Jerry Xu, Co-Fondateur et PDG de Datatron – Série d’entretiens

Jerry a une expérience approfondie en matière d’apprentissage automatique, de systèmes de stockage, de services en ligne, de systèmes distribués, de virtualisation et de noyau de système d’exploitation. Il a travaillé sur des systèmes à haute performance et à grande échelle dans des entreprises telles que Lyft, Box, Twitter, Zynga et Microsoft (MSFT ). Il est également l’auteur du projet open-source Lib Crunch et a remporté trois fois le prix Microsoft Gold Star. Jerry a obtenu son diplôme de master en informatique à l’Université de Shanghai. Son entreprise la plus récente est Datatron.

Lorsque nous travaillions chez Lyft, nous avons remarqué que les data scientists viennent de divers horizons tels que les mathématiques, la physique, la bio-ingénierie, etc. Il est souvent très difficile pour eux de comprendre la partie ingénierie de leurs modèles, bien qu’ils aient une bonne intuition sur le modèle et les mathématiques. C’est ce qui nous a motivés à créer Datatron. Nous n’essayons pas d’aider les data scientists à trouver le meilleur algorithme. Nous intervenons uniquement après que l’algorithme ait été décidé et pour rendre le déploiement, la surveillance et la gestion des modèles plus efficaces.

Datron a été sélectionné par 500 Startups pour être inclus dans le 18e cohorte d’entreprises accélérées. Comment cette résidence vous a-t-elle influencé personnellement et comment gérez-vous Datatron ?

Nous avons appris beaucoup de choses grâce aux expériences de StartX et 500 Startup, notamment comment présenter nos idées aux investisseurs, comment trouver un équilibre entre le produit et le marché, comment gérer les ventes et le marketing, ce que nous n’avions pas d’expérience personnelle auparavant.

Datron est une plate-forme de gestion pour les modèles de ML, d’IA et de science des données. Pouvez-vous nous expliquer certaines des fonctionnalités proposées par votre plate-forme ?

<p Notre produit comporte actuellement quatre modules : Déploiement de modèles, Surveillance de modèles, Défi de modèles et Gouvernance de modèles.

Déploiement de modèles :

Créez et mettez à l’échelle des déploiements de modèles en quelques clics. Déployez des modèles développés dans n’importe quel framework ou langage.

Surveillance de modèles :

Prenez de meilleures décisions commerciales pour économiser du temps et de l’argent à votre équipe. Surveillez les performances des modèles et détectez la dégradation des modèles à mesure qu’elle se produit.

Gouvernance de modèles :

Passez moins de temps sur la validation des modèles, la détection des biais et les processus d’audit internes. Allez du développement de modèles à l’audit interne à la production plus rapidement que jamais.

L’une des utilisations de Datatron est la prévision de la demande, qui est importante pour les entreprises qui doivent planifier et allouer des ressources. Comment l’apprentissage automatique intervient-il dans ce processus ?

La demande change généralement avec la saisonnalité et la tendance, ce qui est un problème typique d’apprentissage automatique. Les modèles d’apprentissage automatique tels que ARIMA, Réseau de neurones récurrent (RNN) peuvent apprendre à partir de données historiques pour trouver la tendance et la saisonnalité automatiquement et faire des prévisions en fonction de cela.

Quels sont les frameworks de modèles (par exemple, TensorFlow) que vous prenez actuellement en charge ?

Nous prenons en charge la plupart des frameworks d’apprentissage automatique populaires tels que sklearn, TensorFlow, H2O, R, SAS, etc.

Quels sont les langages dans lesquels les modèles doivent être construits pour être pris en charge par Datatron ?

Nous prenons en charge les modèles dans leurs langages natifs – Python, R, Java, etc.

Quels sont les types d’industries qui sont les mieux servis en utilisant la plate-forme Datatron ?

Fondamentalement, notre plate-forme est une solution horizontale qui peut être utilisée par de nombreuses industries différentes. Pour le moment, nous essayons de nous concentrer sur les services financiers et les télécommunications.

Quels sont les aspects les plus difficiles de la science des données que les entreprises rencontrent, et pourquoi Datatron résout-ils ce problème pour elles ?

De nombreuses entreprises ont déjà des équipes de science des données qui utilisent différents outils pour construire leurs modèles et ont différentes pratiques pour gérer leurs modèles. De plus en plus d’entreprises se rendent compte que les modèles deviennent un atout et auront un impact direct sur leur chiffre d’affaires. Avoir une plate-forme qui peut standardiser les pratiques d’apprentissage automatique dans l’entreprise devient critique et nécessaire. Notre plate-forme peut aider à résoudre ces problèmes.

Y a-t-il autre chose que vous aimeriez partager à propos de Datatron ?

Nous avons reçu beaucoup d’intérêts de la part de grandes entreprises. En même temps, nous sommes également en train de renforcer notre équipe de ventes et de marketing pour nous adresser activement à des clients potentiels.

Pour en savoir plus, visitez Datatron.