สัมภาษณ์
Alon Lev, Co-Founder & CEO of Qwak – Interview Series
Alon Lev เป็น Co-Founder & CEO ของ Qwak, แพลตฟอร์มที่ลบความซับซ้อนของวิศวกรรมออกจากเครื่องมือการเรียนรู้ของเครื่อง ในขณะเดียวกันก็ช่วยให้เกิดการวนซ้ำที่รวดเร็ว มีมาตราส่วนสูง และโครงสร้างพื้นฐานที่สามารถปรับแต่งได้
คุณเริ่มสนใจเครื่องมือการเรียนรู้ของเครื่องเมื่อไหร่
ประสบการณ์เครื่องมือการเรียนรู้ของเครื่องครั้งสำคัญของฉันเกิดขึ้นเมื่อฉันสร้างทีม BI ที่ Payoneer เมื่อประมาณเจ็ดปีที่แล้ว ฉันรู้ว่าการเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลต้องใช้กระบวนการและเครื่องมือที่เฉพาะเจาะจง เครื่องมือการเรียนรู้ของเครื่อง ซึ่งเป็นส่วนหนึ่งของกลยุทธ์ของบริษัทที่ขับเคลื่อนด้วยข้อมูลทุกแห่งในปัจจุบัน ยังอยู่ในระยะเริ่มต้นในขณะนั้น
คุณสามารถพูดคุยเกี่ยวกับบทบาทก่อนหน้าของคุณที่ Payoneer และวิธีที่มันทำให้คุณเห็นถึงความสำคัญที่เพิ่มขึ้นของเครื่องมือการเรียนรู้ของเครื่องได้หรือไม่
ในบทบาทของฉันที่ Payoneer ในฐานะ VP ของข้อมูล ฉันรับผิดชอบทุกด้านของข้อมูลของบริษัท ตั้งแต่การวิเคราะห์ BI วิศวกรรมข้อมูล และวิทยาศาสตร์ข้อมูล โมเมนต์ที่น่าประทับใจที่ฉันมีกับวิทยาศาสตร์ข้อมูลคือเมื่อเราสร้างผลิตภัณฑ์เครดิตทั้งหมดโดยใช้เครื่องมือการเรียนรู้ของเครื่อง มันทำงานได้อย่างน่าประทับใจตั้งแต่ต้น และในตอนนั้น ฉันรู้ว่าเครื่องมือการเรียนรู้ของเครื่องสามารถปรับปรุงไม่เพียงแต่ธุรกิจที่มีอยู่เท่านั้น แต่ยังสามารถสร้างธุรกิจและผลิตภัณฑ์ใหม่ๆ ได้ด้วย
คุณพบกับความท้าทายใดบ้างเกี่ยวกับเครื่องมือการเรียนรู้ของเครื่อง
อย่างแน่นอน ในส่วนการผลิตของ ML ผู้จัดการข้อมูลและวิศวกรมีงานที่ต้องทำมากมายแล้ว การจัดการโครงสร้างพื้นฐานที่มีคุณภาพการผลิตซึ่งจะช่วยให้เราสามารถสร้างผลิตภัณฑ์จาก ML ได้ เป็นความท้าทายที่ยิ่งใหญ่ที่ “ฆ่า” โครงการของเรามากมาย
แพลตฟอร์ม Qwak ลบความซับซ้อนของวิศวกรรมออกจากเครื่องมือการเรียนรู้ของเครื่องได้อย่างไร
Qwak คือการนำงานพื้นฐานจากวิศวกร ML และช่วยให้พวกเขาเน้นไปที่การสร้างมูลค่าทางธุรกิจ
Ran Romano (ผู้ร่วมก่อตั้งและ VP R&D) มีประสบการณ์เดียวกันในช่วงเวลาที่เขานำทีม MLops ที่ Wix ในปัจจุบัน เขามุ่งเน้นไปที่การแก้ไขความท้าทายเหล่านี้ผ่านแพลตฟอร์มของเรา และทำให้กระบวนการสร้างผลิตภัณฑ์จากโมเดล ML เร็วขึ้น มีประสิทธิภาพ และราบรื่นมากขึ้น เป้าหมายของเราคือทำให้วิศวกร ML และนักวิทยาศาสตร์ข้อมูลมีชีวิตที่ง่ายขึ้นและสร้างผลกระทบมากขึ้น เพื่อให้การนำเสนอเครื่องมือการเรียนรู้ของเครื่องแบบคล่องตัวกลายเป็นความเป็นจริงสำหรับบริษัทต่างๆ มากกว่ารายการในรายการความปรารถนา
ทำไมแพลตฟอร์ม Qwak จึงเป็นโซลูชันที่สมบูรณ์แบบสำหรับบริษัทที่ต้องการการผ่านเครื่องมือการเรียนรู้ของเครื่องมากขึ้น แต่มีนักวิทยาศาสตร์ข้อมูลและวิศวกรเครื่องมือการเรียนรู้ของเครื่องไม่เพียงพอ
เราไม่กล่าวว่าเรารู้ธุรกิจหรือข้อมูลของคุณ แต่เรามีประสบการณ์มากมายเกี่ยวกับโครงสร้างพื้นฐาน เป้าหมายของเราคือชัดเจน เราต้องการช่วยให้ทีมวิทยาศาสตร์ข้อมูลและวิศวกรรมเครื่องมือการเรียนรู้ของเครื่องที่ยอดเยี่ยมสร้างผลิตภัณฑ์ที่น่าประทับใจ เราไม่เข้ามาแทรกแซงตรรกะของโมเดล แต่เรามุ่งเน้นไปที่สิ่งที่เราทำได้ดีที่สุด นั่นคือโครงสร้างพื้นฐาน
ปัจจุบัน Qwak มีอะไรที่แตกต่างจากโซลูชันเครื่องมือการเรียนรู้ของเครื่องอื่นๆ
เราเน้นไปที่การช่วยเหลือทีมที่แข็งแกร่งในการโหลดงานพื้นฐานและทำให้กระบวนการสร้างผลิตภัณฑ์จากโมเดล ML ราบรื่น Qwak นำเสนอและเชื่อมั่นในแนวทางแบบแนวนอนในการแก้ไขความท้าทายของ MLOps – หมายความว่าเราไม่ได้สร้างแพลตฟอร์มเพียงเพื่อจดทะเบียนโมเดล/การให้บริการ หรือฟีเจอร์สโตร์ และการทำให้กระบวนการอัตโนมัติ เราเชื่อว่าคุณต้องการทุกอย่างในสถานที่เดียวเพื่อปรับขนาดโครงสร้างพื้นฐาน ML
คุณสามารถพูดคุยเกี่ยวกับวิธีที่ Qwak รองรับการติดตามข้อเสนอแนะของโมเดลเครื่องมือการเรียนรู้ของเครื่องและทำไมมันจึงสำคัญได้หรือไม่
การติดตามข้อเสนอแนะเป็นหนึ่งในสิ่งแรกที่เราได้สร้างใน Qwak เนื่องจากเราเห็นว่ามันเป็นส่วนหนึ่งของวงจรชีวิตการผลิต Qwak เผยแพร่ API ข้อเสนอแนะที่ช่วยให้สามารถทำให้กระบวนการรายงานข้อเสนอแนะเป็นอัตโนมัติ
มีอะไรอีกบ้างที่คุณต้องการแบ่งปันเกี่ยวกับ Qwak
เรามีทีมวิศวกรและผู้นำที่มีประสบการณ์มากมายในพื้นที่ ด้วยประสบการณ์มากมายใน “สนามรบ” ของวิศวกรรมเครื่องมือการเรียนรู้ของเครื่อง เรารู้ว่าต้องทำอะไรและเรากำลังเพิ่งเริ่มต้น 🙂
ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Qwak เพื่อเรียนรู้เพิ่มเติม
