Mabadiliko ya kompyuta ya wingu na akili ya kiufundi yamebadilisha kimsingi jinsi makampuni yameunda na kupanua majukwaa ya teknolojia. Miundombinu ya kisasa ya wingu inapaswa kushughulikia mamilioni ya watumiaji wa pamoja katika mikoa kadhaa ya kijiografia wakati wa kudumisha viwango vya usalama, uaminifu, na utendaji vinavyoweza kukidhi mahitaji ya mashirika ya serikali na makampuni ya Fortune 500 sawa. Wanasayansi wa miundombinu wenye mafanikio zaidi wanaonyesha ufanisi katika maeneo mbalimbali—kutoka mtandao na usalama hadi vifaa vya AI na mashine ya kujifunza. Wataalam hawa wanaelewa kwamba majukwaa ya kujenga yanayotumika na mamilioni yanahitaji si tu ujuzi wa kiufundi lakini pia uwezo wa kutabiri changamoto za kiwango cha miezi au miaka mapema. Akiwa na miaka saba katika Microsoft Azure, baada ya majukumu ya uongozi katika biashara ya AI katika Docusign, Abhinav Sharma anaonyesha safari hii ya kina kupitia uhandisi wa kisasa wa wingu na AI. Uzoefu wake unazunguka miundombinu ya kimataifa ya Azure Networking, maendeleo ya jukwaa la Azure AI Search wakati wa enzi ya pre-LLM, na sasa kuunda mifumo ya akili ya hati ambayo inashughulikia mikataba zaidi ya milioni 150. Katika mazungumzo haya, tunachunguza safari ya Abhinav kupitia timu hizi tofauti za uhandisi na kazi inayohusiana na kujenga na kupanua miundombinu ya wingu na AI ya ukubwa mkubwa. Ujenzi wa mifumo ya majaribio ya kuendelea kwa miundombinu ya wingu la kimataifa “Siku za mwanzo katika Azure Networking zilikuwa zenye nguvu. Kama darasa jipya, ilikuwa ya kushangaza kuingia katika mazingira makubwa kama hayo ya vipengele vya mtandao vinavyofanya kazi kwa kiwango cha wingu. Ilikuwa rahisi kupotea katika bahari ya maneno ya vitabu vitatu—kila moja ikionyesha timu tofauti au mifumo ya chini—bila hisia wazi ya jinsi vyote vinavyofaa katika usanifu wa mtandao mkubwa zaidi. Kujifunza viwango vya mstari ulichukua miezi kadhaa,” Abhinav anahisi, akifikiri juu ya kazi yake ya awali baada ya kumaliza shahada yake katika Chuo Kikuu cha Columbia mwaka 2016. Hivi karibuni alijiunga na mradi ambao ulimfanya kuwa na mtazamo wa kina, wa mwisho hadi wa mwisho wa mstari wa mtandao wa Azure wa umma— Jitihada hii kubwa ya majaribio na ufuatiliaji iliruhusu Abhinav kuunda na kutekeleza mfumo unaoweza kurekebishwa sana ambao ulisaidia shirika la mtandao zaidi kutambua matatizo ya kurudi mapema, hasa katika mikoa yenye trafiki ndogo. Kwa kukamata matatizo haya kabla ya kuongezeka, timu ilikuwa na uwezo wa kuzuia mamia ya kuacha muhimu ambayo inaweza kuwa na athari kwa wateja wa Azure na kuharibu imani katika uaminifu wa jukwaa. "Ilikuwa moja ya miradi hiyo ya wazi ambayo ilihitaji tu kuwepo - tatizo la ukali wa 1 katika mkondo wa mtandao inaweza kuanguka katika kuanguka kwa huduma nyingi za juu. Kuunda jukwaa la utafutaji wa darasa la biashara Baada ya muda wake katika Azure Networking, na katikati ya kasi ya kuongezeka kuhusu AI mnamo 2018, Abhinav alihamia Azure AI Search. ikilinganishwa na mtandao, timu ilikuwa mpya na ndogo, ililenga kutoa API za utafutaji kama huduma kwa wateja wa biashara. "Kwa mfano, kama wewe ni kampuni kubwa ya e-commerce, utafutaji ni uwezo wa msingi. Unaweza kujenga na kudumisha makundi yako mwenyewe ya utafutaji na timu, au unaweza kusafirisha kazi hiyo kwa utafutaji wa Azure AI. mahitaji ya aina hii ya uwezo wa utafutaji wa kusimamiwa yameongezeka kwa kasi katika viwanda na matukio ya matumizi." "Kwa mfano, kama wewe ni kampuni kubwa ya e-commerce, utafutaji ni uwezo wa msingi. Unaweza kujenga na kudumisha makundi yako mwenyewe ya utafutaji na timu, au unaweza kusafirisha kazi hiyo kwa utafutaji wa Azure AI. mahitaji ya aina hii ya uwezo wa utafutaji wa kusimamiwa yameongezeka kwa kasi katika viwanda na matukio ya matumizi." Katika miaka minne aliyojiunga na timu, Abhinav alifanya mchango mkubwa katika viwango vingi vya jukwaa. Alikuwa anafanya kazi nyingi juu ya vipengele kadhaa muhimu vya msingi vya kupanua huduma, ikiwa ni pamoja na mifumo ya kupanua huduma, miundombinu ya malipo, usimamizi wa siri, ujenzi wa huduma na idadi kubwa ya vifaa vya ndani. Uwezo huu ulikuwa msingi wa ukuaji wa jukwaa, na Abhinav alicheza jukumu muhimu katika kuunda yao. "Kuanza huduma kutoka wachache tu wa mikoa hadi zaidi ya 40 ulimwenguni kote ilihitaji kutengeneza viwango na kusambaza mchakato wetu wa ujenzi wa kikanda - hii ilikuwa muhimu kwa kupanua kwa ufanisi," Abhinav anasema. Kituo kikuu cha kushuka kwa timu kilikuja na mkataba wa JED Ili kufikia hili, aliongoza juhudi kadhaa muhimu za kuimarisha usalama na ufuatiliaji wa msimamo wa jukwaa. Alianzisha taratibu za automatiska za ufuatiliaji wa siri katika meli ya maelfu ya mashine, na kuboresha kwa kiasi kikubwa usalama wa uendeshaji. Pia aliongoza juhudi za faragha zilizokusudiwa kwenye ufuatiliaji wa umeme, kuhakikisha kwamba hakuna taarifa za kibinafsi zilichapishwa na kwamba data zote zilijulikana na zilipatikana kwa kiwango sahihi cha usalama. Zaidi ya hayo, alijenga vifaa na udhibiti wa upatikanaji wa jukumu unaojulikana ili kusaidia upatikanaji wa JIT (Just-in-Time) kwa ajili ya ufumbuzi wa node, na kuimarisha zaidi mfumo wa udhibiti na usalama wa jukwaa. Kuangalia nyuma: Mafundisho kutoka kwa ukuaji na kazi ya Azure “Ilikuwa ya kuvutia kuona Azure kama jukwaa ikibadilika kwa kiasi kikubwa tangu nilipoingia kwa mara ya kwanza. Kulikuwa na kauli katika Azure wakati huo: kubuni mifumo yako kama utakuwa unaendesha trafiki ya mara kumi kwa muda wa miezi michache sasa. Kubuni kwa kazi za kiwango cha juu huwafanya kufikiri tofauti kuhusu kila kitu—kama unachukua kizuizi cha kodi, jinsi unavyoweza kukabiliana na faragha ya mtumiaji na takwimu, jinsi unavyoweza kubuni ufuatiliaji wa mchakato wa kazi na kurejesha mbinu, na hata jinsi unavyoweza kujenga zana za kupanua huduma yako ulimwenguni kwa mifano ya majina na miundombinu. Hizi ni maamuzi unayofanya mbele, si miaka katika maisha ya huduma. Baada ya muda wake katika Microsoft, Abhinav alihamia Docusign, ambapo aliingia ulimwengu wa ujuzi wa nyaraka na ufumbuzi uliotokana na AI uliowekwa ili kuimarisha taratibu ngumu za kisheria. "Baada ya uzoefu mkubwa wa jukwaa hili chini ya mizabibu yangu, nilihisi ni wakati wa kupata uzoefu na mifumo ya msingi ya ML, hasa katika nafasi ya NLP. Daima ilionekana kama ulimwengu wa kuvutia kwangu - kuwa na uwezo wa kuingiliana na nyaraka na kuingia katika matatizo kama vile uchunguzi wa lugha, uchambuzi wa nyaraka, uchimbaji wa metadata, mifumo ya mazungumzo na uchunguzi wa habari kwa kutumia algorithms ya muhtasari. Maoni ya Abhinav Sharma Abhinav kwa sasa ni Mhandisi wa Wafanyakazi wa ML katika Docusign, ambapo anazingatia kuendeleza uwezo wa ujuzi wa nyaraka ili kuendesha utekelezaji wa jukwaa la Usimamizi wa Mkataba wa Intelligent (IAM). Tangu kuanzishwa kwake mnamo Juni 2024, jukwaa hilo limechukua mamia ya mamilioni ya mikataba, na Abhinav ana jukumu muhimu katika kuunda mifumo ya AI ambayo inaweza kuwezesha kiwango hiki. Kabla ya Docusign, Abhinav alifanya kazi katika makao makuu ya Microsoft huko Redmond, WA, kusaidia miradi ya msingi ya wingu na miundombinu katika Azure Networking na Azure AI Search. Kazi yake iliunga mkono pande zote za msingi za Microsoft Azure na ukuaji wa Azure AI Search wakati wa kipindi cha pre-LLM. Abhinav ana shahada ya shahada ya masomo kutoka Chuo Kikuu cha California, Berkeley na Chuo Kikuu cha Columbia, ambako amejitegemea sayansi ya data, uchunguzi wa habari, kujifunza mashine, mifumo ya kusambazwa, na ufanisi wa uendeshaji. Pia amepata shahada ya shahada ya shahada ya sayansi ya kompyuta kutoka Chuo Kikuu cha Manipal, kujenga msingi imara katika kanuni za sayansi ya kompyuta na programu. Mbali na kazi, Abhinav anapenda kucheza guitar, kusafiri, kuchunguza maeneo mapya, na kujifunza kuhusu mifumo ya ndege. Hadithi hii iliwasilishwa kama toleo la Sanya Kapoor chini ya HackerNoon's Business Blogging Program. Hadithi hii iliwasilishwa kama toleo la Sanya Kapoor chini ya . HackerNoon’s Business Blogging Program Programu ya Blogging ya Biashara ya HackerNoon
