Razi Raziuddin, FeatureByte의 공동 창립자 및 CEO – 인터뷰 시리즈

Razi Raziuddin은 FeatureByte의 공동 창립자 및 CEO입니다. 그의 비전은 기업에서 AI를 확장하는 마지막 주요 장애물을 해제하는 것입니다. Razi의 분석 및 성장 경험은 두 개의 유니콘 스타트업의 리더십 팀을 거쳐왔습니다. Razi는 DataRobot을 10명에서 850명으로 6년 만에 확장했습니다. 그는 서비스 주도형 고투마켓 전략을 개척했으며 DataRobot의 빠른 성장의 상징이 되었습니다.

FeatureByte는 기업의 AI를 확장하기 위해 AI 데이터를 급진적으로 단순화하고 산업화하는 것을 목표로 합니다. 기능 엔지니어링 및 관리(FEM) 플랫폼은 데이터 과학자들이 최첨단 기능과 프로덕션 준비된 데이터 파이프라인을 몇 분 만에 생성하고 공유할 수 있도록 해줍니다. 몇 주나 몇 개월이 아닌 몇 분 만에 말입니다.

컴퓨터 과학과 기계 학습에 처음 관심을 가졌던 것은 무엇입니까?

고등학교 시절 코딩을 시작한 사람으로서,私は 코드를 통해 “대화”할 수 있고 제어할 수 있는 기계에 매료되었습니다. 새로운 응용 프로그램의 무한한 가능성에私は 매료되었습니다. 기계 학습은 프로그래밍의 패러다임을 변화시키며, 코드에서 단계를 지정하지 않고도 기계가 학습하고 작업을 수행할 수 있도록 했습니다. ML 응용 프로그램의 무한한 가능성이 매일私は 흥분시킵니다.

DataRobot의 첫 번째 비즈니스 채용으로, 자동 기계 학습 플랫폼인 DataRobot에서 10명에서 1,000명으로 6년 만에 확장했습니다. 이 경험에서 얻은 주요 교훈은 무엇입니까?

0에서 1로 가는 것은 어렵지만, 매우 흥미롭고 보상됩니다. 회사의 각 단계는 다른 일련의 도전을 제시하지만, 회사의 성장과 성공을 보는 것은 놀라운 감정입니다.

私の AutoML 경험은 AI의 무한한 잠재력을 내 눈에 열었습니다. 이 기술이 다양한 산업과 응용 프로그램에서 어떻게 사용될 수 있는지 보는 것은 매료됩니다. 최종적으로, 새로운 카테고리를 만들기는 드문 업적이지만, 매우 보상되는 것입니다.私の 경험에서 얻은 주요 교훈은:

• 놀라운 제품을 구축하고 유행에ตาม가지 않기
• 반대 의견을恐れ하지 않기
• 고객의 문제를 해결하고 가치를 제공하기
• 항상 혁신에 개방적이고 새로운 것을 시도하기
• 초기부터 올바른 회사 문화를 창조하고 심화시키기

FeatureByte의 기원 이야기를 공유해 주시겠습니까?

AI/ML 세계에서 잘 알려진 사실입니다 -伟大的 AI는伟大的 데이터에서 시작됩니다. 그러나 AI 데이터(또는 기능)를 준비하고 배포하고 관리하는 것은 복잡하고 시간이 많이 걸립니다.私の 공동 창립자 인 Xavier Conort와私は DataRobot에서 이 문제를 직접 경험했습니다. 모델링은 AutoML 도구 덕분에 크게 단순화되었지만, 기능 엔지니어링 및 관리는 여전히 큰 도전입니다. 우리의 결합된 경험과 전문 지식에 근거하여, Xavier와私は真正로 조직이 이 도전을 해결하고 AI의 약속을 제공할 수 있다고 느꼈습니다.

FeatureByte의 핵심인 기능 엔지니어링에 대해 설명해 주시겠습니까?

궁극적으로, 데이터의 품질은 AI 모델의 품질과 성능을 결정합니다. 모델을 훈련하고 미래의 결과를 예측하기 위해 모델에 입력되는 데이터를 기능이라고 합니다. 기능은 엔티티와 이벤트에 대한 정보를 나타냅니다. 예를 들어, 소비자의 인구 통계 또는 심리 그래프 데이터, 또는 신용 카드 거래의 카드 소지자와 상점 사이의 거리, 또는 매장 구매의 다양한 카테고리의 항목 수입니다.

원시 데이터를 기능으로 변환하여 ML 모델을 훈련하고 미래의 결과를 예측하는 과정은 기능 엔지니어링이라고 합니다.

기능 엔지니어링은 기계 학습 프로젝트의 가장 복잡한 측면 중 하나입니다. 이유는 무엇입니까?

기능 엔지니어링은 매우 중요합니다. 왜냐하면 이 과정은 직접적으로 ML 모델의 성능을 책임지기 때문입니다. 좋은 기능 엔지니어링에는 세 가지 독립적인 기술이 함께 작동해야 합니다. 도메인 지식, 데이터 과학, 데이터 엔지니어링입니다. 도메인 지식은 데이터 과학자들이 특정 문제 또는 사용 사례에 대한 신호를 데이터에서 추출하도록 도와줍니다. 신호를 추출하는 데 데이터 과학 기술이 필요합니다. 그리고 마지막으로, 데이터 엔지니어링은 파이프라인을 배포하고 대규모 데이터 볼륨에서 이러한 모든 작업을 수행하는 데 도움이 됩니다.

대부분의 조직에서 이러한 기술은 서로 다른 팀에 존재합니다. 이러한 팀은 서로 다른 도구를 사용하며 서로 잘 소통하지 않습니다. 이것은 과정에서 많은 마찰을 일으키고 느려지게 합니다.

기능 엔지니어링이 AI를 확장하는 데 가장 약한 링크인 이유에 대해 어떤 통찰력을 공유할 수 있습니까?

유명한 AI 전문가 인 Andrew Ng에 따르면, “적용된 기계 학습은 기본적으로 기능 엔지니어링입니다.” 기능 엔지니어링은 기계 학습 수명 주기의 중요성에도 불구하고, 여전히 복잡하고 시간이 많이 걸리고 전문 지식에 의존합니다. 이 과정을 더 쉽게, 더 빠르게, 더 산업화하기 위한 도구가 심각하게 부족합니다. 기능 엔지니어링에 필요한 노력과 전문 지식은 기업이 AI를 대규모로 배포하는 것을 방해합니다.

데이터 과학자를 위한 기능 엔지니어링을 급진적으로 단순화하는 데이터 중심 AI 솔루션을 구축하는 데 뒤따르는 도전에 대해 어떤 통찰력을 공유할 수 있습니까?

지금의 상태보다 10배 더 나은 제품을 구축하는 것은 매우 어렵습니다.幸い, Xavier는 데이터 과학에 대한 깊은 전문 지식을 가지고 있으며, 기능 워크플로우를 처음부터 재고하고 있습니다. 우리는 비전을 현실로 바꾸는 세계 수준의 풀스택 데이터 과학자와 엔지니어 팀을 가지고 있습니다. 그리고 사용자와 개발 파트너가 우리에게 사용자들의 도전을 해결하기 위해 UX를 최적화하는 데 조언합니다.

FeatureByte 플랫폼이 기계 학습 애플리케이션을 위한 데이터 준비를 어떻게 가속화할 수 있습니까?

ML을 위한 데이터 준비는 빠른 실험을 기반으로 하는 반복적인 과정입니다. 오픈 소스 FeatureByte SDK는 선언적 프레임워크로, 몇 줄의 코드로 최첨단 기능을 생성하고 몇 분 만에 데이터 파이프라인을 배포할 수 있습니다. 이것은 데이터 과학자들이 창의적인 문제 해결과 라이브 데이터에서 빠르게 반복하는 데 집중할 수 있도록 합니다. 플러밍에 대한 걱정 없이 말입니다.

결과는 데이터 준비와 프로덕션에서 서빙이 더 빠르뿐만 아니라, 강력한 기능을 통해 모델 성능이 향상됩니다.

FeatureByte 플랫폼이 다양한 관리 작업을 스트리밍하는 능력을 추가로 제공할 수 있습니까?

FeatureByte 플랫폼은 종단 간 ML 기능 수명 주기를 관리하도록 설계되었습니다. 선언적 프레임워크를 사용하면 FeatureByte가 데이터 파이프라인을 자동으로 배포할 수 있으며, 관리 환경에 관련된 메타데이터를 추출할 수 있습니다. 사용자는 파이프라인의 상태와 비용을 모니터링하고, 기능의 계보, 버전 및 올바름을 모두 동일한 GUI에서 관리할 수 있습니다. 기업급 역할 기반 액세스 및 승인 워크플로는 데이터 개인 정보 보호와 보안을 보장하며, 기능 스프롤을 방지합니다.

FeatureByte에 대해 더 공유하고 싶은 내용이 있습니까?

대부분의 기업 AI 도구는 기계 학습 모델을 개선하는 데 중점을 두고 있습니다. 우리는 기업이 AI를 확장하는 데 도움이 되도록 AI 데이터를 단순화하고 산업화하는 것을 임무로 삼았습니다. FeatureByte에서, 우리는 AI 실무자에게 가장 큰 도전인 일관된 방식으로 데이터를 준비하고, 서빙하고, 모델의 전체 수명 주기에서 관리하는 것을 해결하고 있습니다.

데이터 과학자 또는 엔지니어로서, 데이터 과학의 최전선에 머무르고 싶다면, FeatureByte를 무료로 경험해 보세요.

잘한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 FeatureByte를 방문할 수 있습니다.