Jerry Xu, spoluzakladatel a CEO Datatronu – rozhovor

Jerry má rozsáhlé zkušenosti s machine learningem, systémy úložišť, online službami, distribuovanými systémy, virtualizací a jádrem operačního systému. Pracoval na vysokovýkonných a velkých systémech ve společnostech jako Lyft, Box, Twitter, Zynga a Microsoft (MSFT ). Je také autorem open-source projektu Lib Crunch a je trojnásobným držitelem ceny Microsoft Gold Star Award. Jerry dokončil magisterský titul v oboru počítačových věd na Šanghajské univerzitě. Jeho nejnovější startup je Datatron.

Když jsme pracovali v Lyftu, jsme si uvědomili, že data scientisti často pocházejí z různých oborů, jako je matematika, fyzika, bioinženýrství atd. Často je pro ně velmi obtížné pochopit inženýrskou část toho, jak jejich modely fungují, i když mají dobré intuice o modelu a matematice. To nás motivovalo k zahájení Datatronu. Nepokoušíme se pomoci data scientistům najít nejlepší algoritmus. Naše role nastává až poté, co je algoritmus rozhodnut, a naše úloha je učinit nasazení modelu, monitoring a správu více efektivními.

Datron byl vybrán společností 500 Startups, aby se stal součástí 18. kohorty akcelerovaných společností. Jak tato rezidence ovlivnila vás osobně a jak spravujete Datatron?

Dozvěděli jsme se mnoho věcí ze zkušeností se StartX a 500 Startup, včetně toho, jak představit investory, jak najít produkt/trh, jak provozovat prodej a marketing, se kterými jsme předtím neměli žádné zkušenosti.

Datron je manažerská platforma pro modely ML, AI a Data Science. Můžete vysvětlit některé z funkcí, které nabízí vaše platforma?

Náš produkt má nyní čtyři moduly: Model Deployment, Model Minoring, Model Challenger a Model Governance.

Model Deployment:

Vytvořte a škálovat nasazení modelů za několik kliknutí. Nasazení modelů vyvinutých v jakémkoli rámci nebo jazyce.

Model Monitoring:

Činíte lepší obchodní rozhodnutí, abyste ušetřili čas a peníze svého týmu. Monitorujte výkon modelu a detekujte pokles modelu, jakmile k němu dojde.

Model Governance:

Trávíte méně času ověřováním modelu, detekcí偏见 a interními audity. Přecházejte z vývoje modelu na interní audit a produkci rychleji než kdykoli předtím.

Jedním z použití případů Datatronu je předpověď poptávky, která je důležitá pro podniky, které potřebují plánovat a přidělovat zdroje. Jak hraje machine learning roli v tomto?

Poptávka se obvykle mění s oběma sezónností a trendem, což je typický problém machine learningu. Modely machine learningu, jako je ARIMA, Recurrent Neural Network (RNN), mohou se učit z historických dat, aby našly trend a sezónnost automaticky a dělaly předpovědi na základě toho.

Které rámce modelů (například TensorFlow) aktuálně podporujete?

Podporujeme většinu populárních rámců machine learningu, jako je sklearn, TensorFlow, H2O, R, SAS atd.

V jakých jazycích musí být modely postaveny, aby byly podporovány Datatronem?

Podporujeme modely v jejich rodných jazycích – Python, R, Java atd.

Jaké typy průmyslových odvětví jsou nejlépe obsluhovány pomocí platformy Datatron?

Základní naše platforma je horizontální řešení, což znamená, že může být použita mnoha různými odvětvími. V současné době se snažíme zaměřit na finanční služby a telekomunikace.

Jaké jsou některé z nejvíce náročných aspektů datové vědy, kterým čelí společnosti, a proč Datatron řeší tyto problémy?

Mnohé společnosti mají různé týmy datové vědy, které používají různé nástroje k vytváření svých modelů a mají různé postupy pro správu svých modelů. Více a více podniků si uvědomilo, že model se stává aktivem, které přímo ovlivňuje jejich horní linii. Mít platformu, která standardizuje postupy machine learningu napříč celou společností, se stává kritickou a nezbytnou. Naše platforma může pomoci řešit tyto problémy.

Je něco jiného, co byste rádi sdíleli o Datatronu?

Máme mnoho příchozích zájemců z velkých podniků. Současně také budujeme náš prodejní a marketingový tým, abychom se aktivně obrátili na potenciální zákazníky.

Přečtěte si více na Datatron.