제리 슈, 데이터트론의 공동 창립자 및 CEO – 인터뷰 시리즈

제리는 기계 학습, 저장 시스템, 온라인 서비스, 분산 시스템, 가상화 및 OS 커널에 대한 광범위한 경험을 가지고 있습니다. 그는 Lyft, Box, Twitter, Zynga, Microsoft와 같은 회사에서 고성능 및 대규모 시스템을 작업했습니다. 그는 또한 오픈 소스 프로젝트인 Lib Crunch의 저자이며 3회 Microsoft (MSFT ) Gold Star Award 수상자입니다. 제리는 上海大学에서 컴퓨터 과학 석사 학위를 취득했습니다. 그의 최근 스타트업은 Datatron입니다.

Lyft에서 일할 때, 데이터 과학자는 수학, 물리학, 생물 공학 등 다양한 배경에서 왔으며, 모델과 수학에 대한 좋은 직관을 가지고 있지만, 모델이 어떻게 작동하는지에 대한 엔지니어링 부분을 이해하기가 매우 어려웠습니다. 그것이 데이터트론을 시작하게 된 동기입니다. 우리는 데이터 과학자를 위해 최고의 알고리즘을 찾는 것을 도와주지 않습니다. 우리는 알고리즘이 결정된 후 모델 배포, 모니터링 및 관리를 더 효율적으로 만드는 데 집중합니다.

데이터트론은 2016년 Lyft를 떠난 후 시작되었습니다. 초기에 데이터트론 비즈니스 개념을 어떻게 생각해 냈나요?

우리는 StartX와 500 Startup의 경험에서 많은 것을 배웠습니다. 투자자에게 피치하는 방법, 제품/시장 적합성을 찾는 방법, 판매/마케팅을 어떻게 하는지 등에 대해 배웠습니다. 우리는 이전에 이러한 경험을 하지 못했기 때문에 이러한 경험은 매우 유용했습니다.

데이터트론은 500 Startups의 18번째 코호트에 선정되었습니다. 이것은 어떻게 개인적으로 영향을 받았나요? 그리고 데이터트론을 어떻게 관리하고 있나요?

우리는 현재 4개의 모듈을 가지고 있습니다. 모델 배포, 모델 모니터링, 모델 챌린저 및 모델 거버넌스입니다.

모델 배포:

몇 번의 클릭만으로 모델 배포를 생성하고 확장할 수 있습니다. 어떤 프레임워크나 언어로 개발된 모델이라도 배포할 수 있습니다.

모델 모니터링:

비즈니스 결정을 내리기 위해 모델 성능을 모니터링하고 모델 성능 저하를 감지합니다.

모델 거버넌스:

모델 검증, 편향 감지, 내부 감사 프로세스에 대한 시간을 절약합니다. 모델 개발에서 내부 감사까지 더 빠르게 진행할 수 있습니다.

데이터트론의 사용 사례 중 하나는 수요 예측입니다. 이는 자원 계획과 할당을 위해 기업에 중요합니다. 기계 학습은 어떻게 이에 기여하나요?

수요는 계절성과 트렌드에 따라 변합니다. 이것은典型的な 기계 학습 문제입니다. ARIMA, 순환 신경망(RNN)과 같은 기계 학습 모델은 역사적인 데이터에서 트렌드와 계절성을 자동으로 학습하여 예측할 수 있습니다.

현재 어떤 프레임워크 모델을 지원하나요? (예: TensorFlow)

우리는 가장 인기 있는 기계 학습 프레임워크를 지원합니다. scikit-learn, TensorFlow, H2O, R, SAS 등입니다.

데이터트론을 지원하기 위해 모델은 어떤 언어로 작성되어야 하나요?

우리는 모델의 원래 언어를 지원합니다. Python, R, Java 등입니다.

데이터트론 플랫폼을 사용하기에 가장 적합한 산업은 무엇인가요?

기본적으로 우리의 플랫폼은 수평적인 솔루션으로, 많은 다른 산업에서 사용할 수 있습니다. 현재 우리는 금융 서비스와 통신 분야에 집중하고 있습니다.

데이터 과학에서 회사들이 직면하는 가장 어려운 측면은 무엇이며, 데이터트론은 어떻게 이 문제를 해결하나요?

많은 회사들이 이미 데이터 과학 팀을 가지고 있으며, 이 팀들은 모델을 구축하고 관리하는 데 다른 도구와 관행을 사용하고 있습니다. 점점 더 많은 기업이 모델이 자산이 되고 상위 라인에 직접적인 영향을 미친다는 것을 깨닫고 있습니다. 모델을 표준화하고 관리하는 플랫폼이 필요합니다. 우리의 플랫폼이 이러한 문제를 해결할 수 있습니다.

데이터트론에 대해 더 공유하고 싶은 것이 있나요?

우리는 큰 기업들로부터 많은 문의를 받고 있습니다.同時에 우리는 또한 판매와 마케팅 팀을 구축하여 잠재적인 고객에게 적극적으로 접근하고 있습니다.

더 많은 정보를 보려면 Datatron을 방문하세요.