Alon Lev, Co-Founder & CEO von Qwak – Interview-Serie

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

Wann haben Sie sich erstmalig für maschinelles Lernen interessiert?

Meine erste bedeutende Erfahrung mit maschinellem Lernen war vor etwa sieben Jahren, als ich das BI-Team bei Payoneer aufbaute. Ich erkannte, dass es für ein datengetriebenes Unternehmen sehr spezifische Prozesse und Werkzeuge benötigt. Maschinelles Lernen, 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 diese es Ihnen ermöglichte, zu sehen, wie maschinelles Lernen an Bedeutung gewann?

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

Welche Herausforderungen im Bereich maschinelles Lernen haben Sie beobachtet?

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

Wie entfernt die Qwak-Plattform die ingenieurstechnischen Reibungsverluste aus maschinellem Lernen?

Qwak geht darum, die Grundarbeit von den ML-Ingenieuren zu übernehmen und 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 die gleiche 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 viel einflussreicher zu machen, damit flüssige maschinelle Lernprozesse für Unternehmen Realität werden und nicht nur ein Wunschzettel-Item bleiben.

Warum ist dies eine perfekte Lösung für Unternehmen, die mehr maschinelles Lernen durchführen möchten, aber einen Mangel an Data Scientists und ML-Ingenieuren haben?

Wir behaupten nicht, dass wir Ihr Geschäft oder Ihre Daten verstehen, aber wir haben enorme Erfahrung, wenn es um Infrastruktur geht; unsere Mission ist klar: Wir wollen hervorragenden Data-Science- und ML-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 maschinellen Lernlösungen?

Wir konzentrieren uns darauf, starke Teams zu unterstützen, um die Grundarbeit abzuladen 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 Modellregistrierung/Dienst oder Feature-Store und Automatisierung herum gebaut haben, sondern vielmehr daran glauben, dass man all diese Komponenten an einem Ort benötigt, um die ML-Infrastruktur zu skalieren.

Können Sie erläutern, wie Qwak die Rückverfolgung von maschinellen Lernmodell-Rückmeldungen unterstützt und warum dies wichtig ist?

Rückverfolgung von Rückmeldungen ist eines der ersten Dinge, die wir in Qwak gebaut haben, da wir es als kohärenten Teil des Produktionslebenszyklus sehen. Qwak bietet eine Feedback-API, die es ermöglicht, den Rückmeldeprozess 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 umfassenden Erfahrung in den “Schützengräben” des maschinellen Lernens wissen wir, was zu tun ist, und wir fangen gerade erst an 🙂

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