インタビュー
Xavier Conort、FeatureByteの共同創設者兼チーフプロダクトオフィサー – インタビューシリーズ
Unite.AI を Google の優先ソースに追加
Xavier Conortは、25年以上のデータ経験を持つ先見の明のあるデータサイエンティストです。彼は保険業界のアクチュアリーとしてキャリアを始め、後にデータサイエンスに転身しました。彼はトップランクのKaggleコンペティターであり、DataRobotのチーフデータサイエンティストを務めた後、FeatureByteを共同創設しました。
FeatureByteは、企業のAIをスケールアップすることを目的として、AIデータを根本的に簡素化し、工業化することを目指しています。FeatureByteの機能エンジニアリングおよび管理プラットフォームは、データサイエンティストが最先端の機能を作成および共有し、数分で本番環境用のデータパイプラインを作成できるようにします。
あなたは保険業界のアクチュアリーとしてキャリアを始め、後にデータサイエンスに転身しました。どのような要因がこの転身を促したのでしょうか？
決定的な瞬間は、GE Flight Questという競争で250,000ドルの賞金を獲得したときでした。この競争では、参加者はUS国内のフライトの遅延を予測する必要がありました。この成功は、私のアクチュアリーとしての経験に負債しています。2段階モデリングというアプローチは、トレーニングデータに十分な表現がない機能のバイアスを制御するのに役立ちます。Kaggleでの他の勝利とともに、この成果は、私のアクチュアリーとしての背景がデータサイエンスの分野で競争上の優位性を与えることを私に示しました。
Kaggleでの私の旅の途中で、私は他の熱心なデータサイエンティストとつながることができました。彼らの中には、後にDataRobotの創設者となるJeremy AchinとTom De Godoyが含まれていました。私たちは保険業界での共通の背景を持ち、Kaggleで著名な成功を収めました。彼らがDataRobotを立ち上げたとき、私はチーフデータサイエンティストとして参加するよう招待されました。彼らのビジョンは、保険業界でのベストプラクティスと機械学習の力を組み合わせるものでした。これは、革新的なものを創造し、影響を与える機会を私に与えました。
DataRobotでは、データサイエンスロードマップの構築に重要な役割を果たしました。どのようなデータ関連の課題に直面しましたか？
私たちが直面した最も重大な課題は、AutoMLソリューションの入力として提供されたデータの品質がまちまちだったことです。この問題は、チームとクライアントの間で時間のかかるコラボレーションにつながることもありました。また、適切に対処されない場合、実稼働環境での結果は期待どおりにならない可能性がありました。
データの品質に関する課題は、ビジネスインテリジェンスツールを使用してデータを準備および管理することから生じました。これらのツールは、洞察を生成するには有用ですが、機械学習データの準備には必要なポイントインタイムの正確性を確保する機能が不足しています。結果として、トレーニングデータにリークが生じ、過剰適合やモデルのパフォーマンスの低下につながる可能性がありました。
データサイエンティストとデータエンジニアの間のコミュニケーション不足も、実稼働環境でのモデルの精度に影響を与える課題でした。トレーニングと実稼働の段階間の不一致は、モデルのパフォーマンスに悪影響を及ぼす可能性がありました。
この経験から得た主な教訓は何ですか？
DataRobotでの私の経験は、機械学習におけるデータ準備の重要性を強調しました。データ準備の課題、たとえばポイントインタイムの正確性、専門知識のギャップ、ドメイン知識、ツールの制限、スケーラビリティに対処することで、機械学習モデルの精度と信頼性を高めることができます。私は、データ準備プロセスを簡素化し、革新的なテクノロジーを取り入れることが、AIの全潜在能力を解放し、約束を果たすために不可欠であると結論付けました。
私たちはもともとあなたの共同創設者Razi RaziuddinからFeatureByteの創設ストーリーを聞きました。あなたのバージョンを聞くことができますか？
私は私の洞察と見解をRaziと共有し、データサイエンスにおけるデータ準備の課題について共通の理解を持っていることがわかりました。私たちは、MLOpsコミュニティでの最近の進歩、特に機能ストアと機能プラットフォームの出現について話し合いました。これらのプラットフォームは、AIファーストのテクノロジー企業によって機能提供の待ち時間を短縮し、機能の再利用を促進し、トレーニングデータへの機能の素材化を簡素化するために導入されています。しかし、データサイエンティストのニーズに対処するためのギャップが残っていることは明らかでした。Raziは、現代のデータスタックがBIと分析を革命的に変えているものの、AIのために十分に活用されていないことを共有しました。
私たち両者にとって、機能エンジニアリングプロセスを根本的に簡素化し、データサイエンティストとMLエンジニアにシームレスな機能実験と機能提供のための適切なツールとユーザーエクスペリエンスを提供する機会があることが明らかになりました。
データサイエンティストから起業家への転身で直面した最大の課題は何でしたか？
データサイエンティストから起業家への転身には、技術的な視点からビジネス指向の視点への転換が必要でした。私は痛点を理解し、ロードマップを作成し、計画を実行し、チームを構築し、予算を管理するための強固な基盤を持っていました。しかし、ターゲットオーディエンスと真正に共鳴するメッセージを作成することは、私の最大の課題でした。
データサイエンティストとして、私の主な焦点はデータを分析して解釈し、貴重な洞察を得ることでした。しかし、起業家として、私は市場、顧客、ビジネス全体への思考を向けなければなりませんでした。
幸いにも、私は共同創設者のRaziの経験を活用することができました。
Raziから機能エンジニアリングがなぜ難しいのかについて聞きました。あなたの見解は何ですか？
機能エンジニアリングには2つの主な課題があります：
- 既存の列の変換：これには、機械学習アルゴリズムに適した形式へのデータの変換が含まれます。ワンホットエンコーディング、機能スケーリング、テキストおよび画像変換などのテクニックが使用されます。既存の機能から新しい機能を作成することで、モデルのパフォーマンスを大幅に向上させることができます。scikit-learnやHugging Faceなどの人気ライブラリは、このタイプの機能エンジニアリングをサポートしています。AutoMLソリューションもこのプロセスを簡素化することを目指しています。
- 歴史データからの新しい列の抽出：歴史データは、レコメンデーションシステム、市場、不正検出、保険料設定、信用スコアリング、需要予測、センサーデータ処理などの問題ドメインで不可欠です。このデータから情報を抽出することは困難です。例として、最後のイベントからの時間、最近のイベントに関する集計、イベントシーケンスからの埋め込みが含まれます。このタイプの機能エンジニアリングには、ドメイン知識、実験、強力なコーディングおよびデータエンジニアリングスキル、深いデータサイエンス知識が必要です。タイムリーク、データセットのサイズ、コードの効率的な実行などの要素も考慮する必要があります。
全体として、機能エンジニアリングには専門知識、実験、複雑なアドホックデータパイプラインの構築が必要です。
FeatureByteはどのようにしてデータサイエンスの専門家を支援し、機能パイプラインを簡素化していますか？
FeatureByteは、機能エンジニアリングの全プロセスを簡素化することでデータサイエンスの専門家を支援します。直感的なPython SDKを使用して、XLargeイベントおよびアイテムテーブルからの機能の作成と抽出を迅速に行うことができます。計算は、Snowflake、DataBricks、Sparkなどのデータプラットフォームのスケーラビリティを活用して効率的に処理されます。ノートブックは実験を容易にし、機能の共有と再利用により時間を節約できます。監査により機能の精度が確保され、即時のデプロイによりパイプライン管理の面倒がなくなります。
オープンソースライブラリで提供されるこれらの機能に加えて、エンタープライズソリューションは、AIの運用を規模で管理および組織化するための包括的なフレームワークを提供します。これには、ガバナンスワークフローと機能カタログのユーザーインターフェースが含まれます。
FeatureByteの将来のビジョンは何ですか？
FeatureByteの最終的なビジョンは、データサイエンスと機械学習の分野を革命的に変えることです。ユーザーが自分のデータ資産から前例のない価値を引き出せるようにし、創造的な可能性を解き放つことを目指しています。
私たちは、特にGenerative AIとTransformerの急速な進歩に大いに興奮しています。これらは、私たちのユーザーにとって新しい可能性の世界を開拓するでしょう。また、機能エンジニアリングを民主化することに尽力しています。Generative AIは、創造的な機能エンジニアリングの障壁を低減し、より幅広いユーザーにアクセス可能にします。
まとめると、FeatureByteの将来のビジョンは、継続的な革新、Generative AIの活用、機能エンジニアリングの民主化に焦点を当てています。私たちは、データプロフェッショナルが生データを機械学習の入力に変換できるプラットフォームを提供し、業界全体でブレークスルーと進歩を促進することを目指しています。
AI起業家を目指す人々にアドバイスがある場合は何ですか？
あなたのスペースを定義し、焦点を当て、革新を歓迎してください。
あなたが所有したいスペースを定義することで、自分自身を区別し、その分野で強い存在感を確立することができます。市場を調査し、潜在的な顧客のニーズと痛点を理解し、効果的に対処するための独自のソリューションを提供することを目指してください。
長期的なビジョンを定義し、短期的な目標を設定し、それらの目標がビジョンと一致するようにします。強固な基盤を築き、選択したスペースで価値を提供することに集中してください。
最後に、焦点を維持することは重要ですが、定義したスペース内で新しいアイデアを探求し、革新を歓迎することを怠らないでください。AIの分野は不断に進化しており、革新的なアプローチは新たな機会を生み出す可能性があります。
素晴らしいインタビュー、ありがとうございました。FeatureByteについてさらに学びたい読者は、FeatureByteを訪問してください。
