Aaron Pickering

Director Data Science

Warum haben Sie sich für FMC Data Solutions entschieden?

Bei FMC Data Solutions haben wir die großartige Gelegenheit, an Produkten zu arbeiten, die den Menschen helfen werden. Letztendlich steht die Arbeit in direktem Zusammenhang mit der Verbesserung der Gesundheitsversorgung der Patient*innen, und das war für mich ein großer Gewinn. Es gibt darüber hinaus auch das Potenzial, an Projekten zu arbeiten, die ein breites Spektrum von Fähigkeiten und Gebieten im Bereich Data Science abdecken. Ich wusste, es würde nicht langweilig werden! Schließlich war ich beeindruckt von der Arbeit, die bereits geleistet worden war, um das Team innerhalb der größeren Organisation zu etablieren, und von dem hohen Maß an Professionalität, das während des Interviewprozesses spürbar war.

Was gefällt Ihnen an Ihrer Arbeit besonders gut?

Die Arbeit als Datenwissenschaftlerin fühlt sich ein bisschen an wie die Arbeit eines Detektivs. Wir verfolgen eine Spur, erforschen Daten und entdecken neue Dinge. Der Prozess an sich ist sehr befriedigend. Die Arbeit bietet auch die Möglichkeit, an allen Bereichen des Produktlebenszyklus zu arbeiten, von der Projektdefinition, dem Experimentieren und Prototyping bis hin zur Bereitstellung und Skalierung. Und aus der Perspektive des Teamleiters macht es mir wirklich Spaß, mit anderen zusammenzuarbeiten, um deren Fähigkeiten und Karrieren zu entwickeln.

Wo sehen Sie die größten Revolutionen im KI- und Medizinproduktesektor?

Im Bereich Data Science scheint es in letzter Zeit eine Verschiebung hin zu erklärbaren und interpretierbaren Modellen des maschinellen Lernens gegeben zu haben. In diesem Zusammenhang scheint auch die kausale Inferenz in der Gemeinschaft des maschinellen Lernens immer beliebter zu werden. Dieser Trend trifft insbesondere auf den Sektor der Medizinprodukte zu, wo die Erklärbarkeit einen hohen Stellenwert hat. Auch das Feld der aufmerksamkeitsbasierten Modelle hat in jüngster Zeit spannende Fortschritte gemacht. Obwohl diese Modelle bisher im Bereich Natural Language Processing am wichtigsten sind, glaube ich nicht, dass es allzu lange dauern wird, bis diese Methoden auch in unsere Arbeit einfließen werden.

Was braucht es, um ein Data Science-Team produktiv zu machen?

In erster Linie sollten die Teammitglieder über die richtigen Fähigkeiten verfügen. Ein Verständnis der Grundlagen der Statistik, des maschinellen Lernens und der Programmierung ist unerlässlich, und eine Vielfalt von Spezialisierungen ist ein guter Bonus. Zusätzlich zu den technischen Fertigkeiten ist die Fähigkeit, gut zu kommunizieren, von entscheidender Bedeutung. Darüber hinaus ist eine gute Mischung aus unterschiedlichen Charakteren und Persönlichkeiten für die Teamatmosphäre von großer Bedeutung. Es ist sehr selten, dass jemand Expert*in auf allen Gebieten im Bereich Data Science ist, daher ist es wichtig, eine Umgebung zu fördern, in der jeder Fragen stellen und von anderen lernen kann und in der es wenig Angst zu scheitern gibt.

Was ist Ihnen bei der Entwicklung von KI-Talenten wichtig?

Wir suchen Menschen, die offen, ehrlich und neugierig sind. Menschen, die Lernbereitschaft, Leidenschaft für das Fachgebiet und Ausdauer mitbringen, haben gute Chancen auf lange Sicht erfolgreich zu sein.