Yujian Tang: Por que entrei na Zilliz como Developer Advocate
Uma breve apresentação sobre mim
Meu nome é Yujian Tang, e trabalho como developer advocate na Zilliz, onde construo, explico e brinco com aplicações de IA. Minha carreira começou ao vencer a American Computer Science League (ACSL) duas vezes seguidas, o que levou a um estágio na IBM durante o ensino médio. Após três estágios de verão, ingressei na UNC, onde estudei Ciência da Computação, Estatística e Neurociência. Durante esse período, também pesquisei machine learning, e um dos meus artigos sobre fusão de dados para integridade de dados foi publicado no IEEE Big Data. Minha apresentação nessa conferência me ajudou a conseguir uma posição de engenharia de software na Amazon, onde gerei US$ 2,5 milhões em valor. Saí da Amazon para buscar startups, procurando avançar e expandir minhas habilidades mais rapidamente.
O que me trouxe até aqui?
Escolher entrar na Zilliz foi uma decisão fácil para mim. Conforme passei pelo processo de entrevistas, ficou claro que a Zilliz era minha principal escolha. Trabalhei na área de IA/ML durante toda a minha carreira profissional pós-faculdade. Durante minhas entrevistas com Frank, Diretor de Operações e Arquiteto de ML na Zilliz, e Charles, CEO da Zilliz, entendi melhor como bancos de dados vetoriais desempenham um papel na IA, o que foi um fator decisivo real para eu entrar na Zilliz.
Durante minha conversa com Frank, discutimos ML e bancos de dados vetoriais e sua correlação. Aprendi três coisas sobre ele. Primeiro, ele tem conhecimento excepcional nesse campo, como evidenciado pelas perguntas específicas que fez. Segundo, ele é altamente capaz. Não é apenas por causa de suas qualificações e conquistas, mas pela forma como fala sobre elas. Você terá a mesma sensação se fizer uma entrevista com ele. Por fim, Frank e eu compartilhamos interesses comuns no mundo das startups, incluindo identificar os problemas certos e encontrar as pessoas certas para resolvê-los.
O que realmente me impressionou em Charles foi sua profunda compreensão do espaço de busca vetorial. Ele está em bancos de dados há muito tempo, e contou uma história fascinante sobre como veio a construir o Milvus e a Zilliz. Achei sua dedicação inabalável ao Milvus realmente impressionante. É particularmente interessante como ele escolheu voltar para a China para provar a viabilidade do Milvus na escala de bilhões de vetores, e ainda mais impressionante que ele estava certo, e funcionou.
Outro aspecto que chamou minha atenção foi sua visão de que bancos de dados vetoriais se tornem a solução preferida para dados não estruturados. Além disso, aprecio o quanto estamos alinhados quanto ao ethos open-source, que Charles incutiu na Zilliz e que é um fator de diferenciação significativo.
Me divertindo muito na Zilliz
Para ser honesto, não fiz contribuições open-source suficientes na minha vida, provavelmente menos de 25, para realmente me declarar um entusiasta de open-source. No entanto, trabalhar aqui na Zilliz está me ajudando a mudar isso. Como developer advocate, trabalho com muitos softwares open-source e já fiz várias contribuições. Além disso, tenho a oportunidade de trabalhar com algumas das tecnologias de IA mais avançadas, como LangChain, LlamaIndex, e AutoGPT. Além de criar conteúdo, organizo meetups e faço palestras em conferências e hackathons. Falar diante de uma plateia é uma experiência nova, mas acho agradável.
Outro ótimo aspecto de ser um developer advocate na Zilliz é o apoio de marketing que recebo. Nosso VP of Marketing, Chris, é um grande líder que nos orienta sem ser controlador demais ou fazer microgerenciamento. Compartilhamos um entendimento mútuo sobre como nos comunicar com desenvolvedores, o que é essencial para um advocate. Nosso principal objetivo é fornecer aos desenvolvedores as ferramentas e os recursos de que precisam para entender, construir com e inovar usando bancos de dados vetoriais.
Venha se juntar a nós!
Estamos fazendo muitas coisas legais por aqui, e eu poderia me beneficiar muito de apoio adicional na geração de conteúdo e de recursos humanos para participar e sediar mais eventos. Se você está procurando uma vaga em DevRel, fale comigo! Você também pode conferir nossa página de carreiras para mais informações e para se candidatar.
Continue lendo
Vector Lakebase: End the AI Data Silo
Learn how Vector Lakebase unifies vector search, data lakes, and AI data operations so teams can serve RAG and agents without copy-and-sync pipelines.
DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding
Explore DeepSeek-VL2, the open-source MoE vision-language model. Discover its architecture, efficient training pipeline, and top-tier performance.
Multimodal Pipelines for AI Applications
Learn how to build scalable multimodal AI pipelines using DataVolo and Milvus. Discover best practices for handling unstructured data and implementing RAG systems.