Razi Raziuddin, Co-Fondator și CEO al FeatureByte – Seria de Interviuri

Razi Raziuddin este Co-Fondator și CEO al FeatureByte, a cărui viziune este să deblocheze ultima mare piedică în calea escaladării inteligenței artificiale în întreprinderi. Experiența lui Razi în analize și creștere acoperă echipa de conducere a două startup-uri unicorn. Razi a ajutat la scalarea DataRobot de la 10 la 850 de angajați în mai puțin de șase ani. El a inițiat o strategie de piață condusă de servicii care a devenit marca distinctivă a creșterii rapide a DataRobot.

FeatureByte are misiunea de a scala inteligența artificială a întreprinderilor, prin simplificarea și industrializarea radicală a datelor de inteligență artificială. Platforma de inginerie și management de caracteristici (FEM) permite oamenilor de știință din domeniul datelor să creeze și să partajeze caracteristici de ultimă generație și conducte de date gata de producție în minute — și nu în săptămâni sau luni.

Ce v-a atras inițial către știința calculatoarelor și învățarea automată?

Ca persoană care a început să programeze în liceu, am fost fascinat de o mașină cu care puteam “vorbi” și o controla prin cod. Am fost instantaneu capturat de posibilitățile nelimitate ale noilor aplicații. Învățarea automată a reprezentat o schimbare de paradigmă în programare, permițând mașinilor să învețe și să execute sarcini fără a specifica pașii în cod. Potențialul infinit al aplicațiilor de învățare automată este ceea ce mă entuziasmează în fiecare zi.

Ați fost primul angajat din domeniul afacerilor la DataRobot, o platformă de învățare automată automatizată care permite organizațiilor să devină conduse de inteligență artificială. Ați ajutat apoi la scalarea companiei de la 10 la 1.000 de angajați în mai puțin de 6 ani. Care au fost unele dintre principalele concluzii ale acestei experiențe?

Trecerea de la zero la unu este grea, dar incredibil de entuziasmantă și răsplătitoare. Fiecare etapă din evoluția companiei prezintă o serie diferită de provocări, dar a vedea compania crescând și reușind este o senzație uimitoare.

Experiența mea cu AutoML mi-a deschis ochii asupra potențialului nelimitat al inteligenței artificiale. Este fascinant să vezi cum această tehnologie poate fi utilizată în atâtea industrii și aplicații diferite. La sfârșitul zilei, crearea unei noi categorii este o realizare rară, dar una incredibil de răsplătitoare. Principalele mele concluzii din această experiență:

• Construiți un produs extraordinar și evitați urmărirea modelor
• Nu vă temeți să fiți contrarian
• Concentrați-vă asupra rezolvării problemelor clienților și oferirii de valoare
• Fii întotdeauna deschis la inovație și încercarea de lucruri noi
• Creați și cultivați cultura companiei potrivită de la început

Puteți împărtăși povestea de origine din spatele FeatureByte?

Este un fapt bine cunoscut în lumea inteligenței artificiale și a învățării automate – Inteligența artificială excelentă începe cu date excelente. Dar pregătirea, implementarea și gestionarea datelor de inteligență artificială (sau caracteristici) este complexă și consumatoare de timp. Co-fondatorul meu, Xavier Conort, și eu am văzut această problemă din primă mână la DataRobot. În timp ce modelarea a devenit vast simplificată datorită instrumentelor AutoML, ingineria și gestionarea caracteristicilor rămân o provocare uriașă. Pe baza experienței și expertizei noastre combinate, Xavier și eu am simțit că putem ajuta cu adevărat organizațiile să rezolve această provocare și să livreze promisiunea inteligenței artificiale peste tot.

Ingineria caracteristicilor este în centrul FeatureByte, puteți explica ce este aceasta pentru cititorii noștri?

În cele din urmă, calitatea datelor conduce calitatea și performanța modelelor de inteligență artificială. Datele care sunt introduse în modele pentru a le antrena și a prezice rezultate viitoare se numesc caracteristici. Caracteristicile reprezintă informații despre entități și evenimente, cum ar fi date demografice sau psihografice ale consumatorilor, sau distanța dintre un deținător de card și un comerciant pentru o tranzacție cu card de credit sau numărul de articole din diferite categorii dintr-o cumpărătură.

Procesul de transformare a datelor brute în caracteristici – pentru a antrena modele de învățare automată și a prezice rezultate viitoare – se numește inginerie de caracteristici.

De ce ingineria caracteristicilor este una dintre cele mai complicate aspecte ale proiectelor de inteligență artificială?

Ingineria caracteristicilor este super importantă pentru că procesul este direct responsabil pentru performanța modelelor de învățare automată. O bună inginerie de caracteristici necesită trei abilități destul de independente care să se combine – cunoașterea domeniului, știința datelor și ingineria datelor. Cunoașterea domeniului ajută oamenii de știință din domeniul datelor să determine care semnale să extragă din date pentru un anumit problemă sau caz de utilizare. Aveți nevoie de abilități de știință a datelor pentru a extrage aceste semnale. Și, în final, ingineria datelor vă ajută să implementați conducte și să efectuați toate aceste operațiuni la scară largă pe volume mari de date.

În majoritatea organizațiilor, aceste abilități trăiesc în echipe diferite. Aceste echipe utilizează unelte diferite și nu comunică bine una cu cealaltă. Acest lucru duce la multă fricțiune în proces și îl încetinește până la un punct de oprire.

Puteți împărtăși o perspectivă asupra motivului pentru care ingineria caracteristicilor este cel mai slab punct în scalarea inteligenței artificiale?

Conform lui Andrew Ng, expert renumit în inteligență artificială, “Învățarea automată aplicată este, în esență, inginerie de caracteristici.” În ciuda criticilor sale pentru ciclul de viață al învățării automate, ingineria caracteristicilor rămâne complexă, consumatoare de timp și dependentă de cunoștințe de expert. Există o lipsă gravă de unelte pentru a face procesul mai ușor, mai rapid și mai industrializat. Efortul și expertiza necesare țin întreprinderile înapoi de la a putea implementa inteligența artificială la scară.

Puteți împărtăși unele dintre provocările din spatele construirii unei soluții de inteligență artificială centrate pe date care simplifică radical ingineria caracteristicilor pentru oamenii de știință din domeniul datelor?

Construirea unui produs care are un avantaj de 10X față de starea actuală este super greu. Din fericire, Xavier are o expertiză profundă în știința datelor pe care o folosește pentru a reevalua întreaga flux de caracteristici de la principii fundamentale. Avem o echipă de clasă mondială de oameni de știință din domeniul datelor și ingineri care pot transforma viziunea noastră în realitate. Și avem utilizatori și parteneri de dezvoltare care ne sfătuiesc despre simplificarea interfeței cu utilizatorul pentru a rezolva cel mai bine provocările lor.

Cum va accelera platforma FeatureByte pregătirea datelor pentru aplicațiile de învățare automată?

Pregătirea datelor pentru învățarea automată este un proces iterativ care se bazează pe experimentare rapidă. Kitul de dezvoltare deschis FeatureByte este un cadru declarativ pentru crearea de caracteristici de ultimă generație cu doar câteva linii de cod și implementarea conductelor de date în minute, și nu în săptămâni sau luni. Acest lucru permite oamenilor de știință din domeniul datelor să se concentreze asupra rezolvării creative a problemelor și a iterării rapide pe date live, în loc de a se îngrijora de “țevi”.

Rezultatul nu este doar o pregătire mai rapidă a datelor și o servire în producție, ci și o îmbunătățire a performanței modelului prin caracteristici puternice.

Puteți discuta cum platforma FeatureByte va oferi, de asemenea, capacitatea de a simplifica diverse sarcini de gestionare în desfășurare?

Platforma FeatureByte este proiectată pentru a gestiona ciclul de viață complet al caracteristicilor de învățare automată. Cadru declarativ permite FeatureByte să implementeze conducte de date în mod automat, extrăgând în același timp metadate relevante pentru gestionarea mediului general. Utilizatorii pot monitoriza starea conductelor și costurile, și pot gestiona linia de timp, versiunea și corectitudinea caracteristicilor, toate din aceeași interfață cu utilizatorul. Fluxurile de aprobare și acces pe bază de rol la nivel de întreprindere asigură confidențialitatea și securitatea datelor, evitând în același timp caracteristicile dispersate.

Există altceva pe care ați dori să îl împărtășiți despre FeatureByte?

Majoritatea instrumentelor de inteligență artificială pentru întreprinderi se concentrează asupra îmbunătățirii modelelor de învățare automată. Am făcut din misiunea noastră să ajutăm întreprinderile să scaleze inteligența lor artificială, simplificând și industrializând datele de inteligență artificială. La FeatureByte, abordăm cea mai mare provocare pentru practicienii de inteligență artificială: oferirea unei modalități consistente și scalabile de a pregăti, servi și gestiona datele pe tot parcursul ciclului de viață al unui model, simplificând în același timp întregul proces.

Dacă sunteți un om de știință din domeniul datelor sau inginer interesat să rămâneți la limita superioară a științei datelor, vă încurajez să experimentați puterea FeatureByte gratuit.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre FeatureByte ar trebui să viziteze FeatureByte.