Xavier Conort, FeatureByten perustajajäsen ja tuotejohtaja (CPO) – haastattelusarja

Xavier Conort on visionäärinen datatieteilijä, jolla on yli 25 vuoden kokemus data-alalta. Hän aloitti uransa vakuutusalan aktuaarina, mutta siirtyi myöhemmin datatieteeseen. Hän on yksi parhaimmista Kaggle-kilpailijista ja toimi aiemmin DataRobotin päätieteilijänä ennen FeatureByten perustamista.

FeatureByte on tehtävänään skaalata yritysten käyttämää tekoälyä radikaalisti yksinkertaistamalla ja teollistamalla tekoälyn dataa. FeatureByten piirteiden kehitys- ja hallinta-alusta mahdollistaa datatieteilijöiden luoda ja jakaa huipputason ominaisuuksia ja valmiita data-pipelineja muutamassa minuutissa – ei viikoissa tai kuukausissa.

Mistä johtui siirtymäsi vakuutusalan aktuaarista datatieteeseen?

Merkittävä hetki oli voitto GE Flight Quest -kilpailussa, jossa GE tarjosi 250 000 dollarin palkintopotin ja osallistujien piti ennustaa Yhdysvaltain kotimaan lentojen viivästymisiä. Olen osittain kiitollinen tästä menestyksestä vakuutusalan käytännöille, kuten 2-vaiheisen mallinnuksen menetelmälle. Tämä lähestymistapa auttaa hallitsemaan sellaisten piirteiden vinoumia, joita koulutusdata edustaa riittämättömästi. Kaggle-voittojen myötä, tämä saavutus vakuutti minulle, että minun vakuutusalan taustani antoi minulle kilpailuedun data-tieteessä.

Kaggle-matkan aikana, minulla oli myös etuoikeus tutustua muihin innostuneisiin data-tutkijoihin, kuten Jeremy Achiniin ja Tom De Godoyhin, jotka myöhemmin perustivat DataRobotin. Meillä oli yhteinen tausta vakuutusalan parissa ja olimme saavuttaneet merkittäviä voittoja Kagglissa. Kun he lopulta perustivat DataRobotin, yhtiön, joka erikoistui AutoML:ään, he kutsuivat minut liittymään heidän joukkoihinsa päätieteilijänä. Heidän visionsa yhdistää parhaat käytännöt vakuutusalan parissa koneoppimisen voiman kanssa, innosti minua luomaan jotain uutta ja vaikuttavaa.

Mitä haasteita kohtasit DataRobotissa datatieteen kehityssuunnitelman rakentamisessa?

Yksi merkittävin haaste, jota kohtasimme, oli syötteenä annetun datan laatu. Tämä ongelma johti usein joko aikaa vievään yhteistyöhön tiimimme ja asiakkaiden kanssa tai pettymykseen tuotannossa, jos sitä ei oikein huomioitu. Laatuongelmat johtuivat useista lähteistä, joihin meidän piti kiinnittää huomiota.

Yksi tärkeimmistä haasteista oli liiketoimintatiedon työkalujen yleinen käyttö datan esikäsittelyssä ja hallinnassa. Vaikka nämä työkalut ovat arvokkaita tietojen luomiseksi, ne eivät tarjoa ominaisuuksia, jotka varmistaisivat datan oikeellisuuden kyseisellä ajankohdalla koneoppimisen esikäsittelyssä. Tämä johti usein vuotoihin koulutusdataan, mikä aiheutti ylioppimista ja epätarkkaa mallin suorituskykyä.

Data-tutkijoiden ja data-insinöörien välinen viestintäongelma oli toinen haaste, joka vaikutti mallien tarkkuuteen tuotannossa. Epäjohdonmukaisuudet koulutus- ja tuotantovaiheiden välillä, jotka johtuivat näiden kahden tiimin välistä epäsopua, voivat vaikuttaa mallin suorituskykyyn todellisessa ympäristössä.

Mitä olivat johtopäätöksiä tästä kokemuksesta?

Kokemukseni DataRobotissa korosti datan esikäsittelyn merkitystä koneoppimisessa. Osoittamalla datan esikäsittelyn haasteita, kuten aikapisteen oikeellisuuden, asiantuntijuuden aukkoja, alan tietämystä, työkalujen rajoituksia ja skaalautuvuutta, voimme parantaa koneoppimismallien tarkkuutta ja luotettavuutta. Päättelin, että datan esikäsittelyprosessin yksinkertaistaminen ja innovatiivisten teknologioiden käyttöönotto olisi avainasemassa tekoälyn lupausten toteuttamisessa.

Kuulimme jo perustajakumppaniltasi Razi Raziuddinilta FeatureByten syntytarinan. Kerro nyt oman versiosi tapahtumista.

Kun keskustelin havaintojani ja oivalluksiani Razi Raziuddinin kanssa, tajusimme, että meillä oli yhteinen ymmärrys datan esikäsittelyn haasteista koneoppimisessa. Keskusteluissamme jaoin Razille havaintojani MLOps-yhteisön viimeaikaisista edistysaskelista. Havainnoimme piirrevarastojen ja -alustojen syntymistä, joita tekoälyyn keskittyneet teknologiayritykset ottivat käyttöön vähentämään ominaisuuksien palvelun viivästystä, edistämään ominaisuuksien uudelleenkäyttöä tai yksinkertaistamaan piirteiden muodostamista koulutusdataan samalla varmistamalla koulutuksen ja palvelun yhdenmukaisuuden. Meille oli kuitenkin selvää, ettei datatieteilijöiden tarpeita vielä täysin täytetty. Razi kertoi näkemyksistään siitä, miten moderni data stack oli mullistanut liiketoimintatiedon hallinnan (BI) ja analytiikan mutta sen mahdollisuuksia ei vielä hyödynnetty täysin tekoälyssä.

Razi ja minä ymmärsimme, että meillä oli mahdollisuus tehdä merkittävä vaikutus radikaalisti yksinkertaistamalla ominaisuuden suunnitteluprosessia ja tarjoamalla data-tutkijoille ja koneoppimisen insinööreille oikeat työkalut ja käyttöliittymä ominaisuuden kokeiluun ja palveluun.

Mitä olivat suurimmat haasteet siirtymässäsi data-tutkijasta yrittäjäksi?

Siirtyminen data-tutkijasta yrittäjäksi vaati minulta laajempaa liiketoimintaa orientoitunutta ajattelutapaa. Vaikka minulla oli vankka perusta ymmärtää kipupisteitä, laatia kehityssuunnitelmia, toteuttaa suunnitelmia, rakentaa tiimejä ja hallita budjetteja, löysin, että oikean viestin löytäminen, joka todella resonoi kohderyhmämme kanssa, oli yksi suurimmista esteistäni.

Data-tutkijana, päähuomioni oli aina ollut datan analysointi ja tulkinta, jotta voisin johtaa arvokkaita oivalluksia. Mutta yrittäjänä, minun piti kohdistaa ajatteluni markkinoihin, asiakkaisiin ja liiketoimintaan.

Onneksi minulla oli mahdollisuus hyödyntää perustajakumppanini Razin kokemusta.

Razi kertoi meille, miksi ominaisuuden suunnittelu on niin haasteellista. Miten sinä näet tämän?

Ominaisuuden suunnittelussa on kaksi päähaastetta:

1. Olemassa olevien sarakkeiden muuntaminen: Tämä vaatii datan muuttamista koneoppimisalgoritmeille sopivaan muotoon. Tekniikoita, kuten one-hot-koodausta, ominaisuus skaalausta ja edistyneitä menetelmiä, kuten teksti- ja kuvanmuunnoksia, käytetään. Uusien ominaisuuksien luominen olemassa olevista ominaisuuksista, kuten vuorovaikutusominaisuuksista, voi parantaa merkittävästi mallin suorituskykyä. Suositut kirjastot, kuten scikit-learn ja Hugging Face, tarjoavat laajaa tukea tällaiselle ominaisuuden suunnittelulle. AutoML-ratkaisut pyrkivät yksinkertaistamaan prosessia.
2. Uusien sarakkeiden poimiminen historiallisesta datasta: Historiallinen data on äärimmäisen tärkeää ongelmien ratkaisemisessa, kuten suositusjärjestelmissä, markkinoinnissa, petosten havaitsemisessa, vakuutus hinnoittelussa, luottoluokituksessa, kysynnän ennustamisessa ja anturidatakäsittelyssä. Informatiivisten sarakkeiden poimiminen tästä datasta on haasteellista. Esimerkkejä ovat aika viime tapahtumasta, aggregaatiot viimeaikaisista tapahtumista ja upottamiset tapahtumien sarjoista. Tällainen ominaisuuden suunnittelu vaatii alan tietämystä, kokeilua, vahvaa koodaustaitoa, data engineering -osaamista ja syvää data-tieteellistä tietämystä. Tekijöitä, kuten ajallinen tietovuoto, suurten tietojoukkojen käsittely ja tehokas koodin suoritus, on myös otettava huomioon.

Yleisesti ottaen, ominaisuuden suunnittelu vaatii asiantuntemusta, kokeilua ja monimutkaisten ad-hoc -dataputkien rakentamista ilman siihen tarkoitettuja työkaluja.

Miten FeatureByte mahdollistaa data-tutkijoiden työn helpottamisen ja ominaisuusputkien yksinkertaistamisen?

FeatureByte mahdollistaa data-tutkijoiden työn helpottamisen yksinkertaistamalla koko ominaisuuden suunnitteluprosessia. Intuitiivisen Python-SDK:n avulla se mahdollistaa nopean piirteiden luomisen ja poimimisen XLarge-tapahtuma- ja kohteiden taulukoista. Laskenta käsitellään tehokkaasti hyödyntämällä data-alustojen, kuten Snowflaken, DataBricksin ja Sparkin, skaalautuvuutta. Muistikirjat mahdollistavat kokeilun, kun taas ominaisuuden jakaminen ja uudelleenkäyttö säästävät aikaa. Tarkastus varmistaa piirteiden oikeellisuuden, kun taas välitön käyttöönotto poistaa putkien hallinnan päänvaivat.

Avoimen lähdekoodin kirjastomme tarjoamien ominaisuuksien lisäksi yritysratkaisumme tarjoaa kattavan kehyksen AI-toimintojen hallintaan ja järjestämiseen suuressa mittakaavassa, mukaan lukien hallintoprosessit ja käyttöliittymä ominaisuusluettelolle.

Mikä on visiosi FeatureByten tulevaisuudelle?

Visiomme FeatureBytelle on vallankumous data-tieteen ja tekoälyn alalla mahdollistamalla käyttäjien vapauttaminen täyden luovan potentiaalinsa ja saada ennenkokematon arvo heidän data-omaisuuksistaan.

Olemme erityisen innostuneita nopeasta edistymisestä generatiivisessa tekoälyssä ja transformer-malleissa, mikä avaa maailman mahdollisuuksia käyttäjillemme. Lisäksi olemme sitoutuneita demokratisoimaan ominaisuuden suunnittelun. Generatiivinen tekoäly voi alentaa kynnyksen luovalle ominaisuuden suunnittelulle, tehdä sen helpommin saataville laajemmalle yleisölle.

Yhteenvetona, visiomme FeatureByten tulevaisuudelle kiertää jatkuvan innovaation, generatiivisen tekoälyn voiman hyödyntämisen ja ominaisuuden suunnittelun demokratisoinnin. Pyrimme olemaan ensisijainen alusta, joka mahdollistaa raakadatan muuttamisen toimivaksi syötteeksi tekoälyyn, ajamalla läpi läpimurtoja ja edistystä eri aloilla.

Onko sinulla neuvoja tekoäly-yrittäjille?

Määrittele tilasi, pysy keskittyneenä ja ole avoin uudelle.

Määrittele tila, jonka haluat omistaa, voit erottautua ja vakiinnuttaa vahvan läsnäolon siinä. Tutki markkinaa, ymmärrä potentiaalisten asiakkaiden tarpeita ja kipupisteitä, ja pyri tarjoamaan yksilöllisen ratkaisun, joka ratkaisee nämä haasteet tehokkaasti.

Määrittele pitkän aikavälin visiosi ja aseta selkeät lyhyen aikavälin tavoitteet, jotka ovat linjassa visiosi kanssa. Keskity vahvan perustan rakentamiseen ja arvon tarjoamiseen valitsemassasi tilassa.

Lopulta, vaikka on tärkeää pysyä keskittyneenä, älä pelkää uuden idean omaksumista määritellyssä tilassasi. Tekoälykenttä kehittyy jatkuvasti, ja innovatiiviset lähestymistavat voivat avata uusia mahdollisuuksia.

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