Shingai Manjengwa, de Vector, nommée l'une des femmes de l'année par Ryerson DMZ

23 mars 2022

Par Ian Gormely
23 mars 2022

Shingai Manjengwa, directrice du développement professionnel de Vector, a été nommée l'une des premières "Femmes de l'année" de Ryerson DMZ. Femmes de l'annéeune liste de 46 femmes choisies pour leurs "réalisations exceptionnelles et leurs contributions à la création d'un impact".

"Cette reconnaissance est pour toutes les femmes dans la technologie qui construisent des choses, trouvent des solutions et s'attaquent aux défisa déclaré Mme Manjengwa à propos du prix. "L'augmentation de la participation des femmes élargit notre espace de solutions et renforce notre capacité à résoudre les problèmes".

Choisi parmi plus de 600 candidats, ce prix a été "créé par la communauté technologique pour honorer les femmes qui inspirent l'écosystème technologique canadien". Janet Bannister, associée directrice de Real Ventures et membre du conseil d'administration de Vector, figure également sur la liste, qui comprend des femmes issues de "divers milieux et secteurs, notamment des fondatrices de startups, des dirigeantes d'entreprise, des pionnières d'organisations à but non lucratif et des jeunes en devenir".

Mme Manjegwa attribue à une compétence qu'elle a acquise en tant que traductrice une part importante du succès qu'elle a rencontré. "Je suis capable de décomposer des sujets et des problèmes complexes en concepts compréhensibles par différentes personnes", explique-t-elle. C'est une capacité qu'elle a développée par nécessité. 

Manjengwa a obtenu une licence en commerce à l'université du Cap, avec des spécialisations en politique, philosophie et économie. Mais après avoir obtenu son diplôme, elle a trouvé un emploi d'analyste de données, un domaine qui n'avait aucun rapport avec son diplôme. "J'ai dû me débrouiller", se souvient-elle. "Cela impliquait de parler avec des développeurs - les personnes qui travaillent avec le matériel, les logiciels ou les algorithmes - puis de faire le lien entre ce qu'ils me disaient et l'aspect industriel de l'entreprise et de traduire tout cela en termes d'adoption. "Une fois que j'ai commencé à poser des questions, les gens se sont montrés ouverts. Mais je devais aller vers eux. 

Après avoir déménagé à Toronto et obtenu une maîtrise en analyse commerciale à l'Université de New York, Mme Manjengwa a fondé Fireside Analytics en 2015. "La société était censée se contenter d'offrir des services de conseil", explique-t-elle. "Si vous avez un ensemble de données, je l'examinerai et rédigerai un rapport". Elle s'est rapidement rendu compte qu'il y avait autant d'appétit pour comprendre comment elle arrivait à ses conclusions que pour les conclusions elles-mêmes.  

Une rencontre fortuite avec des représentants d'IBM l'a amenée à contribuer au matériel pédagogique de la plateforme Cognitive Class du géant de la technologie. "Mon approche de l'enseignement reflétait vraiment mon propre parcours d'apprentissage de l'industrie", dit-elle, déconstruisant chaque aspect de la pratique jusqu'à ses concepts fondamentaux tout en posant beaucoup de questions et en ne faisant aucune supposition. "J'ai intégré cette approche dans les études de cas et les cours que j'ai dispensés, et beaucoup de gens ont été séduits. Son travail d'éducatrice a ouvert à d'autres des portes qui lui étaient autrefois fermées lorsqu'elle a fait ses premiers pas dans le monde de la science des données. À ce jour, ses cours ont été suivis par plus d'un demi-million d'utilisateurs inscrits. 

Bien que la technologie ne cesse d'évoluer - qu'il s'agisse d'apprentissage automatique, d'apprentissage en profondeur ou de science des données - le travail de Mme Manjengwa chez Vector ne s'éloigne pas de son point de départ : s'inspirer de la recherche sur l'IA et la traduire en concepts et en produits que l'industrie peut absorber, que ce soit lors de conférences, de blogs, d'ateliers ou de cours. 

"Après toutes ces années, je suis toujours un traducteur.

En rapport :

Des protocoles normalisés sont essentiels pour un déploiement responsable des modèles linguistiques

Les inconnues connues : Geoff Pleiss, chercheur chez Vector, se penche sur l'incertitude pour rendre les modèles de ML plus précis.

Un homme regarde un tableau blanc sur lequel sont inscrites des formules en rouge.
Perspectives
Une IA digne de confiance

Comment mettre en œuvre des systèmes d'IA en toute sécurité