Alon Lev, Co-Fondatore e Amministratore Delegato di Qwak – Serie di Interviste

Alon Lev è il Co-Fondatore e Amministratore Delegato di Qwak, una piattaforma che rimuove l’attrito ingegneristico dal machine learning, consentendo iterazioni rapide, alta scalabilità e infrastrutture personalizzabili.

Quando ti sei interessato per la prima volta al machine learning?

La mia prima esperienza significativa con il Machine Learning risale a quando stavo costruendo il team di Business Intelligence presso Payoneer, circa sette anni fa. Mi resi conto che diventare un’organizzazione guidata dai dati richiede processi e strumenti molto specifici. Il Machine Learning, che oggi fa parte di ogni strategia aziendale basata sui dati, era ancora alle sue fasi iniziali all’epoca.

Puoi discutere il tuo ruolo precedente presso Payoneer e come ti ha permesso di vedere come il machine learning stava crescendo in importanza?

Nel mio ruolo presso Payoneer come VP dei dati, ero responsabile di tutti gli aspetti dei dati dell’azienda, dall’analisi, alla business intelligence, all’ingegneria dei dati e alla scienza dei dati. Il momento “wow” che ho avuto con la scienza dei dati è stato quando abbiamo costruito l’intero prodotto di credito basato sul machine learning. Ha funzionato in modo sorprendente fin dall’inizio; in quel momento, mi sono reso conto che il machine learning poteva migliorare non solo le linee di business esistenti, ma anche creare nuovi prodotti e aziende.

Quali sono stati alcuni dei challenge del machine learning che hai visto?

Sicuramente, nella parte di produzione del ML, i proprietari dei dati e gli ingegneri già avevano molto da fare – gestire un’infrastruttura di produzione di alto livello che ci permettesse di produrre ML era sempre una grande sfida che “uccideva” molti dei nostri progetti.

Come la piattaforma Qwak rimuove l’attrito ingegneristico dal machine learning?

Qwak è tutto sulla rimozione del lavoro di base dagli ingegneri del ML e sul consentire loro di concentrarsi sulla creazione di valore aziendale.

Ran Romano (co-fondatore e VP R&D) ha avuto esattamente la stessa esperienza durante il suo tempo alla guida del dipartimento di MLops presso Wix. Oggi, il suo focus principale è sul superare queste sfide attraverso la nostra piattaforma e sul rendere il processo di produttivazione dei modelli di ML più veloce, efficiente e senza soluzione di continuità. Il nostro obiettivo è rendere la vita degli ingegneri del ML e dei data scientist più facile e più impattante, in modo che le consegne di machine learning fluide diventino una realtà per le aziende, piuttosto che un elemento della lista dei desideri.

Perché questa è una soluzione perfetta per le aziende che desiderano più throughput di machine learning, ma hanno una scarsità di data scientist e ingegneri del ML?

Noi non affermiamo di capire il tuo business o i tuoi dati, ma abbiamo una grande esperienza quando si tratta di infrastrutture; la nostra missione è chiara; vogliamo aiutare team di data science e ingegneria del ML eccellenti a costruire prodotti incredibili. Non interferiamo con la logica del modello, ma ci concentriamo su ciò che facciamo meglio, ovvero l’infrastruttura.

Cosa differenzia attualmente Qwak dalle altre soluzioni di machine learning?

Siamo tutti concentrati sull’aiutare team forti a scaricare il lavoro di base e a semplificare l’intero processo di produttivazione del ML, Qwak consegna e crede in un approccio orizzontale per risolvere le sfide di MLOps – ovvero, non abbiamo costruito la piattaforma solo attorno al registro dei modelli/servizio o al negozio delle caratteristiche e all’automazione, ma pensiamo che tu abbia bisogno di tutti questi elementi in un unico posto per scalare la tua infrastruttura di ML.

Puoi discutere come Qwak supporta la tracciabilità dei feedback dei modelli di machine learning e perché questo è importante?

La tracciabilità dei feedback è una delle prime cose che abbiamo costruito in Qwak, poiché la vediamo come una parte coerente del ciclo di vita di produzione. Qwak espone un’API di feedback che consente di automatizzare il processo di segnalazione dei feedback.

C’è qualcos’altro che ti piacerebbe condividere su Qwak?

Abbiamo un team incredibile di ingegneri e leader esperti nello spazio. Con una vasta esperienza nelle “trincee” dell’ingegneria del machine learning, sappiamo cosa deve essere fatto e stiamo solo iniziando 🙂

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Qwak.