Alon Lev, Qwakin perustaja ja toimitusjohtaja – Haastattelusarja

Alon Lev on Qwakin perustaja ja toimitusjohtaja, joka on kehittänyt alustan, joka poistaa koneoppimisen teknisen kitkan ja mahdollistaa nopeat iteroinnit, suuren mittakaavan ja mukautettavan infrastruktuurin.

Milloin sinä kiinnostuit koneoppimisesta?

Minun ensimmäinen merkittävä koneoppimiskokemukseni oli, kun rakensin BI-tiimiä Payoneerissa noin seitsemän vuotta sitten. Tajusin, että datalähtöisen organisaation luominen vaatii erityisiä prosesseja ja työkaluja. Koneoppiminen, joka on nykyään osa jokaisen datalähtöisen yrityksen strategiaa, oli silloin alkuvaiheessa.

Voitko kertoa aiemmasta roolistasi Payoneerissa ja miten se mahdollisti nähdä, miten koneoppiminen kasvaa tärkeämmäksi?

Payoneerissa ollessani olin vastuussa kaikista datan osuuksista, kuten analytiikasta, BI:stä, data-insinööritöistä ja data-tieteestä. Data-tieteessä minulla oli “wow”-hetki, kun rakensimme koko luottotuotteemme koneoppimisen pohjalta. Se toimi hämmästyttävästi alusta alkaen; silloin tajusin, että koneoppiminen voi parantaa ei vain olemassa olevia liiketoimintalinjoja, vaan myös luoda uusia liiketoimintalinjoja ja tuotteita.

Mitkä olivat joitain koneoppimisen haasteita, joita sinä näit?

Tuotantovaiheessa ML:ssä dataomistajilla ja insinööreillä on jo paljon työtä – hallitseminen tuotantokelpoista infrastruktuuria, joka mahdollistaa ML:n tuotteistamisen, oli aina valtava haaste, joka “tappoi” monia meidän projektejamme.

Miten Qwak-alusta poistaa teknisen kitkan koneoppimisesta?

Qwak on kaiken kaikkiaan ML-insinöörien perustyön ottamisesta ja antamisesta heidän keskittyä liiketoiminnan arvon luomiseen.

Ran Romano (perustaja ja VP R&D) oli samassa tilanteessa ollessaan MLops-osaston johtajana Wixissä. Nykyään hänen pääpainopisteensä on haasteiden ratkaisemisessa ja prosessin tehostamisessa, jotta ML-mallien tuotteistaminen olisi nopeampaa, tehokkaampaa ja vaivatonta. Tavoitteemme on tehdä ML-insinöörien ja data-tieteilijöiden elämästä helpompaa ja vaikuttavampaa, jotta koneoppimisen toimitukset voisivat olla yrityksille realiteetti, eikä toivelista-kohtaa.

Miksi tämä on täydellinen ratkaisu yrityksille, jotka haluavat enemmän koneoppimisen läpimurtoa, mutta joilla on vähän data-tieteilijöitä ja ML-insinöörejä?

Emme väitä, että ymmärrämme liiketoimintaa tai dataa, mutta meillä on paljon kokemusta infrastruktuurin osalta; Meidän tehtävämme on selvä; Me haluamme auttaa erinomaisia data-tiede- ja ML-insinööritiimejä luomaan upeita tuotteita. Emme sekaannu mallin logiikkaan, vaan keskitymme siihen, mitä me parhaiten osaamme, eli infrastruktuuriin.

Mikä erottaa Qwakin kilpailevista koneoppimisen ratkaisuista?

Olemme kaiken kaikkiaan auttamassa vahvoja tiimejä ottamaan pois perustyön ja suorittamaan koko ML-tuotteistamisen prosessin; Qwak toimittaa ja uskoo vaakasuoraan lähestymistapaan MLOps-haasteiden ratkaisemiseksi – eli emme rakentaneet alustaa vain mallirekisteriin/palveluun tai ominaisuusvarastoon ja automaatioon, vaan ajattelemme, että tarvitset kaiken yhdessä paikassa, jotta voit skaalata ML-infrastruktuurisi.

Voitko kertoa, miten Qwak tukee koneoppimisen mallien palautteen seuraamista ja miksi se on tärkeää?

Palautteen seuraaminen on yksi ensimmäisistä asioista, joita olemme rakentaneet Qwakiin, koska näemme sen osana tuotantoprojektin elinkaarta. Qwak tarjoaa palautteen API:n, joka mahdollistaa automaattisen palautteen raportoinnin.

Onko mitään muuta, mitä haluaisit kertoa Qwakista?

Meillä on upea tiimi kokeneita insinöörejä ja johtajia alalla. Laajalla kokemuksella koneoppimisen insinööritöistä tiedämme, mitä on tehtävä, ja olemme vasta aloittamassa 🙂

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Qwakissa.