Razi Raziuddin, Co-Fundador y CEO de FeatureByte – Serie de Entrevistas

Razi Raziuddin es el Co-Fundador y CEO de FeatureByte, su visión es desbloquear el último gran obstáculo para escalar la IA en la empresa. La experiencia de Razi en análisis y crecimiento abarca el equipo de liderazgo de dos startups unicornio. Razi ayudó a escalar DataRobot de 10 a 850 empleados en menos de seis años. Pionero en una estrategia de mercado liderada por servicios que se convirtió en el sello distintivo del rápido crecimiento de DataRobot.

FeatureByte está en una misión para escalar la IA empresarial, simplificando y industrializando radicalmente los datos de la IA. La plataforma de ingeniería y gestión de características (FEM) permite a los científicos de datos crear y compartir características de última generación y pipelines de datos listos para producción en minutos, en lugar de semanas o meses.

¿Qué te atrajo inicialmente a la informática y el aprendizaje automático?

Como alguien que comenzó a programar en la escuela secundaria, me fascinaba una máquina con la que podía “hablar” y controlar a través del código. Me enganché de inmediato a las posibilidades infinitas de nuevas aplicaciones. El aprendizaje automático representó un cambio de paradigma en la programación, permitiendo que las máquinas aprendieran y realizaran tareas sin especificar los pasos en el código. El potencial infinito de las aplicaciones de ML es lo que me emociona todos los días.

Eres el primer empleado comercial de DataRobot, una plataforma de aprendizaje automático automatizado que permite a las organizaciones convertirse en empresas impulsadas por la IA. Luego, ayudaste a escalar la empresa de 10 a 1.000 empleados en menos de 6 años. ¿Cuáles fueron algunos de los conocimientos clave que obtuviste de esta experiencia?

Ir de cero a uno es difícil, pero emocionante y gratificante. Cada etapa en la evolución de la empresa presenta un conjunto diferente de desafíos, pero ver crecer y tener éxito a la empresa es una sensación increíble.

Mi experiencia con AutoML me abrió los ojos al potencial ilimitado de la IA. Es fascinante ver cómo esta tecnología se puede utilizar en tantas industrias y aplicaciones diferentes. Al final del día, crear una nueva categoría es un logro raro, pero muy gratificante. Mis conocimientos clave de la experiencia son:

• Construir un producto increíble y evitar perseguir modas
• No tener miedo de ser un contrarian
• Centrarse en resolver problemas de los clientes y brindar valor
• Siempre estar abierto a la innovación y probar nuevas cosas
• Crear y fomentar la cultura adecuada de la empresa desde el principio

¿Podrías compartir la historia de origen detrás de FeatureByte?

Es un hecho bien conocido en el mundo de la IA/ML: la gran IA comienza con grandes datos. Pero preparar, implementar y gestionar los datos de la IA (o características) es complejo y consume mucho tiempo. Mi co-fundador, Xavier Conort, y yo vimos este problema de primera mano en DataRobot. Mientras que la modelización se ha simplificado enormemente gracias a las herramientas de AutoML, la ingeniería y gestión de características sigue siendo un desafío enorme. Basándonos en nuestra experiencia y experiencia combinadas, Xavier y yo sentimos que realmente podríamos ayudar a las organizaciones a resolver este desafío y cumplir con la promesa de la IA en todas partes.

La ingeniería de características es el núcleo de FeatureByte, ¿podrías explicar qué es esto para nuestros lectores?

En última instancia, la calidad de los datos impulsa la calidad y el rendimiento de los modelos de IA. Los datos que se alimentan a los modelos para entrenarlos y predecir resultados futuros se llaman características. Las características representan información sobre entidades y eventos, como datos demográficos o psicográficos de los consumidores, o la distancia entre un titular de tarjeta y un comerciante para una transacción de tarjeta de crédito o el número de artículos de diferentes categorías de una compra en una tienda.

El proceso de transformar datos crudos en características para entrenar modelos de ML y predecir resultados futuros se llama ingeniería de características.

¿Por qué la ingeniería de características es uno de los aspectos más complicados de los proyectos de aprendizaje automático?

La ingeniería de características es super importante porque el proceso es directamente responsable del rendimiento de los modelos de ML. La buena ingeniería de características requiere tres habilidades bastante independientes que se combinan: conocimiento del dominio, ciencia de datos y ingeniería de datos. El conocimiento del dominio ayuda a los científicos de datos a determinar qué señales extraer de los datos para un problema o caso de uso en particular. Necesitas habilidades de ciencia de datos para extraer esas señales. Y finalmente, la ingeniería de datos te ayuda a implementar pipelines y realizar todas esas operaciones a gran escala en grandes volúmenes de datos.

En la gran mayoría de las organizaciones, estas habilidades viven en equipos diferentes. Estos equipos utilizan herramientas diferentes y no se comunican bien entre sí. Esto conduce a mucha fricción en el proceso y lo ralentiza hasta detenerlo.

¿Podrías compartir alguna idea sobre por qué la ingeniería de características es el eslabón más débil en la escalabilidad de la IA?

Según Andrew Ng, experto renombrado en IA, “El aprendizaje automático aplicado es básicamente ingeniería de características”. A pesar de su importancia crítica en el ciclo de vida del aprendizaje automático, la ingeniería de características sigue siendo compleja, consume mucho tiempo y depende del conocimiento experto. Hay una grave falta de herramientas para hacer que el proceso sea más fácil, rápido y más industrializado. El esfuerzo y la experiencia requeridos frenan a las empresas para poder implementar la IA a escala.

¿Podrías compartir algunos de los desafíos detrás de la construcción de una solución de IA centrada en los datos que simplifica radicalmente la ingeniería de características para los científicos de datos?

Construir un producto que tenga una ventaja de 10 veces sobre el status quo es super difícil. Afortunadamente, Xavier tiene una profunda experiencia en ciencia de datos que está empleando para replantear todo el flujo de trabajo de características desde cero. Tenemos un equipo de clase mundial de científicos de datos y ingenieros full-stack que pueden convertir nuestra visión en realidad. Y usuarios y socios de desarrollo para asesorarnos sobre la simplificación de la experiencia del usuario para resolver mejor sus desafíos.

¿Cómo acelerará la plataforma FeatureByte la preparación de los datos para las aplicaciones de aprendizaje automático?

La preparación de datos para ML es un proceso iterativo que depende de la experimentación rápida. El SDK de FeatureByte de código abierto es un marco declarativo para crear características de última generación con solo unas pocas líneas de código y desplegar pipelines de datos en minutos en lugar de semanas o meses. Esto permite a los científicos de datos centrarse en la resolución creativa de problemas y iterar rápidamente en datos en vivo, en lugar de preocuparse por la tubería.

El resultado no es solo una preparación y servicio de datos más rápidos en producción, sino también un mejor rendimiento del modelo a través de características potentes.

¿Podrías discutir cómo la plataforma FeatureByte también ofrecerá la capacidad de simplificar diversas tareas de gestión en curso?

La plataforma FeatureByte está diseñada para gestionar el ciclo de vida completo de las características de ML. El marco declarativo permite a FeatureByte implementar pipelines de datos automáticamente, mientras extrae metadatos relevantes para gestionar el entorno general. Los usuarios pueden monitorear la salud y los costos de los pipelines, y gestionar la genealogía, la versión y la corrección de las características, todo desde la misma GUI. Los flujos de trabajo de aprobación y acceso basados en roles de nivel empresarial garantizan la privacidad y seguridad de los datos, mientras evitan la dispersión de características.

¿Hay algo más que te gustaría compartir sobre FeatureByte?

La mayoría de las herramientas de IA empresarial se centran en mejorar los modelos de aprendizaje automático. Hemos hecho de la misión de ayudar a las empresas a escalar su IA, simplificando y industrializando los datos de la IA. En FeatureByte, abordamos el mayor desafío para los practicantes de la IA: brindar una forma coherente y escalable de preparar, servir y gestionar los datos en todo el ciclo de vida de un modelo, mientras simplificamos radicalmente todo el proceso.

Si eres un científico de datos o ingeniero interesado en estar a la vanguardia de la ciencia de datos, te animo a experimentar el poder de FeatureByte de forma gratuita.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar FeatureByte.