Jerry Xu, medstifter og administrerende direktør for Datatron – Interview Series

Jerry har stor erfaring med maskinlæring, lagringssystemer, onlineservice, distribuerede systemer, virtualisering og OS-kerne. Han har arbejdet på højtydende og storstilede systemer hos virksomheder som: Lyft, Box, Twitter, Zynga og Microsoft. Han har også skrevet open source-projektet Lib Crunch og har vundet tre gange Microsoft Gold Star Award. Jerry afsluttede sin kandidatgrad i datalogi ved Shanghai University. Hans seneste opstart er Datatron.
Datatron begyndte i 2016, efter du forlod Lyft. Hvordan udtænkte du oprindeligt Datatrons forretningskoncept?

Da vi arbejdede hos Lyft, bemærkede vi, at dataforskere normalt kommer fra forskellig baggrund som matematik, fysik, bioteknik osv. Det er ofte meget svært for dem at få den ingeniørmæssige del af, hvordan deres modeller fungerer, selvom de har god intuition på model og matematik. Det motiverede os til at starte Datatron. Vi forsøger ikke at hjælpe dataforskere med at finde den bedste algoritme. Vi kommer først ind i billedet, efter at algoritmen er besluttet og for at gøre modellens implementering, overvågning og styring mere effektiv.

Datatron blev udvalgt af 500 startups til at blive inkluderet i den 18. kohorte af acceleratorvirksomheder. Hvordan påvirkede dette opholdssted dig personligt, og hvordan du administrerer Datatron?

Vi lærte meget af StartX og 500 Startup-erfaringer, som inkluderer, hvordan man pitcherer til investorer, hvordan man finder produkt/markedspasning, hvordan man driver salg/marketing, som vi ikke personligt har erfaring med før.

Datatron er en administrationsplatform for ML-, AI- og Data Science-modeller. Kunne du uddybe nogle af de funktioner, der tilbydes af din platform?

Vores produkt har nu fire moduler, Model Deployment, Model Minoring, Model Challenger og Model Governance.

Modelimplementering:

Opret og skaler modelimplementeringer med blot et par klik. Implementer modeller udviklet i enhver ramme eller sprog.

Modelovervågning:

Træf bedre forretningsbeslutninger for at spare dit team tid og penge. Overvåg modellens ydeevne og detekter modelforfald, når det sker.

Modelstyring:

Brug mindre tid på modelvalidering, bias-detektion og interne revisionsprocesser. Gå fra modeludvikling til intern revision til produktion hurtigere end nogensinde.

Et af anvendelsesmulighederne for Datatron er Demand Forecasting, som er vigtigt for virksomheder, der skal planlægge og allokere ressourcer. Hvordan spiller maskinlæring ind i dette?

Efterspørgslen ændrer sig normalt med både sæsonbestemt og trend, hvilket er et typisk maskinlæringsproblem. Maskinlæringsmodeller som ARIMA, Recurrent Neural Network (RNN) kan lære af historiske data for automatisk at finde trenden og sæsonudsving og lave forudsigelser baseret på det.

Hvilke rammemodeller (for eksempel TensorFlow) understøtter du i øjeblikket?

Vi understøtter de fleste af de populære maskinlæringsrammer som sklearn, TensorFlow, H2O, R, SAS osv.

Hvilke sprog skal modeller være indbygget i for at blive understøttet af Datatron?

Vi understøtter modeller på deres modersmål – Python, R, Java osv.

Hvad er nogle af de typer industrier, der er bedst tjent med at bruge Datatron-platformen?

Grundlæggende er vores platform en horisontal løsning, hvilket betyder, at den kan bruges af mange forskellige industrier. Lige nu forsøger vi at fokusere på finansiel service og telekommunikation.

Hvad er nogle af de mest udfordrende aspekter af datavidenskab, som virksomheder står over for, og hvorfor løser Datatron dette for dem?

Mange virksomheder har allerede forskellige datavidenskabshold, og disse teams bruger forskellige værktøjer til at bygge deres model og har forskellig praksis til at styre deres modeller. Flere og flere virksomheder indså, at modellen er ved at blive et aktiv og vil påvirke deres toplinje direkte. At have en platform kan standardisere maskinlæringspraksis på tværs af virksomheden bliver kritisk og påkrævet. Vores platform kan hjælpe med at løse disse problemer.

Er der andet, du gerne vil dele om Datatron?

Vi fik masser af indgående interesser fra store virksomheder. Samtidig bygger vi også vores salgs- og marketingteam op for at nå ud til potentielle kunder aktivt.

Hvis du vil vide mere besøg Datatron.