Razi Raziuddin, spoluzakladatel a CEO FeatureByte – rozhovor

Razi Raziuddin je spoluzakladatel a CEO FeatureByte, jeho vize je odemknout poslední velkou překážku pro škálování AI v podniku. Raziho zkušenosti s analýzami a růstem sahají až k vedení dvou startupů s hodnotou přes 1 miliardu dolarů. Razi pomohl škálovat DataRobot z 10 na 850 zaměstnanců za méně než šest let. Byl průkopníkem služeb vedené strategie pro vstup na trh, která se stala známkou rychlého růstu DataRobotu.

FeatureByte je na misi škálovat podnikové AI, radikálně zjednodušovat a industrializovat AI data. Platforma pro inženýrství a správu funkcí (FEM) umožňuje datovým vědcům vytvářet a sdílet špičkové funkce a připravené datové potrubí za minutu – místo týdnů nebo měsíců.

Co vás původně přitáhlo k počítačovým vědám a strojovému učení?

Jako někdo, kdo začal programovat na střední škole, jsem byl fascinován strojem, se kterým jsem mohl “mluvit” a ovládat kódem. Byl jsem okamžitě přitahován nekonečnými možnostmi nových aplikací. Strojové učení představovalo paradigmatický posun v programování, umožňující strojům učit se a vykonávat úkoly bez specifikace kroků v kódu. Nekonečný potenciál aplikací ML je to, co mě každý den nadchne.

Byl jste prvním obchodním náborům v DataRobot, automatizované platformě pro strojové učení, která umožňuje organizacím stát se AI-driven. Pak jste pomohl škálovat společnost z 10 na 1 000 zaměstnanců za méně než 6 let. Jaké byly některé klíčové poznatky z této zkušenosti?

Přejít ze nuly na jednu je těžké, ale neuvěřitelně vzrušující a odměňující. Každá fáze evoluce společnosti představuje jinou sadu výzev, ale vidět společnost růst a prosperovat je úžasný pocit.

Mé zkušenosti s AutoML mi otevřely oči nekonečnému potenciálu AI. Je fascinující vidět, jak lze tuto technologii použít napříč mnoha různými průmysly a aplikacemi. Na konci dne je vytváření nové kategorie vzácným výkonem, ale neuvěřitelně odměňujícím. Mé klíčové poznatky z této zkušenosti:

• Vytvořte úžasný produkt a vyhněte se honbě za módami
• Neberte se jako konformista
• Soustřeďte se na řešení problémů zákazníků a poskytování hodnoty
• Vždy buďte otevřeni inovacím a pokusu o nové věci
• Vytvořte a vdechte správnou firemní kulturu od samého začátku

Můžete sdílet příběh o vzniku FeatureByte?

Je všeobecně známo ve světě AI/ML – že Velké AI začíná s velkými daty. Ale příprava, nasazení a správa AI dat (nebo funkcí) je komplexní a časově náročná. Můj spoluzakladatel, Xavier Conort, a já jsme viděli tento problém na vlastní oči v DataRobot. Zatímco modelování se stalo díky AutoML nástrojům enormně zjednodušeno, inženýrství a správa funkcí zůstává obrovskou výzvou. Na základě našich kombinovaných zkušeností a odborných znalostí Xavier a já cítili, že můžeme skutečně pomoci organizacím vyřešit tuto výzvu a dodat na slib AI všude.

Inženýrství funkcí je jádrem FeatureByte, můžete vysvětlit, co to je pro naše čtenáře?

Konečným cílem je kvalita dat, která pohání kvalitu a výkon AI modelů. Data, která jsou krmena do modelů pro výuku a předpověď budoucích výsledků, se nazývají funkce. Funkce reprezentují informace o entitách a událostech, jako je demografická nebo psychografická data spotřebitelů, nebo vzdálenost mezi držitelem karty a obchodníkem pro transakci kreditní karty nebo počet položek různých kategorií z nákupu v obchodě.

Proces transformace surových dat na funkce – pro výuku ML modelů a předpověď budoucích výsledků – se nazývá inženýrství funkcí.

Proč je inženýrství funkcí jednou z nejsložitějších částí projektů strojového učení?

Inženýrství funkcí je super důležité, protože proces je přímo zodpovědný za výkon ML modelů. Dobré inženýrství funkcí vyžaduje tři poměrně nezávislé dovednosti, které se spojují – znalost domény, datové vědy a datové inženýrství. Znalost domény pomáhá datovým vědcům určit, které signály extrahovat z dat pro konkrétní problém nebo případ použití. Potřebujete datové vědecké dovednosti k extrahování těchto signálů. A nakonec, datové inženýrství vám pomáhá nasadit potrubí a provádět všechny tyto operace ve velkém měřítku na velké objemy dat.

Ve většině organizací tyto dovednosti žijí v různých týmech. Tyto týmy používají různé nástroje a nekomunikují dobře mezi sebou. To vede k velké tření v procesu a zpomaluje ho na minimum.

Můžete sdílet některé poznatky o tom, proč je inženýrství funkcí nejslabším článkem při škálování AI?

Podle Andrew Ng, uznávaného odborníka v oblasti AI, „Aplikované strojové učení je v podstatě inženýrství funkcí.“ Navzdory své kritičnosti pro životní cyklus strojového učení zůstává inženýrství funkcí komplexní, časově náročné a závislé na odborných znalostech. Existuje vážný nedostatek nástrojů, které by proces usnadnily, urychly a více industrializovaly. Úsilí a odborné znalosti vyžadované brání podnikům v nasazení AI ve velkém měřítku.

Můžete sdílet některé z výzev spojených se stavbou datové centrické AI řešení, které radikálně zjednodušuje inženýrství funkcí pro datové vědy?

Stavba produktu, který má 10X výhodu oproti status quo, je super těžká. Xavier má hluboké odborné znalosti v oblasti datové vědy, které využívá k předefinování celého toku funkcí z prvního principu. Máme světovou třídu plných datových vědců a inženýrů, kteří mohou naše vize proměnit v realitu. A uživatelé a vývojoví partneři, kteří nás radí, jak streamovat UX, aby nejlépe vyřešili jejich výzvy.

Jak bude platforma FeatureByte urychlit přípravu dat pro aplikace strojového učení?

Příprava dat pro ML je iterativní proces, který závisí na rychlé experimentaci. Otevřený zdroj FeatureByte SDK je deklarativní rámec pro vytváření špičkových funkcí s několika řádky kódu a nasazení datových potrubí za minutu místo týdnů nebo měsíců. To umožňuje datovým vědcům soustředit se na kreativní řešení problémů a iterovat rychle na živých datech, místo aby se starali o potrubí.

Výsledek je nejen rychlejší příprava dat a nasazení do produkce, ale také lepší výkon modelu díky silným funkcím.

Můžete diskutovat, jak bude platforma FeatureByte navíc nabízet možnost streamovat různé probíhající úkoly správy?

Platforma FeatureByte je navržena pro správu celého životního cyklu ML funkcí. Deklarativní rámec umožňuje FeatureByte automaticky nasadit datové potrubí, zatímco extrahuje metadata relevantní pro správu celého prostředí. Uživatelé mohou monitorovat zdraví potrubí a náklady, a spravovat linii, verzi a správnost funkcí ze stejného GUI. Podnikové role založené na přístupu a schvalovací pracovní postupy zajišťují ochranu dat a bezpečnost, zatímco se vyhněte funkcím.

Je něco jiného, co byste rádi sdíleli o FeatureByte?

Většina podnikových nástrojů AI se zaměřuje na zlepšení modelů strojového učení. My jsme si dali za cíl pomoci podnikům škálovat jejich AI, zjednodušovat a industrializovat AI data. V FeatureByte řešíme největší výzvu pro AI praktiky: Poskytování konzistentního, škálovatelného způsobu přípravy, nasazení a správy dat napříč celým životním cyklem modelu, zatímco radikálně zjednodušujeme celý proces.

Jestliže jste datový vědec nebo inženýr, který se chce držet na špičce datové vědy, doporučuji vám vyzkoušet FeatureByte zdarma.

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