Alon Lev, Co-Fundador e CEO da Qwak – Série de Entrevistas

Alon Lev é Co-Fundador e CEO da Qwak, uma plataforma que remove a fricção de engenharia da aprendizagem de máquina, permitindo iterações rápidas, alta escala e infraestrutura personalizável.

Quando você primeiro se interessou por aprendizagem de máquina?

Minha primeira experiência significativa com Aprendizagem de Máquina foi há cerca de sete anos, quando eu estava construindo a equipe de BI da Payoneer. Eu percebi que se tornar uma organização orientada por dados requer processos e ferramentas muito específicos. A Aprendizagem de Máquina, que hoje é parte de todas as estratégias de empresas orientadas por dados, estava em seus estágios iniciais naquela época.

Pode discutir seu papel anterior na Payoneer e como ele permitiu que você visse como a aprendizagem de máquina estava crescendo em importância?

No meu papel na Payoneer como VP de dados, eu era responsável por todos os aspectos de dados da empresa, desde análise, BI, engenharia de dados e ciência de dados. O momento “wow” que eu tive com a ciência de dados foi quando construímos o produto de crédito baseado em aprendizagem de máquina. Ele performou incrivelmente desde o início; naquele momento, eu percebi que a aprendizagem de máquina poderia melhorar não apenas linhas de negócios existentes, mas também criar novos negócios e produtos.

Quais foram alguns dos desafios de aprendizagem de máquina que você testemunhou?

Definitivamente, na parte de produção da ML, os proprietários de dados e engenheiros já têm muito em seu prato – gerenciar uma infraestrutura de produção que permita que nós produzamos ML era sempre um grande desafio que “matou” muitos de nossos projetos.

Como a plataforma Qwak remove a fricção de engenharia da aprendizagem de máquina?

Qwak é tudo sobre tirar o trabalho básico dos engenheiros de ML e permitir que eles se concentrem em criar valor para o negócio.

Ran Romano (co-fundador e VP de P&D) teve a mesma experiência durante seu tempo liderando o departamento de MLops da Wix. Hoje em dia, seu foco principal é lidar com esses desafios por meio de nossa plataforma e tornar o processo de tornar modelos de ML mais rápido, eficiente e sem problemas. Nosso objetivo é tornar a vida dos engenheiros de ML e cientistas de dados mais fácil e impactante, para que as entregas de aprendizagem de máquina se tornem uma realidade para as empresas, em vez de um item de desejo.

Por que essa é uma solução perfeita para empresas que desejam mais throughput de aprendizagem de máquina, mas têm uma escassez de cientistas de dados e engenheiros de aprendizagem de máquina?

Nós não afirmamos que entendemos seu negócio ou seus dados, mas temos muita experiência quando se trata de infraestrutura; Nossa missão é clara; Queremos ajudar equipes excelentes de Ciência de Dados e Engenharia de Aprendizagem de Máquina a construir produtos incríveis. Não estamos interferindo na lógica do modelo, mas sim nos concentrando no que fazemos melhor, ou seja, a infraestrutura.

O que atualmente diferencia a Qwak de outras soluções de aprendizagem de máquina?

Estamos todos sobre ajudar equipes fortes a descarregar o trabalho básico e tornar todo o processo de tornar produtos de ML mais rápido, eficiente e sem problemas. Qwak entrega e acredita em uma abordagem horizontal para resolver os desafios de MLOps – significando que não construímos a plataforma apenas em torno de registro de modelo/serviço ou loja de recursos e automação, mas sim pensamos que você precisa de todos eles em um só lugar para escalar sua infraestrutura de ML.

Pode discutir como a Qwak suporta o rastreamento de feedback de modelos de aprendizagem de máquina e por que isso é importante?

O rastreamento de feedback é uma das primeiras coisas que construímos na Qwak, pois o vemos como uma parte coerente do ciclo de vida de produção. Qwak expõe uma API de feedback que permite automatizar o processo de relatório de feedback.

Há algo mais que você gostaria de compartilhar sobre a Qwak?

Nós temos uma equipe incrível de engenheiros e líderes experientes no espaço. Com vasta experiência nas “trincheiras” da engenharia de aprendizagem de máquina, sabemos o que precisa ser feito e estamos apenas começando 🙂

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Qwak.