Anisha Pai

Anisha Pai (cô ấy/họ) là một nhà khoa học dữ liệu với chuyên môn về an ninh mạng và tiếp thị. Họ có bằng Thạc sĩ Khoa học Máy tính từ Đại học Massachusetts Amherst và bằng Cử nhân Khoa học Máy tính từ Cao đẳng Mount Holyoke. Tại MassMutual, Anisha có kinh nghiệm xây dựng các quy trình học máy từ khâu ý tưởng đến triển khai, bao gồm thiết kế thử nghiệm, kỹ thuật đặc trưng, tối ưu hóa và giải thích kết quả. Cô chủ yếu làm việc với Python, R và SQL, và sử dụng Jenkins, Git và Docker. Anisha thành thạo mô hình hóa và kỹ thuật học máy, ngoài ra còn có các phương pháp thống kê, phân tích dữ liệu, thao tác dữ liệu và trực quan hóa dữ liệu.

Bằng cách tập trung vào sự hài lòng của các bên liên quan đồng thời ưu tiên các hạn chế về nguồn lực, Anisha thúc đẩy việc giảm thiểu rủi ro và các chỉ số KPI kinh doanh mới. Họ đã hợp tác chặt chẽ với các nhà phân tích bảo mật để tạo ra bộ mô hình an ninh mạng nội bộ bằng cách sử dụng các phương pháp thống kê cốt lõi và kỹ thuật tạo đặc trưng được tinh chỉnh. Điều này bao gồm thử nghiệm và lặp lại rộng rãi, dẫn đến tiết kiệm chi phí đáng kể từ phía nhà cung cấp. Kể từ khi chuyển sang lĩnh vực tiếp thị, Anisha đã mang lại giá trị nhất quán thông qua việc tối ưu hóa việc triển khai nhiều giải pháp khoa học dữ liệu, bao gồm các bộ mô hình học máy, trợ lý ảo dựa trên trí tuệ nhân tạo tạo sinh và cơ sở dữ liệu được tối ưu hóa. Các giải pháp này hướng đến sự hài lòng của cố vấn và người dùng cuối. Anisha nhấn mạnh các thực tiễn mô hình hóa công bằng và nỗ lực cân bằng sự thiên vị dựa trên đặc trưng và mô hình bằng cách sử dụng phân tích tác động khác biệt và khung giám sát mô hình.

Cô ấy có niềm đam mê mãnh liệt trong việc sử dụng khoa học dữ liệu vì lợi ích xã hội và đã làm việc với các tổ chức phi lợi nhuận dựa trên chủng tộc và giới tính để hiểu và tối ưu hóa dữ liệu cũng như chính sách dữ liệu. Đặc biệt, cùng với Parivar Bay Area, họ đã thiết kế cuộc khảo sát người nhập cư chuyển giới đầu tiên ở San Francisco và đóng góp vào dự luật thu thập dữ liệu toàn bang California, mở rộng các lựa chọn giới tính trên các mẫu đơn của chính phủ.