WIECON-ECE 2019 Speaker Profiles
Notice bibliographique
Résumé
Ms. Vidya Hungud is a passionate technologist and a product leader with extensive experience in building highly scalable, resilient E-commerce and enterprise applicaons that are SaaS, IaaS and PaaS based. Aer having graduated with Master's Degree from San Jose State University (SJSU, CA) with Major in Client Server Compung, Vidya worked in United States for large size tech company Sun Microsystems on Identy Access Management, mid-size product-based company Intuit on flagship products: TurboTax, QuickBooks, and startup company Soware Tree on object-relaonal mapping soware. Vidya has worked on AgriNova, an SMS based soluon to help farmers sell their produce at a fair market price that gave an immense sasfacon of having put principles of Design Thinking into pracce from ground-up. As an Innovaon catalyst, Vidya has coached several startups at NSRCEL, IIM Bangalore in partnership with Pensaar Inc and at GHC on Design for Delight and Customer Driven Innovaon. Currently, Vidya Hungud is driving part of digital transformaon journey of India through Reliance, leading Jio Cloud plaorm and Site Reliability Engineering that entails design through deployment, post-producon. As part of paying forward, Vidya has visited universies and educated on AI/ML, mentored women techies through HerSecondInnings.com, speaker in BOAST19 conference, open stack summit, GHCI, and panelist at Cisco, Ericsson, Pensaar Inc. Vidya connues to drive charter for Tech Women at Reliance Jio.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,040 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».