Alon Lev, Co-Fundador y CEO de Qwak – Serie de Entrevistas

Alon Lev es Co-Fundador y CEO de Qwak, una plataforma que elimina la fricción de ingeniería de aprendizaje automático mientras permite iteraciones rápidas, alta escala y infraestructura personalizable.

¿Cuándo te interesaste por primera vez en el aprendizaje automático?

Mi primera experiencia significativa con Aprendizaje Automático fue cuando estaba construyendo el equipo de BI en Payoneer hace unos siete años. Me di cuenta de que convertirse en una organización impulsada por datos requiere procesos y herramientas muy específicos. El Aprendizaje Automático, que hoy es parte de la estrategia de cada empresa impulsada por datos, estaba en sus primeras etapas en ese momento.

¿Puedes hablar sobre tu papel anterior en Payoneer y cómo te permitió ver cómo el aprendizaje automático estaba creciendo en importancia?

En mi papel en Payoneer como VP de datos, estaba a cargo de todos los aspectos de datos de la empresa, desde análisis, BI, ingeniería de datos y ciencia de datos. El momento de asombro que tuve con la ciencia de datos fue cuando construimos el producto de crédito completo basado en aprendizaje automático. Funcionó de manera increíble desde el principio; en ese momento, me di cuenta de que el aprendizaje automático podría mejorar no solo las líneas de negocio existentes, sino también crear nuevos negocios y productos.

¿Cuáles fueron algunos de los desafíos de aprendizaje automático que presenciaste?

Definitivamente, en la parte de producción de ML, los propietarios de datos y los ingenieros ya tienen mucho en su plato: gestionar una infraestructura de producción que nos permita productizar ML siempre fue un gran desafío que “mató” muchos de nuestros proyectos.

¿Cómo elimina la plataforma Qwak la fricción de ingeniería del aprendizaje automático?

Qwak se trata de tomar la labor de base de los ingenieros de ML y permitirles centrarse en crear valor empresarial.

Ran Romano (cofundador y VP de I+D) tuvo la misma experiencia durante su tiempo como líder del departamento de MLops en Wix. Hoy en día, su enfoque principal es abordar estos desafíos a través de nuestra plataforma y hacer que el proceso de productización de modelos de ML sea más rápido, eficiente y fluido. Nuestro objetivo es hacer que la vida de los ingenieros de ML y los científicos de datos sea más fácil y tenga un impacto mayor, para que las entregas de aprendizaje automático fluidas se conviertan en una realidad para las empresas en lugar de un elemento de la lista de deseos.

¿Por qué es esta una solución perfecta para las empresas que desean más rendimiento de aprendizaje automático, pero tienen una escasez de científicos de datos y ingenieros de aprendizaje automático?

No afirmamos que entendemos su negocio o sus datos, pero tenemos mucha experiencia en cuanto a infraestructura; Nuestra misión es clara: Queremos ayudar a excelentes equipos de Ciencia de Datos y Ingeniería de Aprendizaje Automático a construir productos increíbles. No interferimos con la lógica del modelo, sino que nos centramos en lo que hacemos mejor, es decir, la infraestructura.

¿Qué diferencia actualmente a Qwak de las soluciones de aprendizaje automático competidoras?

Estamos centrados en ayudar a equipos sólidos a descargar la labor de base y simplificar todo el proceso de productización de ML, Qwak entrega y cree en un enfoque horizontal para resolver los desafíos de MLOps: es decir, no construimos la plataforma solo alrededor del registro de modelos/servicio o tienda de características y automatización, creemos que necesitas todo en un solo lugar para escalar tu infraestructura de ML.

¿Puedes hablar sobre cómo Qwak admite el seguimiento de comentarios de modelos de aprendizaje automático y por qué es importante?

El seguimiento de comentarios es una de las primeras cosas que construimos en Qwak, ya que lo vemos como una parte coherente del ciclo de vida de producción. Qwak expone una API de comentarios que permite automatizar el proceso de informe de comentarios.

¿Hay algo más que te gustaría compartir sobre Qwak?

Tenemos un equipo increíble de ingenieros y líderes experimentados en el espacio. Con una gran experiencia en las “trincheras” de la ingeniería de aprendizaje automático, sabemos qué necesita hacerse y apenas estamos empezando 🙂

Gracias por la gran entrevista, los lectores que desean aprender más deben visitar Qwak.