Jerry Xu, Co-Fundador y CEO de Datatron – Serie de Entrevistas

Jerry tiene una amplia experiencia en aprendizaje automático, sistemas de almacenamiento, servicios en línea, sistemas distribuidos, virtualización y núcleo de sistema operativo. Ha trabajado en sistemas de alto rendimiento y gran escala en empresas como Lyft, Box, Twitter, Zynga y Microsoft (MSFT ). También es autor del proyecto de código abierto Lib Crunch y ha ganado tres veces el premio Microsoft Gold Star. Jerry completó su maestría en ciencias de la computación en la Universidad de Shanghái. Su última startup es Datatron.

Cuando trabajábamos en Lyft, notamos que los científicos de datos suelen provenir de diversos orígenes como matemáticas, física, bioingeniería, etc. A menudo es muy difícil para ellos entender la parte de ingeniería de cómo funcionan sus modelos, aunque tienen una buena intuición sobre el modelo y las matemáticas. Eso nos motivó a iniciar Datatron. No estamos tratando de ayudar a los científicos de datos a encontrar el mejor algoritmo. Solo nos involucramos después de que se ha decidido el algoritmo y para hacer que la implementación, el monitoreo y la administración del modelo sean más eficientes.

Datron comenzó en 2016 después de que te fuiste de Lyft. ¿Cómo concebiste inicialmente el concepto comercial de Datatron?

Cuando trabajábamos en Lyft, notamos que los científicos de datos suelen provenir de diversos orígenes como matemáticas, física, bioingeniería, etc. A menudo es muy difícil para ellos entender la parte de ingeniería de cómo funcionan sus modelos, aunque tienen una buena intuición sobre el modelo y las matemáticas. Eso nos motivó a iniciar Datatron. No estamos tratando de ayudar a los científicos de datos a encontrar el mejor algoritmo. Solo nos involucramos después de que se ha decidido el algoritmo y para hacer que la implementación, el monitoreo y la administración del modelo sean más eficientes.

Datron fue seleccionado por 500 Startups para formar parte de la 18ª cohorte de empresas aceleradas. ¿Cómo te influyó personalmente esta residencia y cómo gestionas Datatron?

Aprendimos mucho de las experiencias en StartX y 500 Startups, que incluyen cómo presentar a los inversores, cómo encontrar el ajuste de producto/mercado, cómo ejecutar las ventas y el marketing, de lo que no teníamos experiencia personal antes.

Datron es una plataforma de administración para modelos de ML, IA y ciencia de datos. ¿Podrías elaborar sobre algunas de las funcionalidades que ofrece tu plataforma?

Nuestro producto tiene cuatro módulos ahora, Implementación de modelo, Monitoreo de modelo, Desafío de modelo y Gobernanza de modelo.

Implementación de modelo:

Crear y escalar implementaciones de modelos en solo unos clics. Implementar modelos desarrollados en cualquier marco o lenguaje.

Monitoreo de modelo:

Tomar mejores decisiones comerciales para ahorrar tiempo y dinero a tu equipo. Monitorear el rendimiento del modelo y detectar la degradación del modelo a medida que ocurre.

Gobernanza de modelo:

Pasar menos tiempo en la validación de modelos, la detección de sesgos y los procesos de auditoría interna. Ir desde el desarrollo de modelos hasta la auditoría interna y la producción más rápido que nunca.

Uno de los casos de uso de Datatron es la previsión de la demanda, que es importante para las empresas que necesitan planificar y asignar recursos. ¿Cómo se relaciona el aprendizaje automático con esto?

La demanda suele cambiar con la estacionalidad y la tendencia, lo que es un problema típico de aprendizaje automático. Los modelos de aprendizaje automático como ARIMA, Red Neuronal Recurrente (RNN) pueden aprender de los datos históricos para encontrar la tendencia y la estacionalidad automáticamente y hacer predicciones basadas en eso.

¿Qué marcos de modelo (por ejemplo, TensorFlow) soportas actualmente?

Soportamos la mayoría de los marcos de aprendizaje automático populares como sklearn, TensorFlow, H2O, R, SAS, etc.

¿En qué lenguajes deben estar construidos los modelos para ser soportados por Datatron?

Soportamos modelos en sus lenguajes nativos – Python, R, Java, etc.

¿Cuáles son algunos de los tipos de industrias que se benefician del uso de la plataforma Datatron?

Fundamentalmente, nuestra plataforma es una solución horizontal, lo que significa que puede ser utilizada por muchas industrias diferentes. Actualmente, estamos tratando de centrarnos en los servicios financieros y las telecomunicaciones.

¿Cuáles son algunos de los aspectos más desafiantes de la ciencia de datos que enfrentan las empresas, y por qué Datatron resuelve esto para ellos?

Muchas empresas tienen diferentes equipos de ciencia de datos y esos equipos están utilizando diferentes herramientas para construir sus modelos y tienen diferentes prácticas para administrar sus modelos. Cada vez más, las empresas se dan cuenta de que el modelo se está convirtiendo en un activo y tendrá un impacto directo en su línea superior. Tener una plataforma que estandarice la práctica de aprendizaje automático en toda la empresa se vuelve crítica y necesaria. Nuestra plataforma puede ayudar a resolver esos problemas.

¿Hay algo más que te gustaría compartir sobre Datatron?

Recibimos muchos intereses de grandes empresas. Al mismo tiempo, también estamos construyendo nuestro equipo de ventas y marketing para llegar a los clientes potenciales de manera activa.

Para obtener más información, visite Datatron.