Джерри Сю, сооснователь и CEO Datatron – Интервью

Джерри имеет обширный опыт в области машинного обучения, систем хранения, онлайн-сервисов, распределенных систем, виртуализации и ядра ОС. Он работал над высокопроизводительными и крупномасштабными системами в компаниях such as Lyft, Box, Twitter, Zynga и Microsoft (MSFT ). Он также является автором открытого проекта Lib Crunch и трижды лауреатом премии Microsoft Gold Star Award. Джерри окончил магистратуру по компьютерным наукам в Шанхайском университете. Его последний стартап – Datatron.

Когда мы работали в Lyft, мы заметили, что данные ученые часто приходят из разных областей, таких как математика, физика, биоинженерия и т. д. Им часто очень трудно понять инженерную часть того, как работают их модели, хотя у них есть хорошее интуитивное понимание модели и математики. Это мотивировало нас начать Datatron. Мы не пытаемся помочь данным ученым найти лучший алгоритм. Мы просто помогаем им после того, как алгоритм выбран, и делаем развертывание, мониторинг и управление моделью более эффективными.

Datron начался в 2016 году после того, как вы ушли из Lyft. Как вы первоначально задумали концепцию бизнеса Datatron?

Мы многое узнали из опыта работы в StartX и 500 Startup, включая то, как презентовать инвесторам, как найти рыночную нишу, как управлять продажами и маркетингом, что мы не имели опыта раньше.

Datron – это платформа управления для моделей машинного обучения, искусственного интеллекта и данных. Не могли бы вы рассказать о некоторых функциях, которые предлагает ваша платформа?

Наш продукт имеет четыре модуля: Model Deployment, Model Minoring, Model Challenger и Model Governance.

Model Deployment:

Создавайте и масштабируйте развертывания моделей всего за несколько кликов. Развертывайте модели, разработанные в любом фреймворке или языке.

Model Monitoring:

Принимайте лучшие бизнес-решения, чтобы сэкономить время и деньги вашей команды. Мониторьте производительность модели и обнаруживайте ухудшение модели по мере его возникновения.

Model Governance:

Тратьте меньше времени на валидацию модели, обнаружение предвзятости и внутренние аудиторские процессы. Переходите от разработки модели к внутреннему аудиту и производству быстрее, чем когда-либо.

Одним из вариантов использования Datatron является прогнозирование спроса, которое важно для предприятий, которым необходимо планировать и распределять ресурсы. Как машинное обучение играет в этом роль?

Спрос обычно меняется с учетом сезонности и тенденции, что является типичной задачей машинного обучения. Модели машинного обучения, такие как ARIMA, Recurrent Neural Network (RNN), могут学习 из исторических данных, чтобы найти тенденцию и сезонность автоматически и делать прогнозы на основе этого.

Какие фреймворки моделей (например, TensorFlow) вы в настоящее время поддерживаете?

Мы поддерживаем большинство популярных фреймворков машинного обучения, таких как sklearn, TensorFlow, H2O, R, SAS и т. д.

На каких языках необходимо строить модели, чтобы они были поддержаны Datatron?

Мы поддерживаем модели в их родных языках – Python, R, Java и т. д.

Какие отрасли лучше всего подходят для использования платформы Datatron?

По сути, наша платформа является горизонтальным решением, что означает, что она может быть использована многими разными отраслями. На данный момент мы пытаемся сосредоточиться на финансовых услугах и телекоммуникациях.

Какие из наиболее сложных аспектов науки о данных сталкиваются компании, и почему Datatron решает эту проблему для них?

Многие компании имеют разные команды науки о данных, и эти команды используют разные инструменты для построения своих моделей и имеют разные практики управления моделями. Все больше и больше предприятий осознают, что модель становится активом и будет напрямую влиять на их верхнюю строку. Иметь платформу, которая может стандартизировать практику машинного обучения во всей компании, становится критически важной и необходимой. Наша платформа может помочь решить эти проблемы.

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

У нас есть много входящих интересов от крупных предприятий. В то же время мы также строим нашу команду продаж и маркетинга, чтобы активно выходить на потенциальных клиентов.

Чтобы узнать больше, посетите Datatron.