Ingo Mierswa, grundare och VD på RapidMiner, Inc – Intervjuserie

Ingo Mierswa är grundare och VD på RapidMiner, Inc. RapidMiner ger artificiell intelligens till företaget genom en öppen och utbyggbar datavetenskaplig plattform. RapidMiner är byggd för analysteam och förenar hela datavetenskapens livscykel från dataförberedelser till maskininlärning till prediktiva modellinstallation. Mer än 625,000 XNUMX analytiker använder RapidMiner-produkter för att driva intäkter, minska kostnaderna och undvika risker.

Vad var din inspiration bakom lanseringen av RapidMiner?

Jag hade arbetat inom datavetenskapskonsultbranschen i många år och jag såg ett behov av en plattform som var mer intuitiv och lättillgänglig för människor utan formell utbildning i datavetenskap. Många av de befintliga lösningarna vid den tiden förlitade sig på kodning och skript och de var helt enkelt inte användarvänliga. Dessutom gjorde det data svårt att hantera och underhålla de lösningar som utvecklades inom dessa plattformar. I grund och botten insåg jag att dessa projekt inte behövde vara så svåra, så vi började skapa RapidMiner-plattformen för att låta vem som helst vara en stor dataforskare.

Kan du diskutera den fullständiga transparensstyrningen som för närvarande används av RapidMiner?

När du inte kan förklara en modell är det ganska svårt att ställa in, lita på och översätta. Mycket datavetenskapligt arbete är att kommunicera resultaten till andra så att intressenter kan förstå hur man kan förbättra processer. Detta kräver tillit och djup förståelse. Dessutom kan problem med förtroende och översättning göra det mycket svårt att övervinna företagets krav för att få en modell i produktion. Vi utkämpar denna strid på några olika sätt:

Som en plattform för visuell datavetenskap kartlägger RapidMiner i sig en förklaring för alla datapipelines och modeller i ett mycket förbrukningsbart format som kan förstås av datavetare eller icke-dataforskare. Det gör modeller transparenta och hjälper användare att förstå modellbeteende och utvärdera dess styrkor och svagheter och upptäcka potentiella fördomar.

Dessutom kommer alla modeller som skapas i plattformen med omfattande visualiseringar för användaren – vanligtvis användaren som skapar modellen – för att få modellinsikter, förstå modellbeteende och utvärdera modellfördomar.

RapidMiner tillhandahåller också modellförklaringar – även när de är i produktion: För varje förutsägelse som skapas av en modell genererar och lägger RapidMiner till de påverkansfaktorer som har lett till eller påverkat de beslut som tagits av den modellen i produktionen.

Slutligen – och detta är mycket viktigt för mig personligen eftersom jag körde detta med våra ingenjörsteam för ett par år sedan – RapidMiner tillhandahåller också en extremt kraftfull modellsimulatorfunktion, som tillåter användare att simulera och observera modellens beteende baserat på indata som tillhandahålls av användaren. Indata kan ställas in och ändras mycket enkelt, vilket gör att användaren kan förstå modellernas prediktiva beteende i olika hypotetiska eller verkliga fall. Simulatorn visar också faktorer som påverkar modellens beslut. Användaren – i det här fallet även en affärsanvändare eller domänexpert – kan förstå modellbeteende, validera modellens beslut mot verkliga resultat eller domänkunskap och identifiera problem. Simulatorn låter dig simulera den verkliga världen och se in i framtiden – i din framtid, faktiskt.

Hur använder RapidMiner djupinlärning?

RapidMiners användning av djupinlärning är något vi är mycket stolta över. Deep learning kan vara mycket svårt att tillämpa och icke-dataforskare kämpar ofta med att sätta upp dessa nätverk utan expertstöd. RapidMiner gör denna process så enkel som möjligt för användare av alla typer. Deep learning är till exempel en del av vår produkt för automatisk maskininlärning (ML) som heter RapidMiner Go. Här behöver användaren inte veta något om djupinlärning för att kunna använda sig av den typen av sofistikerade modeller. Dessutom kan avancerade användare gå djupare och använda populära djupinlärningsbibliotek som Tensorflow, Keras eller DeepLearning4J direkt från de visuella arbetsflöden de bygger med RapidMiner. Det här är som att leka med byggstenar och förenklar upplevelsen för användare med färre kunskaper inom datavetenskap. Genom detta tillvägagångssätt kan våra användare bygga flexibla nätverksarkitekturer med olika aktiveringsfunktioner och användardefinierat antal lager och noder, flera lager med olika antal noder och välja mellan olika träningstekniker.

Vilken annan typ av maskininlärning används?

Allihopa! Vi erbjuder hundratals olika inlärningsalgoritmer som en del av RapidMiner-plattformen – allt du kan använda i de mycket använda datavetenskapliga programmeringsspråken Python och R. RapidMiner erbjuder bland annat metoder för naiva Bayes, regression som generaliserade linjära modeller, klustring av t.ex. som k-Means, FP-Growth, Decision Trees, Random Forests, Parallelized Deep Learning och Gradient Boosted Trees. Dessa och många fler är alla en del av RapidMiners modelleringsbibliotek och kan användas med ett enda klick.

Kan du diskutera hur Automodellen vet vilka optimala värden som ska användas?

RapidMiner AutoModel använder intelligent automation för att accelerera allt användarna gör och säkerställa att korrekta ljudmodeller byggs. Detta inkluderar val av instanser och automatisk borttagning av extremvärden, funktionsteknik för komplexa datatyper som datum eller texter, och fullständig automatiserad funktionsteknik med flera mål för att välja de optimala funktionerna och konstruera nya. Auto Model inkluderar även andra datarensningsmetoder för att åtgärda vanliga problem i data som saknade värden, dataprofilering genom att bedöma kvaliteten och värdet på datakolumner, datanormalisering och olika andra transformationer.

Auto Model extraherar också metadata för datakvalitet – till exempel hur mycket en kolumn beter sig som ett ID eller om det finns många saknade värden. Denna metadata används utöver den grundläggande metadatan för att automatisera och hjälpa användare att "använda de optimala värdena" och hantera datakvalitetsfrågor.

För mer detaljer har vi kartlagt det hela i vår Auto Model Blueprint. (Bild nedan för extra sammanhang)

Det finns fyra grundläggande faser där automatiseringen tillämpas:

– Dataprep: Automatisk analys av data för att identifiera vanliga kvalitetsproblem som korrelationer, saknade värden och stabilitet.
– Automatiserat modellval och optimering, inklusive fullständig validering och prestandajämförelse, som föreslår de bästa maskininlärningsteknikerna för given data och bestämmer de optimala parametrarna.
– Modellsimulering för att hjälpa till att bestämma de specifika (preskriptiva) åtgärder som ska vidtas för att uppnå det önskade resultatet som förutsägs av modellen.
– I modellimplementerings- och driftsfasen visas användarna faktorer som drift, partiskhet och affärspåverkan, automatiskt utan extra arbete.

Datorbias är ett problem med alla typer av AI, finns det några kontroller på plats för att förhindra att bias kryper upp i resultat?

Ja, detta är verkligen oerhört viktigt för etisk datavetenskap. Styrningsfunktionerna som nämnts tidigare säkerställer att användarna alltid kan se exakt vilken data som har använts för modellbyggande, hur den transformerades och om det finns en partiskhet i dataurvalet. Dessutom är våra funktioner för driftdetektering ett annat kraftfullt verktyg för att upptäcka bias. Om en modell i produktion visar mycket drift i indata, kan detta vara ett tecken på att världen har förändrats dramatiskt. Det kan dock också vara en indikator på att det fanns en allvarlig bias i träningsdata. I framtiden överväger vi att gå ännu ett steg längre och bygga maskininlärningsmodeller som kan användas för att upptäcka bias i andra modeller.

Kan du diskutera RapidMiner AI Cloud och hur det skiljer sig från konkurrerande produkter?

Kraven för ett datavetenskapsprojekt kan vara stora, komplexa och beräkningsintensiva, vilket är det som har gjort användningen av molnteknik till en så attraktiv strategi för datavetare. Tyvärr binder de olika inbyggda molnbaserade datavetenskapliga plattformarna dig till molntjänster och datalagringserbjudanden från just den molnleverantören.

RapidMiner AI Cloud är helt enkelt vår molntjänstleverans av RapidMiner-plattformen. Erbjudandet kan skräddarsys för alla kunders miljö, oavsett deras molnstrategi. Detta är viktigt nuförtiden eftersom de flesta företags syn på molndatahantering utvecklas mycket snabbt i det nuvarande klimatet. Flexibilitet är verkligen det som skiljer RapidMiner AI Cloud åt. Den kan köras i vilken molntjänst som helst, privat molnstack eller i en hybriduppställning. Vi är molnportabla, molnagnostiska, multimoln – vad du än föredrar att kalla det.

RapidMiner AI Cloud är också mycket krångligt, eftersom vi naturligtvis erbjuder möjligheten att hantera hela eller delar av implementeringen för kunder så att de kan fokusera på att driva sin verksamhet med AI, inte tvärtom. Det finns till och med ett on-demand-alternativ, som låter dig skapa en miljö efter behov för korta projekt.

RapidMiner Radoop eliminerar en del av komplexiteten bakom datavetenskap, kan du berätta för oss hur Radoop gynnar utvecklare?  

Radoop är främst till för icke-utvecklare som vill utnyttja potentialen hos big data. RapidMiner Radoop kör RapidMiner-arbetsflöden direkt inuti Hadoop på ett kodfritt sätt. Vi kan också bädda in RapidMiner-exekveringsmotorn i Spark så att det är enkelt att driva in kompletta arbetsflöden i Spark utan komplexiteten som kommer från kodcentrerade tillvägagångssätt.

Skulle en statlig enhet kunna använda RapidMiner för att analysera data för att förutsäga potentiella pandemier, liknande hur BlueDot fungerar?

Som en allmän plattform för datavetenskap och maskininlärning är RapidMiner avsedd att effektivisera och förbättra modellskapandet och hanteringsprocessen, oavsett vilket ämne eller vilken domän som är i centrum för problemet med datavetenskap/maskininlärning. Även om vårt fokus inte är på att förutsäga pandemier, med rätt data kan en ämnesexpert (som en virolog eller epidemiolog, i det här fallet) använda plattformen för att skapa en modell som exakt kan förutsäga pandemier. Faktum är att många forskare använder RapidMiner – och vår plattform är gratis för akademiska ändamål.

Finns det något mer du skulle vilja dela med dig av om RapidMiner?

Ge det ett försök! Du kanske blir förvånad över hur lätt datavetenskap kan vara och hur mycket en bra plattform kan förbättra dig och ditt teams produktivitet.

Tack för denna fantastiska intervjuare, läsare som vill veta mer bör besöka RapidMiner.