Razi Raziuddin, Salah Satu Pendiri & CEO FeatureByte – Seri Wawancara

Razi Raziuddin adalah Co-Founder & CEO dari FiturByte, visinya adalah membuka rintangan besar terakhir untuk meningkatkan AI di perusahaan. Analitik dan pengalaman pertumbuhan Razi mencakup tim kepemimpinan dari dua perusahaan rintisan unicorn. Razi membantu menskalakan DataRobot dari 10 menjadi 850 karyawan dalam waktu kurang dari enam tahun. Dia memelopori strategi go-to-market berbasis layanan yang menjadi ciri pertumbuhan pesat DataRobot.

FeatureByte memiliki misi untuk menskalakan AI perusahaan, dengan menyederhanakan dan mengindustrialisasi data AI secara radikal. Platform rekayasa dan manajemen fitur (FEM) memberdayakan ilmuwan data untuk membuat dan berbagi fitur canggih dan saluran data siap produksi dalam hitungan menit — bukan minggu atau bulan.

Apa yang awalnya membuat Anda tertarik pada ilmu komputer dan pembelajaran mesin?

Sebagai seseorang yang mulai membuat kode di sekolah menengah, saya terpesona dengan mesin yang dapat saya "bicara" dan kendalikan melalui kode. Saya langsung terpikat pada kemungkinan tak terbatas dari aplikasi baru. Pembelajaran mesin mewakili perubahan paradigma dalam pemrograman, memungkinkan mesin untuk belajar dan melakukan tugas bahkan tanpa menentukan langkah-langkah dalam kode. Potensi tak terbatas dari aplikasi ML inilah yang membuat saya bersemangat setiap hari.

Anda adalah karyawan bisnis pertama di DataRobot, platform pembelajaran mesin otomatis yang memungkinkan organisasi menjadi didorong oleh AI. Anda kemudian membantu meningkatkan perusahaan dari 10 menjadi 1,000 karyawan dalam waktu kurang dari 6 tahun. Apa saja kesimpulan utama dari pengalaman ini?

Beranjak dari nol menjadi satu itu sulit, tetapi sangat mengasyikkan dan bermanfaat. Setiap tahap dalam evolusi perusahaan menghadirkan serangkaian tantangan yang berbeda, tetapi melihat perusahaan tumbuh dan sukses adalah perasaan yang luar biasa.

Pengalaman saya dengan AutoML membuka mata saya terhadap potensi AI yang tidak terbatas. Sangat menarik untuk melihat bagaimana teknologi ini dapat digunakan di begitu banyak industri dan aplikasi yang berbeda. Pada akhirnya, membuat kategori baru adalah hal yang langka, tetapi sangat bermanfaat. Pengambilan kunci saya dari pengalaman:

• Bangun produk yang luar biasa dan hindari mengejar mode
• Jangan takut menjadi pelawan
• Fokus pada pemecahan masalah pelanggan dan memberikan nilai
• Selalu terbuka terhadap inovasi dan mencoba hal baru
• Ciptakan dan tanamkan budaya perusahaan yang tepat sejak awal

Bisakah Anda membagikan kisah asal-usul di balik FeatureByte?

Ini adalah fakta yang terkenal di dunia AI/ML – bahwa Great AI dimulai dengan data yang hebat. Tetapi menyiapkan, menerapkan, dan mengelola data AI (atau Fitur) itu rumit dan memakan waktu. Rekan pendiri saya, Xavier Conort, dan saya melihat masalah ini secara langsung di DataRobot. Meskipun pemodelan telah menjadi sangat disederhanakan berkat alat AutoML, rekayasa dan manajemen fitur tetap menjadi tantangan besar. Berdasarkan gabungan pengalaman dan keahlian kami, Xavier dan saya merasa kami benar-benar dapat membantu organisasi mengatasi tantangan ini dan memenuhi janji AI di mana pun.

Rekayasa fitur adalah inti dari FeatureByte, dapatkah Anda menjelaskan apa ini untuk pembaca kami?

Pada akhirnya, kualitas data mendorong kualitas dan performa model AI. Data yang dimasukkan ke dalam model untuk melatihnya dan memprediksi hasil di masa mendatang disebut Fitur. Fitur mewakili informasi tentang entitas dan peristiwa, seperti data demografis atau psikografis konsumen, atau jarak antara pemegang kartu dan pedagang untuk transaksi kartu kredit atau jumlah item dari kategori yang berbeda dari pembelian di toko.

Proses mengubah data mentah menjadi fitur – untuk melatih model ML dan memprediksi hasil di masa mendatang – disebut rekayasa fitur.

Mengapa rekayasa fitur merupakan salah satu aspek paling rumit dari proyek pembelajaran mesin?

Rekayasa fitur sangat penting karena proses bertanggung jawab langsung atas performa model ML. Rekayasa fitur yang baik membutuhkan tiga keterampilan yang cukup independen untuk digabungkan – pengetahuan domain, ilmu data, dan rekayasa data. Pengetahuan domain membantu ilmuwan data menentukan sinyal apa yang akan diambil dari data untuk masalah atau kasus penggunaan tertentu. Anda memerlukan keterampilan ilmu data untuk mengekstrak sinyal tersebut. Dan terakhir, rekayasa data membantu Anda menerapkan jaringan pipa dan melakukan semua operasi tersebut dalam skala besar pada volume data yang besar.

Di sebagian besar organisasi, keterampilan ini hidup dalam tim yang berbeda. Tim ini menggunakan alat yang berbeda dan tidak berkomunikasi dengan baik satu sama lain. Hal ini menyebabkan banyak gesekan dalam proses dan memperlambatnya hingga terhenti.

Bisakah Anda berbagi wawasan tentang mengapa rekayasa fitur adalah tautan terlemah dalam penskalaan AI?

Menurut Andrew Ng, pakar AI terkenal, "Pembelajaran mesin terapan pada dasarnya adalah rekayasa fitur." Terlepas dari kekritisannya terhadap siklus hidup pembelajaran mesin, rekayasa fitur tetap kompleks, memakan waktu, dan bergantung pada pengetahuan pakar. Ada kelangkaan alat yang serius untuk membuat proses lebih mudah, lebih cepat, dan lebih terindustrialisasi. Upaya dan keahlian yang dibutuhkan membuat perusahaan tidak dapat menerapkan AI dalam skala besar.

Bisakah Anda berbagi beberapa tantangan di balik membangun solusi AI yang berpusat pada data yang secara radikal menyederhanakan rekayasa fitur untuk ilmuwan data?

Membangun produk yang memiliki keunggulan 10X lipat dari status quo sangatlah sulit. Untungnya, Xavier memiliki keahlian ilmu data yang mendalam yang dia terapkan untuk memikirkan kembali seluruh alur kerja fitur dari prinsip pertama. Kami memiliki tim ilmuwan dan insinyur data tumpukan penuh kelas dunia yang dapat mengubah visi kami menjadi kenyataan. Dan pengguna serta mitra pengembangan untuk memberi tahu kami tentang merampingkan UX untuk mengatasi tantangan mereka dengan sebaik-baiknya.

Bagaimana platform FeatureByte mempercepat persiapan data untuk aplikasi pembelajaran mesin?

Persiapan data untuk ML adalah proses berulang yang bergantung pada eksperimen cepat. Sumber terbuka FeatureByte SDK adalah kerangka kerja deklaratif untuk membuat fitur canggih hanya dengan beberapa baris kode dan menerapkan saluran data dalam hitungan menit, bukan minggu atau bulan. Hal ini memungkinkan ilmuwan data untuk fokus pada pemecahan masalah secara kreatif dan melakukan iterasi dengan cepat pada data langsung, daripada mengkhawatirkan pipa ledeng.

Hasilnya tidak hanya persiapan dan penyajian data yang lebih cepat dalam produksi, tetapi juga peningkatan kinerja model melalui fitur canggih.

Bisakah Anda mendiskusikan bagaimana platform FeatureByte juga akan menawarkan kemampuan untuk merampingkan berbagai tugas manajemen yang sedang berlangsung?

Platform FeatureByte dirancang untuk mengelola siklus hidup fitur ML end-to-end. Kerangka kerja deklaratif memungkinkan FeatureByte untuk menerapkan jalur pipa data secara otomatis, sembari mengekstraksi metadata yang relevan untuk mengelola lingkungan secara keseluruhan. Pengguna dapat memantau kondisi dan biaya pipa, serta mengelola garis keturunan, versi, dan kebenaran fitur, semuanya dari GUI yang sama. Alur kerja akses dan persetujuan berbasis peran tingkat perusahaan memastikan privasi dan keamanan data, sambil menghindari perluasan fitur.

Apakah ada hal lain yang ingin Anda bagikan tentang FeatureByte?

Sebagian besar alat AI perusahaan berfokus pada peningkatan model pembelajaran mesin. Kami telah membuat misi untuk membantu perusahaan menskalakan AI mereka, dengan menyederhanakan dan melakukan industrialisasi data AI. Di FeatureByte, kami mengatasi tantangan terbesar bagi praktisi AI: Menyediakan cara yang konsisten dan dapat diskalakan untuk menyiapkan, melayani, dan mengelola data di seluruh siklus hidup model, sekaligus menyederhanakan seluruh proses secara radikal.

Jika Anda seorang ilmuwan atau insinyur data yang tertarik untuk tetap menjadi yang terdepan dalam ilmu data, saya mendorong Anda untuk merasakan kekuatan FeatureByte gratis.

Terima kasih atas wawancaranya yang luar biasa, pembaca yang ingin belajar lebih banyak harus berkunjung FiturByte.