Alon Lev, spoluzakladatel a CEO Qwak – rozhovor

Alon Lev je spoluzakladatel a CEO Qwak, platformy, která odstraňuje inženýrské tření ze strojového učení a umožňuje rychlé iterace, vysokou škálovatelnost a přizpůsobitelnou infrastrukturu.

Kdy jste se poprvé začal zajímat o strojové učení?

Moje první významná zkušenost se strojovým učením byla, když jsem budoval tým BI v Payoneer před sedmi lety. Rozpoznal jsem, že stát se datově řízenou organizací vyžaduje velmi specifické procesy a nástroje. Strojové učení, které je dnes součástí každé datové strategie, bylo v té době ve svých počátcích.

Můžete diskutovat o své předchozí roli v Payoneer a jak vám to umožnilo vidět, jak se strojové učení stává stále důležitějším?

V mé roli v Payoneer jako VP dat, jsem byl zodpovědný za všechny aspekty dat ve společnosti, od analýz, BI, inženýrství dat a datové vědy. Wow moment jsem měl s datovou vědou, když jsme postavili celý kreditní produkt na základě strojového učení. Fungoval velmi dobře od samého začátku; v tu chvíli jsem si uvědomil, že strojové učení může zlepšit nejen stávající obchodní linie, ale také vytvořit nové podniky a produkty.

Jaké byly některé z výzev strojového učení, které jste svědkem?

Určitě, v produkčním nasazení ML, vlastníci dat a inženýři již mají mnoho práce – řízení produkční infrastruktury, která by nám umožnila produktizovat ML, bylo vždy obrovskou výzvou, která “zabila” mnoho našich projektů.

Jak platforma Qwak odstraňuje inženýrské tření ze strojového učení?

Qwak je vše o tom, aby se zabývalo základními pracemi pro inženýry ML a umožnilo jim soustředit se na vytváření obchodních hodnot.

Ran Romano (spoluzakladatel a VP R&D) měl přesně stejnou zkušenost během svého času vedoucího oddělení MLops ve Wix. Dnes jeho hlavní zaměření je na řešení těchto výzev prostřednictvím naší platformy a dělání procesu produktizace ML modelů rychlejším, efektivnějším a bezproblémovým. Naším cílem je udělat životy inženýrů ML a datových vědců snazší a mnohem přínosnější, aby plynulé dodávky strojového učení se staly realitou pro společnosti, spíše než položkou na přání.

Proč je toto ideální řešení pro společnosti, které chtějí více strojového učení, ale mají nedostatek datových vědců a inženýrů strojového učení?

Neříkáme, že rozumíme vašemu podnikání nebo vašim datům, ale máme mnoho zkušeností s infrastrukturou; Naše mise je jasná; Chceme pomoci vynikajícím týmům datové vědy a inženýrství strojového učení budovat úžasné produkty. Nezasahujeme do logiky modelu, ale spíše se soustředíme na to, co děláme nejlépe, tj. infrastrukturu.

Co dnes odlišuje Qwak od konkurenčních řešení strojového učení?

Pomáháme silným týmům odložit základní infrastrukturní práce a zjednodušit celý proces produktizace ML, Qwak dodává a věří v horizontální přístup k řešení výzev MLOps – to znamená, že jsme nepostavili platformu pouze kolem registru modelů a poskytování predikcí nebo úložiště příznaků (feature store) a automatizace, ale spíše si myslíme, že potřebujete všechny tyto prvky na jednom místě, aby bylo možné škálovat vaši infrastrukturu ML.

Můžete diskutovat o tom, jak Qwak podporuje sledování zpětné vazby modelů strojového učení a proč je to důležité?

Sledování zpětné vazby je jednou z prvních věcí, které jsme postavili v Qwak, protože ji považujeme za koherentní část životního cyklu produkčního nasazení. Qwak poskytuje API pro zpětnou vazbu, která umožňuje automatizovat proces hlášení zpětné vazby.

Je něco jiného, co byste chtěl sdílet o Qwak?

Máme úžasný tým zkušených inženýrů a lídrů v tomto prostoru. S rozsáhlými zkušenostmi v “zákopech” inženýrství strojového učení víme, co je třeba udělat, a jsme teprve na začátku 🙂

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Qwak.