Razi Raziuddin, Co-Fondatore e Amministratore Delegato di FeatureByte – Serie di Interviste

Razi Raziuddin è il Co-Fondatore e Amministratore Delegato di FeatureByte, la sua visione è quella di sbloccare l’ultimo grande ostacolo alla scalabilità dell’AI nell’impresa. L’esperienza di Razi in analisi e crescita copre il team di leadership di due startup unicorn. Razi ha aiutato a scalare DataRobot da 10 a 850 dipendenti in meno di sei anni. Ha sviluppato una strategia di go-to-market guidata dai servizi che è diventata il marchio di fabbrica della rapida crescita di DataRobot.

FeatureByte è sulla missione di scalare l’AI aziendale, semplificando radicalmente e industrializzando i dati dell’AI. La piattaforma di feature engineering e gestione (FEM) consente ai data scientist di creare e condividere funzionalità all’avanguardia e pipeline di dati pronte per la produzione in pochi minuti — invece di settimane o mesi.

Cosa ti ha inizialmente attirato verso l’informatica e il machine learning?

Come qualcuno che ha iniziato a programmare al liceo, ero affascinato da una macchina con cui potevo “parlare” e controllare attraverso il codice. Ero istantaneamente affascinato dalle infinite possibilità di nuove applicazioni. Il machine learning rappresentava un cambiamento di paradigma nella programmazione, consentendo alle macchine di apprendere e svolgere compiti senza specificare i passaggi nel codice. Il potenziale infinito delle applicazioni di ML è ciò che mi entusiasma ogni giorno.

Sei stato il primo assunto nel settore aziendale di DataRobot, una piattaforma di machine learning automatizzato che consente alle organizzazioni di diventare guidate dall’AI. Poi hai aiutato a scalare l’azienda da 10 a 1.000 dipendenti in meno di 6 anni. Quali sono state alcune delle principali considerazioni di questa esperienza?

Passare da zero a uno è difficile, ma incredibilmente emozionante e gratificante. Ogni fase nell’evoluzione dell’azienda presenta un insieme diverso di sfide, ma vedere l’azienda crescere e avere successo è una sensazione incredibile.

La mia esperienza con l’AutoML mi ha aperto gli occhi sul potenziale illimitato dell’AI. È affascinante vedere come questa tecnologia possa essere utilizzata in così tanti settori e applicazioni diversi. Alla fine della giornata, creare una nuova categoria è un’impresa rara, ma incredibilmente gratificante. Le mie principali considerazioni di questa esperienza:

• Costruire un prodotto incredibile e evitare di inseguire le mode
• Non avere paura di essere un contrarian
• Concentrarsi sul risolvere i problemi dei clienti e fornire valore
• Essere sempre aperto all’innovazione e alla sperimentazione di nuove cose
• Creare e inculcare la giusta cultura aziendale fin dall’inizio

Puoi condividere la storia di genesis dietro FeatureByte?

È un fatto noto nel mondo dell’AI/ML – che un grande AI inizia con grandi dati. Ma preparare, distribuire e gestire i dati dell’AI (o funzionalità) è complesso e richiede molto tempo. Il mio co-fondatore, Xavier Conort, e io abbiamo visto questo problema di prima mano a DataRobot. Mentre la modellazione è diventata enormemente semplificata grazie agli strumenti di AutoML, l’ingegneria e la gestione delle funzionalità rimangono una grande sfida. Sulla base della nostra esperienza e competenza combinata, Xavier e io abbiamo sentito che potevamo realmente aiutare le organizzazioni a risolvere questa sfida e mantenere la promessa dell’AI ovunque.

L’ingegneria delle funzionalità è al cuore di FeatureByte, potresti spiegare cosa significa per i nostri lettori?

Alla fine, la qualità dei dati guida la qualità e le prestazioni dei modelli di AI. I dati che vengono alimentati nei modelli per addestrarli e prevedere risultati futuri sono chiamati funzionalità. Le funzionalità rappresentano informazioni su entità ed eventi, come dati demografici o psicografici dei consumatori, o la distanza tra un titolare di carta e un commerciante per una transazione con carta di credito o il numero di articoli di diverse categorie da un acquisto in negozio.

Il processo di trasformazione dei dati grezzi in funzionalità – per addestrare i modelli di ML e prevedere risultati futuri – è chiamato ingegneria delle funzionalità.

Perché l’ingegneria delle funzionalità è uno degli aspetti più complicati dei progetti di machine learning?

L’ingegneria delle funzionalità è super importante perché il processo è direttamente responsabile delle prestazioni dei modelli di ML. Una buona ingegneria delle funzionalità richiede tre abilità abbastanza indipendenti che si combinano – conoscenza del dominio, scienza dei dati e ingegneria dei dati. La conoscenza del dominio aiuta i data scientist a determinare quali segnali estrarre dai dati per un particolare problema o caso d’uso. È necessario avere competenze di scienza dei dati per estrarre quei segnali. E infine, l’ingegneria dei dati aiuta a distribuire le pipeline e a eseguire tutte quelle operazioni su larga scala su grandi volumi di dati.

Nella stragrande maggioranza delle organizzazioni, queste abilità vivono in team diversi. Questi team utilizzano strumenti diversi e non comunicano bene tra loro. Ciò porta a molta frizione nel processo e lo rallenta fino a un punto di stallo.

Puoi condividere alcune informazioni su perché l’ingegneria delle funzionalità è il collegamento più debole nella scalabilità dell’AI?

Secondo Andrew Ng, un esperto di AI, “L’apprendimento automatico applicato è fondamentalmente ingegneria delle funzionalità.” Nonostante la sua criticità nel ciclo di vita dell’apprendimento automatico, l’ingegneria delle funzionalità rimane complessa, lunga e dipendente dalla conoscenza degli esperti. C’è una grave carenza di strumenti per semplificare il processo, renderlo più rapido e industrializzato. Lo sforzo e la competenza richiesti trattengono le imprese dall’essere in grado di distribuire l’AI su larga scala.

Puoi condividere alcune delle sfide dietro la costruzione di una soluzione di AI basata sui dati che semplifichi radicalmente l’ingegneria delle funzionalità per i data scientist?

Costruire un prodotto che abbia un vantaggio di 10X rispetto allo status quo è super difficile. Fortunatamente, Xavier ha una profonda competenza in scienza dei dati che sta utilizzando per ripensare l’intero flusso di lavoro delle funzionalità dai principi fondamentali. Abbiamo un team di data scientist e ingegneri full-stack di classe mondiale che possono trasformare la nostra visione in realtà. E abbiamo utenti e partner di sviluppo per consigliarci sulla semplificazione dell’UX per risolvere al meglio le loro sfide.

Come la piattaforma FeatureByte accelererà la preparazione dei dati per le applicazioni di machine learning?

La preparazione dei dati per il ML è un processo iterativo che si basa sulla sperimentazione rapida. L’SDK FeatureByte open source è un framework dichiarativo per la creazione di funzionalità all’avanguardia con solo poche righe di codice e la distribuzione di pipeline di dati in pochi minuti invece di settimane o mesi. Ciò consente ai data scientist di concentrarsi sulla risoluzione creativa dei problemi e sull’iterazione rapida sui dati live, invece di preoccuparsi della “tubazione”.

Il risultato è non solo una preparazione dei dati più rapida e un servizio in produzione, ma anche una migliore prestazione del modello attraverso funzionalità potenti.

Puoi discutere come la piattaforma FeatureByte offrirà inoltre la possibilità di semplificare vari compiti di gestione in corso?

La piattaforma FeatureByte è progettata per gestire l’intero ciclo di vita delle funzionalità di ML. Il framework dichiarativo consente a FeatureByte di distribuire le pipeline di dati automaticamente, mentre estrae i metadati pertinenti per la gestione dell’ambiente complessivo. Gli utenti possono monitorare la salute e i costi delle pipeline, e gestire la discendenza, la versione e la correttezza delle funzionalità, tutto dalla stessa interfaccia utente. I flussi di lavoro di approvazione e accesso basati su ruoli di livello aziendale garantiscano la privacy e la sicurezza dei dati, evitando la dispersione delle funzionalità.

C’è qualcos’altro che vorresti condividere su FeatureByte?

La maggior parte degli strumenti di AI aziendale si concentra sul miglioramento dei modelli di machine learning. Abbiamo fatto della nostra missione aiutare le imprese a scalare la loro AI, semplificando e industrializzando i dati dell’AI. In FeatureByte, affrontiamo la più grande sfida per i pratici di AI: fornire un modo coerente e scalabile per preparare, servire e gestire i dati in tutta la durata di un modello, semplificando radicalmente l’intero processo.

Se sei un data scientist o ingegnere interessato a rimanere all’avanguardia della scienza dei dati, ti incoraggio a sperimentare il potere di FeatureByte gratuitamente.

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