Razi Raziuddin, spoluzakladatel a CEO FeatureByte – Interview Series

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

FeatureByte je na misi škálovat podnikovou umělou inteligenci radikálním zjednodušením a industrializací umělé inteligence dat. Platforma pro inženýrství a správu funkcí (FEM) umožňuje datovým vědcům vytvářet a sdílet špičkové funkce a produkční datové potrubí za několik minut — místo týdnů nebo měsíců.

Co vás最初 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 prostřednictvím kódu. Byl jsem okamžitě závislý na nekonečných možnostech 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 nadchlo.

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 od nuly k jedné je těžké, ale neuvěřitelně vzrušující a odměňující. Každá fáze ve vývoji společnosti představuje jinou sadu výzev, ale vidět, jak společnost roste a prosperuje, je úžasný pocit.

Mé zkušenosti s AutoML otevřely mé 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 bát být kontrarian
• Soustřeďte se na řešení problémů zákazníků a poskytování hodnoty
• Vždy buďte otevřeni inovacím a zkoušení nových věcí
• Vytvořte a vdechte správnou firemní kulturu od samého začátku

Můžete sdílet příběh o vzniku FeatureByte?

Je všeobecně známo ve světě AI/ML – že Velká AI začíná s velkými daty. Ale příprava, nasazení a správa AI dat (nebo funkcí) je složitá a časově náročná. Můj spoluzakladatel, Xavier Conort, a já jsme viděli tento problém na vlastní oči v DataRobot. Zatímco modelování se stalo díky nástrojům AutoML 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?

Nakonec kvalita dat určuje kvalitu a výkon AI modelů. Data, která jsou krmena do modelů pro jejich 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 aspektů 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 konečně, datové inženýrství vám pomáhá nasadit potrubí a provést 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 mnoha tření v procesu a zpomaluje ho na téměř nulovou rychlost.

Můžete sdílet einige poznatky o tom, proč je inženýrství funkcí nejslabším článkem ve škálování AI?

Podle Andrew Ng, uznávaného odborníka v oblasti AI, „Applied machine learning je v podstatě inženýrství funkcí.“ Navzdory jeho kritické důležitosti pro životní cyklus strojového učení zůstává inženýrství funkcí složitým, časově náročným a závislým na odborných znalostech. Existuje vážný nedostatek nástrojů, které by proces usnadnily, urychly a více industrializovaly. Úsilí a odborné znalosti potřebné brání podnikům v nasazení AI ve velkém měřítku.

Můžete sdílet některé výzvy spojené s budováním datocentrického AI řešení, které radikálně zjednodušuje inženýrství funkcí pro datové vědce?

Budování produktu, který má 10X výhodu oproti status quo, je super těžké. Naštěstí Xavier má hluboké datové vědecké znalosti, které využívá k přeformulování celého pracovního postupu funkcí od základů. Máme světově uznávaný tým full-stack datových vědců a inženýrů, kteří mohou naše vize proměnit v realitu. A uživatelé a vývojoví partneři, kteří nás radí, jak streamlinovat UX, aby nejlépe řešily 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 pouhými několika řádky kódu a nasazení datových potrubí za několik minut místo týdnů nebo měsíců. To umožňuje datovým vědcům soustředit se na kreativní řešení problémů a rychlou iteraci na živých datech, místo aby se starali o potrubí.

Výsledek je nejen rychlejší příprava a podávání dat v produkci, ale také lepší výkon modelu díky silným funkcím.

Můžete diskutovat, jak bude platforma FeatureByte navíc nabízet možnost streamlinovat 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, vše z téže GUI. Podnikové role založené na přístupu a schvalovacích pracovních postupech zajišťují ochranu dat a bezpečnost, zatímco se vyhnou rozšiřování funkcí.

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 misi pomoci podnikům škálovat jejich AI, zjednodušením a industrializací AI dat. V FeatureByte řešíme největší výzvu pro praktiky AI: Poskytování konzistentního, škálovatelného způsobu přípravy, podávání a správy dat napříč celým životním cyklem modelu, zatímco radikálně zjednodušujeme celý proces.

Pokud jste datový vědec nebo inženýr, který se zajímá o to, aby zůstal v čele datové vědy, doporučuji vám zažít sílu FeatureByte zdarma.

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