Алон Лев, сооснователь и CEO Qwak – Интервью

Алон Лев – сооснователь и CEO Qwak, платформа, которая удаляет инженерные проблемы из машинного обучения, позволяя быстрые итерации, высокую масштабируемость и настраиваемую инфраструктуру.

Когда вы впервые заинтересовались машинным обучением?

Мой первый значительный опыт с машинным обучением был, когда я строил команду бизнес-интеллекта в Payoneer около семи лет назад. Я понял, что становление данными-ориентированной организацией требует очень конкретных процессов и инструментов. Машинное обучение, которое сегодня является частью каждой стратегии данных-ориентированной компании, было на ранних стадиях в то время.

Можете ли вы рассказать о своей предыдущей роли в Payoneer и как она позволила вам увидеть, как машинное обучение набирает важность?

В моей роли в Payoneer в качестве вице-президента по данным, я был ответственным за все аспекты данных компании, от аналитики, бизнес-интеллекта, инженерии данных и науки о данных. Самый впечатляющий момент для меня был, когда мы построили весь кредитный продукт на основе машинного обучения. Он работал удивительно хорошо с самого начала; в тот момент я понял, что машинное обучение может не только улучшить существующие бизнес-линии, но и создать новые бизнесы и продукты.

Какие были некоторые проблемы машинного обучения, которые вы наблюдали?

Определенно, в производственной части машинного обучения владельцы данных и инженеры уже имеют много на своей тарелке – управление производственной инфраструктурой, которая позволит нам превратить машинное обучение в продукт, всегда была огромной проблемой, которая “убивала” многие наши проекты.

Как платформа Qwak удаляет инженерные проблемы из машинного обучения?

Qwak – это все о том, чтобы взять базовую работу у инженеров машинного обучения и позволить им сосредоточиться на создании бизнес-ценности.

Ran Romano (сооснователь и вице-президент по исследованиям и разработкам) имел точно такой же опыт во время своего времени в качестве руководителя департамента MLops в Wix. Сегодня его основной фокус – решать эти проблемы посредством нашей платформы и делать процесс превращения моделей машинного обучения в продукты быстрее, более эффективным и безшовным. Наша цель – сделать жизнь инженеров машинного обучения и ученых-исследователей проще и более эффективной, чтобы доставка машинного обучения стала реальностью для компаний, а не желаемым пунктом в списке.

Почему это идеальное решение для компаний, которые хотят больше машинного обучения, но имеют нехватку данных ученых и инженеров машинного обучения?

Мы не утверждаем, что понимаем ваш бизнес или ваши данные, но у нас есть огромный опыт, когда речь идет об инфраструктуре; Наша миссия ясна; Мы хотим помочь отличным командам науки о данных и машинного обучения построить удивительные продукты. Мы не вмешиваемся в логiku модели, а скорее фокусируемся на том, что мы делаем лучше всего, а именно на инфраструктуре.

Что сейчас отличает Qwak от конкурирующих решений машинного обучения?

Мы все о том, чтобы помочь сильным командам снять базовую работу и оптимизировать весь процесс превращения машинного обучения в продукты, Qwak доставляет и верит в горизонтальный подход к решению проблем MLOps – то есть мы не построили платформу только вокруг реестра моделей/сервиса или хранилища функций и автоматизации, мы на самом деле думаем, что вам нужно все это в одном месте, чтобы масштабировать вашу инфраструктуру машинного обучения.

Можете ли вы рассказать, как Qwak поддерживает отслеживание обратной связи моделей машинного обучения и почему это важно?

Отслеживание обратной связи – одно из первых вещей, которые мы построили в Qwak, поскольку мы видим это как связную часть производственного жизненного цикла. Qwak предоставляет API для обратной связи, который позволяет автоматизировать процесс отчетности об обратной связи.

Есть ли что-то еще, что вы хотели бы поделиться о Qwak?

У нас есть удивительная команда опытных инженеров и лидеров в этой области. С огромным опытом в “окопах” инженерии машинного обучения, мы знаем, что нужно делать, и мы только начинаем 🙂

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Qwak.