Dawit Haile 不顾艰难险阻，决定在东非的厄立特里亚学习计算机科学，尽管当时没有互联网连接。他的坚持得到了回报，先是在厄立特里亚政府教育部找到了一份工作，后来又在立陶宛成为一名工程师。今天，Dawit 是旧金山湾区的一名数据科学家，他将这份新工作归功于他在 fast.ai 获得的知识和经验。此外，他还在开发一种算法，用于在英语和他的母语提格雷语之间进行翻译。
Dawit 只是今年秋季参加我们深度学习课程的众多杰出的 fast.ai 学员之一。这些奖学金得以实现，完全归功于响应我们号召的赞助商们：Amazon Web Services、Menlo Ventures、Domino Data Labs、Facebook、Natalia Baryshnikova、Lucien Carrol（思科公司提供的雇主匹配赞助），以及旧金山大学数据研究院的持续支持。
我们收到了 70 多份来自具备极高资质申请者的多样性奖学金申请，包括高级软件工程师、几位创业公司创始人、一位在《自然》杂志上发表过文章的研究员，以及许多活跃于教学、志愿服务和社区组织的人士。在赞助商的支持下，我们很高兴能够提供尽可能多的奖学金名额。以下是一些学员的故事。
Adriana Fuentes 是一家隐秘启动公司的联合创始人兼技术负责人，同时也是硅谷西班牙裔专业工程师协会 (SHPE) 的主席。她正在将从 fast.ai 学到的知识应用于构建一辆小型自动驾驶车辆，作为她在 SHPE 的志愿工作的一部分，她将用这辆车来引导低社会经济背景的学生接触人工智能领域。此前，她在惠普公司构建了大规模分布式系统和数据库，并在福特汽车公司担任混合动力汽车、导航系统和信息娱乐系统的工程师。
Sarada Lee 在 2016 年的一次编程马拉松中首次接触机器学习时，还是一名没有编程经验的会计师，她对此深深着迷。她自学了编程，并在澳大利亚珀斯创立了珀斯机器学习小组。最初只是 Sarada 客厅里一小群朋友的聚会，在一年内发展成一个拥有 280 名成员的社区。该小组一起学习了fast.ai 在线课程，赢得了编程马拉松比赛，吸引了企业赞助，并举办了多次讲座。成员们在一个公用事业项目中使用了图像分类技术，有望节省数百万美元。Sarada 目前正在研究一种新的算法，用于阅读和理解大量文档语料库，并正在制定新的计划，以帮助提高人工智能领域的多样性。
研究脑肿瘤治疗的生物信息学科学家Tiffany Liu 告诉我们，课程在构建一个多任务神经网络方面为她的工作提供了实际帮助，该网络可以同时预测肿瘤区域及其相关的临床信息。
Nahid Alam，用于家庭自动化语音优先用户体验的 litehouse.io 的创始人，现在在思科公司担任高级软件工程师，并在工作中使用人工智能，同时在Backstage Capital 担任导师，她还被列为最值得关注的人工智能领域女性之一。Nahid 告诉我们，“每个人都在谈论概念，[但]为编码者/工程师提供的资源却很少见。” Fast.ai 正在填补这一空白。她撰写了《自动化无聊任务：企业软件中的聊天机器人》一文，介绍了她在聊天机器人框架、对话式人工智能产品和机器人分析产品方面的工作。
我们对 Dawit、Adriana、Tiffany、Sarada、Nahid 以及所有我们的多样性学员感到敬佩，也非常感谢我们的赞助商使这一切成为可能。当许多人哀叹人工智能领域所谓的“人才短缺”时，看到这些公司和个人采取实际行动，令人备受鼓舞。