Xavier Conort, Co-Fundador e CPO da FeatureByte – Série de Entrevistas

Xavier Conort é um cientista de dados visionário com mais de 25 anos de experiência em dados. Ele começou sua carreira como atuário na indústria de seguros antes de se mudar para a ciência de dados. Ele é um competidor de alto nível do Kaggle e foi o Chief Data Scientist da DataRobot antes de co-fundar a FeatureByte.

FeatureByte está em uma missão para escalar a inteligência artificial empresarial, radicalmente simplificando e industrializando os dados de IA. A plataforma de engenharia e gerenciamento de recursos habilita os cientistas de dados a criar e compartilhar recursos de ponta e pipelines de dados prontos para produção em minutos – em vez de semanas ou meses.

Você começou sua carreira como atuário na indústria de seguros antes de se mudar para a ciência de dados, o que causou essa mudança?

Um momento definidor foi vencer o GE Flight Quest, uma competição organizada pela GE com um prêmio de $250K, onde os participantes tinham que prever atrasos de voos domésticos nos EUA. Devo parte desse sucesso a uma prática valiosa de seguros: o modelo de 2 estágios. Essa abordagem ajuda a controlar o viés nos recursos que falta representação suficiente nos dados de treinamento disponíveis. Além de outras vitórias no Kaggle, esse feito me convenceu de que meu background atuarial me dava uma vantagem competitiva no campo da ciência de dados.

Durante minha jornada no Kaggle, também tive o privilégio de me conectar com outros cientistas de dados entusiastas, incluindo Jeremy Achin e Tom De Godoy, que mais tarde se tornariam os fundadores da DataRobot. Nós compartilhávamos um background comum em seguros e havíamos alcançado sucessos notáveis no Kaggle. Quando eles finalmente lançaram a DataRobot, uma empresa especializada em AutoML, eles me convidaram para me juntar a eles como o Chief Data Scientist. A visão deles de combinar as melhores práticas da indústria de seguros com o poder do aprendizado de máquina me emocionou, apresentando uma oportunidade de criar algo inovador e impactante.

Na DataRobot, você foi fundamental para construir a estratégia de ciência de dados. Quais foram os principais desafios de dados que você enfrentou?

O desafio mais significativo que enfrentamos foi a variada qualidade dos dados fornecidos como entrada para nossa solução de AutoML. Esse problema frequentemente resultava em colaboração demorada entre nossa equipe e os clientes ou resultados desapontadores em produção se não fosse abordado adequadamente. Os problemas de qualidade provinham de várias fontes que exigiam nossa atenção.

Um dos principais desafios surgiu do uso geral de ferramentas de inteligência de negócios para preparo e gerenciamento de dados. Embora essas ferramentas sejam valiosas para gerar insights, elas carecem das capacidades necessárias para garantir a correção pontual para a preparação de dados de aprendizado de máquina. Como resultado, vazamentos em dados de treinamento podiam ocorrer, levando a sobreajuste e desempenho de modelo impreciso.

A falta de comunicação entre cientistas de dados e engenheiros de dados foi outro desafio que afetou a precisão dos modelos durante a produção. Inconsistências entre as fases de treinamento e produção, decorrentes da falta de alinhamento entre essas duas equipes, podiam impactar o desempenho do modelo em um ambiente real.

Quais foram algumas das principais lições aprendidas com essa experiência?

Minha experiência na DataRobot destacou a importância da preparação de dados na aprendizagem de máquina. Ao abordar os desafios de geração de dados de treinamento de modelos, como a correção pontual, lacunas de expertise, conhecimento de domínio, limitações de ferramentas e escalabilidade, podemos melhorar a precisão e confiabilidade dos modelos de aprendizado de máquina. Cheguei à conclusão de que simplificar o processo de preparação de dados e incorporar tecnologias inovadoras será fundamental para desbloquear o potencial total da IA e cumprir suas promessas.

Também ouvimos de seu co-fundador Razi Raziuddin sobre a história de criação da FeatureByte; poderíamos ter a sua versão dos eventos?

Quando discuti minhas observações e insights com meu co-fundador Razi Raziuddin, percebemos que compartilhávamos uma compreensão comum dos desafios na preparação de dados para aprendizado de máquina. Durante nossas discussões, compartilhei com Razi minhas percepções sobre os recentes avanços na comunidade MLOps. Pude observar o surgimento de lojas de recursos e plataformas de recursos que empresas de tecnologia de IA implementam para reduzir a latência de fornecimento de recursos, encorajar a reutilização de recursos ou simplificar a materialização de recursos em dados de treinamento, garantindo a consistência entre treinamento e serviço. No entanto, ficou claro para nós que ainda havia uma lacuna em atender às necessidades dos cientistas de dados. Razi compartilhou comigo suas percepções sobre como a pilha de dados moderna revolucionou a inteligência de negócios e a análise, mas não está sendo totalmente aproveitada para IA.

Tornou-se aparente para Razi e para mim que tínhamos a oportunidade de fazer um impacto significativo simplificando radicalmente o processo de engenharia de recursos e fornecendo aos cientistas de dados e engenheiros de ML as ferramentas e a experiência de usuário certas para experimentação de recursos e fornecimento de recursos sem interrupções.

Quais foram alguns dos seus maiores desafios ao fazer a transição de cientista de dados para empreendedor?

A transição de cientista de dados para empreendedor exigiu que eu mudasse de uma perspectiva técnica para uma mentalidade mais ampla e orientada para os negócios. Embora eu tivesse uma base sólida em entender pontos fracos, criar um plano de ação, executar planos, construir uma equipe e gerenciar orçamentos, encontrei que criar a mensagem certa que realmente ressoava com nosso público-alvo foi um dos meus principais obstáculos.

Como cientista de dados, meu foco principal sempre foi analisar e interpretar dados para derivar insights valiosos. No entanto, como empreendedor, precisei redirecionar meu pensamento para o mercado, os clientes e os negócios como um todo.

Felizmente, fui capaz de superar esse desafio aproveitando a experiência de alguém como meu co-fundador Razi.

Como cientista de dados, o que torna a engenharia de recursos tão difícil, na sua visão?

A engenharia de recursos tem dois principais desafios:

1. Transformar colunas existentes: Isso envolve converter dados em um formato adequado para algoritmos de aprendizado de máquina. Técnicas como one-hot encoding, escalonamento de recursos e métodos avançados, como transformações de texto e imagem, são usadas. Criar novos recursos a partir dos existentes, como recursos de interação, pode melhorar significativamente o desempenho do modelo. Bibliotecas populares como scikit-learn e Hugging Face oferecem suporte extensivo a esse tipo de engenharia de recursos. Soluções de AutoML visam simplificar o processo também.
2. Extrair novas colunas de dados históricos: Dados históricos são cruciais em domínios de problemas como sistemas de recomendação, marketing, detecção de fraude, precificação de seguros, pontuação de crédito, previsão de demanda e processamento de dados de sensores. Extrair colunas informativas desses dados é desafiador. Exemplos incluem tempo desde o último evento, agregações sobre eventos recentes e embeddings de sequências de eventos. Esse tipo de engenharia de recursos exige expertise de domínio, experimentação, habilidades de codificação e engenharia de dados fortes e conhecimento profundo de ciência de dados. Fatores como vazamento de tempo, manipulação de grandes conjuntos de dados e execução de código eficiente também precisam ser considerados.

Em geral, a engenharia de recursos exige expertise, experimentação e construção de pipelines de dados complexos e personalizados na ausência de ferramentas projetadas especificamente para isso.

Poderia compartilhar como a FeatureByte habilita profissionais de ciência de dados enquanto simplifica pipelines de recursos?

A FeatureByte habilita profissionais de ciência de dados simplificando todo o processo de engenharia de recursos. Com um SDK Python intuitivo, permite a criação rápida de recursos e extração de tabelas de eventos e itens XLarge. O cálculo é tratado de forma eficiente aproveitando a escalabilidade de plataformas de dados como Snowflake, DataBricks e Spark. Notebooks facilitam a experimentação, enquanto o compartilhamento e reutilização de recursos economizam tempo. Auditoria garante a precisão dos recursos, enquanto o deploy imediato elimina dores de cabeça de gerenciamento de pipelines.

Além das capacidades oferecidas por nossa biblioteca de código aberto, nossa solução empresarial fornece um framework abrangente para gerenciar e organizar operações de IA em escala, incluindo fluxos de trabalho de governança e uma interface de usuário para o catálogo de recursos.

Qual é a sua visão para o futuro da FeatureByte?

Nossa visão ultimate para a FeatureByte é revolucionar o campo da ciência de dados e aprendizado de máquina, habilitando os usuários a liberar seu pleno potencial criativo e extrair valor sem precedentes de seus ativos de dados.

Estamos particularmente animados com o rápido progresso em IA Geradora e transformadores, o que abre um mundo de possibilidades para nossos usuários. Além disso, estamos dedicados a democratizar a engenharia de recursos. A IA Geradora tem o potencial de reduzir a barreira de entrada para a engenharia de recursos criativa, tornando-a mais acessível a uma audiência mais ampla.

Em resumo, nossa visão para o futuro da FeatureByte gira em torno da inovação contínua, aproveitando o poder da IA Geradora e democratizando a engenharia de recursos. Nosso objetivo é ser a plataforma de referência que permite que profissionais de dados transformem dados brutos em entrada ação para aprendizado de máquina, impulsionando avanços e quebras em diversas indústrias.

Tem algum conselho para empreendedores de IA aspirantes?

Defina seu espaço, mantenha o foco e acolha a novidade.

Ao definir o espaço que você deseja possuir, você pode se diferenciar e estabelecer uma presença forte nessa área. Pesquise o mercado, entenda as necessidades e pontos fracos dos clientes potenciais e busque fornecer uma solução única que aborde esses desafios de forma eficaz.

Defina sua visão de longo prazo e estabeleça metas de curto prazo claras que se alinhem com essa visão. Concentre-se em construir uma base sólida e entregar valor em seu espaço escolhido.

Finalmente, enquanto é importante manter o foco, não hesite em abraçar a novidade e explorar novas ideias dentro de seu espaço definido. O campo de IA está constantemente evoluindo, e abordagens inovadoras podem abrir novas oportunidades.

Obrigado pela grande entrevista; leitores que desejam aprender mais devem visitar FeatureByte.