engineering und Data Science zu informieren und sie auf dem neuesten Stand zu halten.
Eine der Hauptherausforderungen war die Anpassung an den Umfang und die Komplexität der Betriebsabläufe von Walmart. Das Management und die Optimierung von Workflows für ein so großes, multinationales Unternehmen erfordern ein tiefes Verständnis verschiedener Systeme und einen strategischen Ansatz zur Problemlösung. Die nahtlose Integration und Implementierung neuer Technologien in verschiedenen Regionen stellte ebenfalls erhebliche Herausforderungen dar. Diese Herausforderungen boten jedoch auch Möglichkeiten zur Innovation und zur Wirkung von Veränderungen.
In Ihrer Zeit bei Squark habe ich den Python-Code optimiert, Redundanzen um 25% reduziert und die Leistung signifikant verbessert. Ich habe auch die Forschung zur Modellinterpretierbarkeit vorangetrieben, die sich auf SHAP konzentrierte, um tiefere Einblicke in die Entscheidungsprozesse unserer Modelle zu gewinnen. Die Automatisierung von AWS-Prozessen war ein weiterer Erfolg, der unsere Abläufe optimierte und die Effizienz steigerte. Diese Projekte haben nicht nur unsere Systeme verbessert, sondern auch meine Problemlösungsfähigkeiten gestärkt und meine Fähigkeit zur Initiierung sinnvoller Veränderungen untermauert.
Meine Zukunftspläne in AI/ML umfassen die Durchführung von noch wirkungsvolleren Projekten, die modernste Technologien nutzen, um komplexe Probleme zu lösen. Ich plane, meine Expertise weiter auszubauen, insbesondere in Bereichen wie Deep Learning und Natural Language Processing. Indem ich neugierig bleibe, herausfordernde Möglichkeiten suche und kontinuierlich lerne, plane ich, diese Ziele zu erreichen und zur breiteren AI/ML-Gemeinschaft beizutragen. Mein Ziel ist es, nicht nur zu innovieren, sondern auch andere dazu zu inspirieren, das Potenzial von AI/ML zu erkunden.