Alon Lev, Co-Founder & CEO of Qwak – Interview Series

Alon Lev ist Co-Founder & CEO von Qwak, einer Plattform, die die ingenieurstechnischen Reibungsverluste von Machine Learning beseitigt und gleichzeitig schnelle Iterationen, hohe Skalierbarkeit und anpassbare Infrastruktur ermöglicht.

Wann haben Sie sich das erste Mal für Machine Learning interessiert?

Meine erste bedeutende Erfahrung mit Machine Learning war vor etwa sieben Jahren, als ich das BI-Team bei Payoneer aufbaute. Ich erkannte, dass es sehr spezifische Prozesse und Werkzeuge braucht, um ein datengetriebenes Unternehmen zu werden. Machine Learning, das heute Teil jeder datengetriebenen Unternehmensstrategie ist, befand sich damals noch in den Anfängen.

Können Sie über Ihre vorherige Rolle bei Payoneer sprechen und wie sie es Ihnen ermöglichte, zu sehen, wie Machine Learning an Bedeutung gewann?

In meiner Rolle als VP Data bei Payoneer war ich für alle Datenaspekte des Unternehmens verantwortlich, von Analytics, BI, Data Engineering und Data Science. Der Wow-Moment, den ich mit Data Science hatte, war, als wir das gesamte Kreditprodukt auf Basis von Machine Learning aufbauten. Es funktionierte von Anfang an unglaublich; in diesem Moment erkannte ich, dass Machine Learning nicht nur bestehende Geschäftsbereiche verbessern, sondern auch neue Geschäftsbereiche und Produkte schaffen kann.

Welche Herausforderungen im Bereich Machine Learning haben Sie beobachtet?

Definitiv, im Produktionsbereich von ML haben Datenbesitzer und Ingenieure bereits genug auf ihrem Teller – die Verwaltung einer produktionsreifen Infrastruktur, die es uns ermöglicht, ML zu produzieren, war immer eine enorme Herausforderung, die viele unserer Projekte “getötet” hat.

Wie entfernt die Qwak-Plattform die ingenieurstechnischen Reibungsverluste von Machine Learning?

Qwak geht darum, den Grundstein für ML-Ingenieure zu legen und es ihnen zu ermöglichen, sich auf die Schaffung von Geschäftswert zu konzentrieren.

Ran Romano (Mitgründer und VP R&D) hatte während seiner Zeit als Leiter des MLops-Departments bei Wix genau dieselbe Erfahrung. Heute konzentriert er sich darauf, diese Herausforderungen über unsere Plattform anzugehen und den Prozess der Produktionsreife von ML-Modellen schneller, effizienter und nahtloser zu machen. Unser Ziel ist es, das Leben von ML-Ingenieuren und Data Scientists einfacher und einflussreicher zu machen, damit flüssige Machine-Learning-Lieferungen für Unternehmen Realität werden und nicht nur ein Wunschzettel-Item sind.

Warum ist dies eine perfekte Lösung für Unternehmen, die mehr Machine-Learning-Durchsatz haben möchten, aber einen Mangel an Data Scientists und Machine-Learning-Ingenieuren haben?

Wir behaupten nicht, dass wir Ihr Geschäft oder Ihre Daten verstehen, aber wir haben eine Menge Erfahrung, wenn es um Infrastruktur geht; unsere Mission ist klar: Wir wollen hervorragenden Data-Science- und Machine-Learning-Engineering-Teams helfen, großartige Produkte zu bauen. Wir mischen uns nicht in die Modelllogik ein, sondern konzentrieren uns auf das, was wir am besten können, nämlich die Infrastruktur.

Was unterscheidet Qwak derzeit von konkurrierenden Machine-Learning-Lösungen?

Wir konzentrieren uns darauf, starken Teams zu helfen, den Grundstein zu entladen und den gesamten Prozess der ML-Produktionsreife zu straffen. Qwak liefert und glaubt an einen horizontalen Ansatz, um die MLOps-Herausforderungen zu lösen – was bedeutet, dass wir die Plattform nicht nur um Modellregister, Servieren oder Feature-Store und Automatisierung herum gebaut haben, sondern wir denken, dass man all diese Elemente an einem Ort benötigt, um die ML-Infrastruktur zu skalieren.

Können Sie darüber sprechen, wie Qwak die Rückverfolgung von Machine-Learning-Modell-Rückmeldungen unterstützt und warum dies wichtig ist?

Die Rückverfolgung von Rückmeldungen ist eines der ersten Dinge, die wir in Qwak gebaut haben, da wir sie als einen kohärenten Teil des Produktionslebenszyklus betrachten. Qwak bietet eine Feedback-API, die es ermöglicht, den Feedback-Berichtsprozess zu automatisieren.

Gibt es noch etwas, das Sie über Qwak teilen möchten?

Wir haben ein großartiges Team von erfahrenen Ingenieuren und Führungskräften in diesem Bereich. Mit unserer umfangreichen Erfahrung in den “Schützengräben” des Machine Learning Engineering wissen wir, was zu tun ist, und wir haben gerade erst begonnen 🙂

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Qwak besuchen.