2019-07-30 07:50:19
Όταν το πάθος σου και η ειδικότητά σου είναι οι αλγόριθµοι Artificial Intelligence, όταν μπορείς να βρεις τη λύση σε άλυτο πρόβληµα των Intel επεξεργαστών, τότε μπορείς να συνεργαστείς µε την Google, τη Microsoft, τη Salesforce αλλά και τη Netflix.
Αυτή είναι η περίπτωση της Μαρίας. Το 2009 εισήλθε πρώτη στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ. Από το 2012 έως το 2015, παράλληλα µε τις σπουδές της, εργαζόταν στην Google στο Παρίσι και στη Νέα Υόρκη στα τµήµατα Operations Research και Ad Exchange αντίστοιχα. Το 2013 βραβεύθηκε για τη λύση της σε άλυτο πρόβληµα των Ιntel επεξεργαστών, η οποία βελτίωσε χιλιάδες υπολογιστές. Το 2014 τελείωσε τις σπουδές της µε απόλυτο 10, πρώτη φορά στην ιστορία του ΕΜΠ. Το 2015 ανέπτυξε αλγορίθµους που αύξησαν σηµαντικά τα εισοδήµατα του Ad Exchange της Google. Την ίδια χρονιά έγινε δεκτή για διδακτορικές σπουδές στο Stanford στον τοµέα Reinforcement Learning, µε πλήρη υποτροφία από το πανεπιστήµιο. Ολοκλήρωσε το διδακτορικό της το 2018 σε 3,5 χρόνια, σπάνιο για τα αµερικανικά δεδοµένα.
Κατά τη διάρκεια του διδακτορικού της εργάστηκε στις εταιρείες Salesforce και Microsoft. Η διατριβή της πρότεινε τη συνεργατική µέθοδο που επιτρέπει σε οµάδες ροµπότ να επιτύχουν στόχους πρωτοφανούς πολυπλοκότητας. Από το 2018 είναι Senior Research Scientist στην ερευνητική οµάδα της Netflix και είναι υπεύθυνη για τους αλγορίθµους Reinforcement Learning και Causal Inference πίσω από τα Personalized Recommendations της εταιρείας στους χρήστες της. Έχει τιµηθεί µε σηµαντικά βραβεία για τη σταδιοδροµία της, συµπεριλαµβανοµένων των "Intel Innovation Award" και "Google Anita Borg Memorial Award" το 2014 και "Stanford Outstanding Academic Achievement Award" το 2016 και το 2019.
Mεθοδολογία: Από τις συνολικά 100 αρχικές υποψηφιότητες που έλαβε το "Forbes" –είτε μέσω αιτήσεων των ίδιων των ενδιαφερομένων είτε μέσω προτάσεων από ιδρύματα και σχετικούς φορείς–, η συντακτική ομάδα έκανε μια πρώτη διαλογή και κατέληξε σε 50. Η κριτική επιτροπή, η οποία αποτελούνταν από τους κ. Σπύρο Θεοδωρόπουλο (διευθύνοντα σύμβουλο της Chipita), Νίκο Καραμούζη (πρώην πρόεδρο της Eurobank και της Ελληνικής Ένωσης Τραπεζών, πρόεδρο της Grant Thornton), Μιχάλη Μπλέτσα (διευθυντή Πληροφορικής στο Media Lab του MIT), Θεοχάρη Φιλιππόπουλο (πρόεδρο του Capital.gr, πρόεδρο των Αττικών Εκδόσεων), βαθμολόγησε τις 50 υποψηφιότητες με βαθμολογίες από το 1 (χαμηλότερο) έως το 4 (υψηλότερο), με βάση τις οποίες προέκυψαν οι "30". Σε ό,τι αφορά τη σειρά δημοσίευσης, είναι αλφαβητική, ενώ έχει ομαδοποιηθεί με βάση τη βαθμολογία.
medlabgr
Αυτή είναι η περίπτωση της Μαρίας. Το 2009 εισήλθε πρώτη στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ. Από το 2012 έως το 2015, παράλληλα µε τις σπουδές της, εργαζόταν στην Google στο Παρίσι και στη Νέα Υόρκη στα τµήµατα Operations Research και Ad Exchange αντίστοιχα. Το 2013 βραβεύθηκε για τη λύση της σε άλυτο πρόβληµα των Ιntel επεξεργαστών, η οποία βελτίωσε χιλιάδες υπολογιστές. Το 2014 τελείωσε τις σπουδές της µε απόλυτο 10, πρώτη φορά στην ιστορία του ΕΜΠ. Το 2015 ανέπτυξε αλγορίθµους που αύξησαν σηµαντικά τα εισοδήµατα του Ad Exchange της Google. Την ίδια χρονιά έγινε δεκτή για διδακτορικές σπουδές στο Stanford στον τοµέα Reinforcement Learning, µε πλήρη υποτροφία από το πανεπιστήµιο. Ολοκλήρωσε το διδακτορικό της το 2018 σε 3,5 χρόνια, σπάνιο για τα αµερικανικά δεδοµένα.
Κατά τη διάρκεια του διδακτορικού της εργάστηκε στις εταιρείες Salesforce και Microsoft. Η διατριβή της πρότεινε τη συνεργατική µέθοδο που επιτρέπει σε οµάδες ροµπότ να επιτύχουν στόχους πρωτοφανούς πολυπλοκότητας. Από το 2018 είναι Senior Research Scientist στην ερευνητική οµάδα της Netflix και είναι υπεύθυνη για τους αλγορίθµους Reinforcement Learning και Causal Inference πίσω από τα Personalized Recommendations της εταιρείας στους χρήστες της. Έχει τιµηθεί µε σηµαντικά βραβεία για τη σταδιοδροµία της, συµπεριλαµβανοµένων των "Intel Innovation Award" και "Google Anita Borg Memorial Award" το 2014 και "Stanford Outstanding Academic Achievement Award" το 2016 και το 2019.
Mεθοδολογία: Από τις συνολικά 100 αρχικές υποψηφιότητες που έλαβε το "Forbes" –είτε μέσω αιτήσεων των ίδιων των ενδιαφερομένων είτε μέσω προτάσεων από ιδρύματα και σχετικούς φορείς–, η συντακτική ομάδα έκανε μια πρώτη διαλογή και κατέληξε σε 50. Η κριτική επιτροπή, η οποία αποτελούνταν από τους κ. Σπύρο Θεοδωρόπουλο (διευθύνοντα σύμβουλο της Chipita), Νίκο Καραμούζη (πρώην πρόεδρο της Eurobank και της Ελληνικής Ένωσης Τραπεζών, πρόεδρο της Grant Thornton), Μιχάλη Μπλέτσα (διευθυντή Πληροφορικής στο Media Lab του MIT), Θεοχάρη Φιλιππόπουλο (πρόεδρο του Capital.gr, πρόεδρο των Αττικών Εκδόσεων), βαθμολόγησε τις 50 υποψηφιότητες με βαθμολογίες από το 1 (χαμηλότερο) έως το 4 (υψηλότερο), με βάση τις οποίες προέκυψαν οι "30". Σε ό,τι αφορά τη σειρά δημοσίευσης, είναι αλφαβητική, ενώ έχει ομαδοποιηθεί με βάση τη βαθμολογία.
medlabgr
ΜΟΙΡΑΣΤΕΙΤΕ
ΔΕΙΤΕ ΑΚΟΜΑ
ΣΧΟΛΙΑΣΤΕ
