Alon Lev, Co-Founder & CEO van Qwak – Interview Series

Alon Lev is Co-Founder & CEO van Qwak, een platform dat de engineering-frictie van machine learning verwijdert en snelle iteraties, hoge schaal en aanpasbare infrastructuur mogelijk maakt.

Wanneer raakte u voor het eerst geïnteresseerd in machine learning?

Mijn eerste significante Machine Learning-ervaring was toen ik het BI-team bij Payoneer aan het opbouwen was, ongeveer zeven jaar geleden. Ik realiseerde me dat het worden van een data-gedreven organisatie specifieke processen en tools vereist. Machine Learning, dat vandaag deel uitmaakt van elke data-gedreven bedrijfsstrategie, was in zijn vroege stadia toen.

Kunt u uw vorige rol bij Payoneer bespreken en hoe die u in staat stelde te zien hoe machine learning in belang toenam?

In mijn rol bij Payoneer als VP data, was ik verantwoordelijk voor alle data-aspecten van het bedrijf, van analytics, bi, data engineering & data science. Het wow-moment dat ik had met data science was toen we het hele credit product op basis van machine learning bouwden. Het presteerde verbazingwekkend vanaf het begin; op dat moment realiseerde ik me dat machine learning niet alleen bestaande bedrijfslijnen kon verbeteren, maar ook nieuwe bedrijven en producten kon creëren.

Wat waren enkele van de machine learning-uitdagingen die u zag?

Zeker, in de productie van ML, hebben data-eigenaren en engineers al veel op hun bord – het beheren van een productiegraad infrastructuur die ons in staat stelt om ML te productiseren, was altijd een enorme uitdaging die veel van onze projecten “doodde”.

Hoe verwijdert het Qwak-platform de engineering-frictie van machine learning?

Qwak gaat over het overnemen van de grondwerk van de ML-engineers en hen in staat stellen zich te concentreren op het creëren van bedrijfswaarde.

Ran Romano (co-founder en VP R&D) had exact dezelfde ervaring tijdens zijn tijd bij Wix, waar hij het MLops-departement leidde. Tegenwoordig ligt zijn belangrijkste focus op het aanpakken van deze uitdagingen via ons platform en het proces van productiseren van ML-modellen sneller, efficiënter en naadlozer maken. Ons doel is om het leven van ML-engineers en data scientists gemakkelijker en veel impactvoller te maken, zodat vloeiende machine learning-afleveringen een realiteit worden voor bedrijven in plaats van een wensenlijst-item.

Waarom is dit een perfecte oplossing voor bedrijven die meer machine learning-doorstroom willen, maar een schaarste aan data scientists en machine learning-engineers hebben?

We beweren niet dat we uw bedrijf of uw data begrijpen, maar we hebben veel ervaring met infrastructuur; Onze missie is duidelijk; We willen uitstekende Data Science- en Machine Learning-engineering teams helpen om geweldige producten te bouwen. We interfereren niet met modellogica, maar richten ons op wat we het beste doen, namelijk de infrastructuur.

Wat onderscheidt Qwak momenteel van concurrerende machine learning-oplossingen?

We zijn allemaal over het helpen van sterke teams om het grondwerk uit te besteden en het hele proces van ML-productisering te stroomlijnen, Qwak levert en gelooft in een horizontale aanpak om de MLOps-uitdagingen op te lossen – wat betekent dat we het platform niet alleen hebben gebouwd rond modelregister/serving of feature store en automatisering, we denken dat u ze allemaal op één plek nodig heeft om uw ML-infrastructuur te schalen.

Kunt u bespreken hoe Qwak machine learning-modellen feedback bijhoudt en waarom dit belangrijk is?

Feedback bijhouden is een van de eerste dingen die we in Qwak hebben gebouwd, omdat we het zien als een coherent onderdeel van de productielevenscyclus. Qwak biedt een feedback-API die het automatiseren van het feedback-rapportageproces mogelijk maakt.

Is er nog iets anders dat u over Qwak wilt delen?

We hebben een geweldig team van ervaren engineers en leiders in de ruimte. Met uitgebreide ervaring in de “loopgraven” van machine learning-engineering, weten we wat er moet gebeuren en we zijn pas begonnen 🙂

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Qwak bezoeken.