Alon Lev, Qwak의 공동 창립자 및 CEO – 인터뷰 시리즈

Alon Lev는 Qwak의 공동 창립자 및 CEO입니다. Qwak는 기계 학습에서 엔지니어링 마찰을 제거하면서 빠른 반복, 높은 규모 및 사용자 정의 인프라를 허용하는 플랫폼입니다.

기계 학습에 관심을 가지게 된 것은 언제였나요?

제가 기계 학습에 대한 첫 번째重大한 경험은 약 7년 전 Payoneer에서 BI 팀을 구축할 때였습니다. 데이터 주도적인 조직이 되기 위해서는 매우 구체적인 프로세스와 도구가 필요하다는 것을 깨달았습니다. 기계 학습은 오늘날 모든 데이터 주도적인 회사 전략의 일부이지만, 그 때는 초기 단계에 있었습니다.

Payoneer에서의 이전 역할에 대해 논의해 주시고, 기계 학습이 중요해지는 것을 어떻게 보셨나요?

Payoneer에서 데이터 담당 VP로써, 저는 회사의 모든 데이터 측면을 담당했습니다. 분석, 비즈니스 인텔리전스, 데이터 엔지니어링 및 데이터 과학을 포함하여 모든 것을 책임졌습니다. 데이터 과학에 대한 와우 모먼트는 기계 학습을 기반으로 전체 신용 제품을 구축했을 때였습니다. 그것은 처음부터 놀라운 성과를 보였고, 그 순간에 기계 학습은 기존 비즈니스 라인을 개선할 뿐만 아니라 새로운 비즈니스와 제품을 생성할 수도 있음을 깨달았습니다.

기계 학습에서 어떤 도전을 목격하셨나요?

확실히, ML의 생산 부분에서 데이터 소유자와 엔지니어는 이미 많은 것을 처리해야 합니다. 생산급 인프라를 관리하여 ML을 제품화할 수 있도록 하는 것은 항상 많은 프로젝트를 죽이는巨大한 도전이었습니다.

Qwak 플랫폼은 기계 학습에서 엔지니어링 마찰을 어떻게 제거합니까?

Qwak은 ML 엔지니어의 근거 작업을 가져와 비즈니스 가치를 창출하는 데 집중할 수 있도록 합니다.

Ran Romano (공동 창립자 및 연구 개발 부문장)는 Wix에서 MLops 부문을 이끌던 당시와 동일한 경험을했습니다. 현재 그의 주요 초점은 이러한 도전을 우리의 플랫폼을 통해 해결하고 ML 모델을 제품화하는 과정을 더 빠르고 효율적이고 무결하게 만드는 것입니다. 우리의 목표는 ML 엔지니어와 데이터 과학자의 삶을 더 쉽고 영향력 있게 만들어서 유창한 기계 학습 배달이 현실이 되도록 하는 것입니다.

데이터 과학자와 기계 학습 엔지니어가 부족한 회사에서 기계 학습 처리량을 더 많이 원하지만, 완벽한 해결책은 무엇인가요?

우리는 귀하의 비즈니스나 데이터를 이해한다고 주장하지 않습니다. 그러나 우리는 인프라에 대한豊富한 경험을 가지고 있습니다. 우리의 임무는 명확합니다. 우리는 훌륭한 데이터 과학 및 기계 학습 엔지니어링 팀이 놀라운 제품을 구축하도록 도와주는 것입니다. 우리는 모델 논리와 간섭하지 않습니다. 우리는 우리가 가장 잘하는 것, 즉 인프라에 집중합니다.

현재 Qwak을 기계 학습 솔루션과 구분하는 것은 무엇인가요?

우리는 강력한 팀이 근거 작업을卸荷하고 ML 제품화의 전체 과정을 스트림라인하는 것을 도와주는 것에 대해 모두입니다. Qwak은 ML 모델 레지스트리/서빙 또는 기능 저장소 및 자동화만을 중심으로 플랫폼을 구축하지 않았습니다. 우리는 모든 것을 한 곳에 두어 ML 인프라를 확대하기 위해 필요한 모든 것을 생각합니다.

기계 학습 모델 피드백 추적을 지원하는 방법에 대해 논의해 주시고, 이것이 중요한 이유는 무엇인가요?

피드백 추적은 우리가 Qwak에서 처음으로 구축한 것입니다. 우리는 이것이 생산 라이프 사이클의 일관된 부분이라고 생각합니다. Qwak은 피드백 보고 프로세스를 자동화할 수 있는 피드백 API를 노출합니다.

Qwak에 대해 더 공유하고 싶은 것이 있나요?

우리는 경험豊富한 엔지니어와 리더들로 구성된 놀라운 팀을 가지고 있습니다. 기계 학습 엔지니어링의 “트렌치”에서 많은 경험을 가지고 있기 때문에, 우리는 무엇을 해야 하는지 알고 있으며, 우리는 이제 시작하고 있습니다 🙂

멋진 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자들은 Qwak을 방문해야 합니다.