Alon Lev, mede-oprichter en CEO van Qwak – Interview Series

Alon Lev is mede-oprichter en CEO van Qwak, een platform dat de engineering-frictie van machine learning wegneemt en snelle iteraties, hoge schaal en aanpasbare infrastructuur mogelijk maakt.

Wanneer bent u voor het eerst geïnteresseerd geraakt in machine learning?

Mijn eerste significante machine learning-ervaring was toen ik de BI-afdeling van 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 voorgaande 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 de 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 productie-grade 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 nemen van de grondwerk van de ML-engineers en hen in staat stellen om zich te concentreren op het creëren van bedrijfswaarde.

Ran Romano (mede-oprichter en VP R&D) had exact dezelfde ervaring tijdens zijn tijd als leidinggevende van de MLops-afdeling bij Wix. Tegenwoordig ligt zijn hoofdfocus op het aanpakken van deze uitdagingen via ons platform en het maken van het proces van productiseren van ML-modellen sneller, efficiënter en naadloos. Ons doel is om het leven van ML-engineers en data scientists gemakkelijker en impactvoller te maken, zodat vloeiende machine learning-leveringen een realiteit worden voor bedrijven in plaats van een wensenlijst-item.

Waarom is dit de 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 helpen om uitstekende Data Science- en Machine Learning-engineering teams te bouwen. We interfereren niet met modellogica, maar concentreren 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 de grondwerk te offloaden en het hele proces van ML-productisatie te stroomlijnen, Qwak levert en gelooft in een horizontale aanpak om de MLOps-uitdagingen op te lossen – wat betekent dat we niet alleen het platform hebben gebouwd rond model registry/serving of feature store en automatisering, maar we denken dat u ze allemaal op één plek nodig heeft om uw ML-infrastructuur op te schalen.

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

Feedback-tracking is een van de eerste dingen die we in Qwak hebben gebouwd, omdat we het zien als een coherent deel van de productie-levenscyclus. Qwak biedt een feedback-API die het proces van feedback-rapportage automatiseert.

Is er nog iets anders dat u over Qwak zou willen 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 net begonnen 🙂

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