Alon Lev, Co-Fondatore & CEO di Qwak – Serie di Interviste

Alon Lev è Co-Fondatore & CEO di Qwak, una piattaforma che rimuove l’attrito ingegneristico dal machine learning consentendo iterazioni veloci, 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 BI di 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 guidata dai dati, era alle sue fasi iniziali all’epoca.

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

Nel mio ruolo in Payoneer come VP data, 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 incredibile fin dall’inizio; in quel momento, mi resi conto che il machine learning poteva migliorare non solo le linee di business esistenti, ma anche creare nuovi business e prodotti.

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

Sicuramente, nella parte di produzione del ML, i proprietari dei dati e gli ingegneri già hanno molto da fare – gestire un’infrastruttura di produzione di alta qualità che ci permetta 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 sul prendere il lavoro di base dagli ingegneri del ML e consentire loro di concentrarsi sulla creazione di valore aziendale.

Ran Romano (co-fondatore e VP R&D) ha avuto la stessa esperienza durante il suo tempo alla guida del dipartimento MLops di Wix. Oggi, il suo obiettivo principale è affrontare queste sfide attraverso la nostra piattaforma e rendere il processo di produttivazione dei modelli 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 efficace in modo che le consegne del machine learning fluente 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 del machine learning, ma hanno una scarsità di data scientist e ingegneri del machine learning?

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 machine learning 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 soluzioni di machine learning concorrenti?

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