ราซี ราซิอุดดิน Co-Founder & CEO ของ FeatureByte – สัมภาษณ์รายการ

ราซี ราซิอุดดิน เป็น Co-Founder & CEO ของ FeatureByte โดยมีเป้าหมายที่จะแก้ไขอุปสรรคสุดท้ายในการขยาย AI ในองค์กร ราซี มีประสบการณ์ในการวิเคราะห์และเติบโตที่ครอบคลุมทีมผู้นำของสองสตาร์ทอัพยูนิคอร์น ราซี ช่วยขยาย DataRobot จาก 10 ถึง 850 คน ในเวลาไม่ถึง 6 ปี เขาเป็นผู้บุกเบิกกลยุทธ์การตลาดที่ขับเคลื่อนด้วยบริการ ซึ่งกลายเป็นเครื่องหมายการค้าของการเติบโตอย่างรวดเร็วของ DataRobot

FeatureByte มีภารกิจที่จะขยาย AI ขององค์กร โดยการทำให้ข้อมูล AI ง่ายขึ้นและเป็นอุตสาหกรรม แพลตฟอร์ม Feature Engineering และ Management (FEM) ช่วยให้นักวิทยาศาสตร์ข้อมูลสามารถสร้างและแบ่งปันคุณลักษณะที่ทันสมัยและข้อมูลที่พร้อมสำหรับการผลิตในเวลาไม่กี่นาที แทนที่จะใช้เวลาหลายสัปดาห์หรือหลายเดือน

อะไรที่ดึงดูดคุณให้เข้าสู่วิทยาศาสตร์คอมพิวเตอร์และการเรียนรู้ของเครื่อง?

ในฐานะคนที่เริ่มเขียนโค้ดตั้งแต่สมัยมัธยม ผมถูกดึงดูดโดยเครื่องที่สามารถ “พูด” และควบคุมได้ด้วยโค้ด ผมถูกดึงดูดโดยความเป็นไปได้ที่ไม่มีที่สิ้นสุดของแอปพลิเคชันใหม่ๆ การเรียนรู้ของเครื่องเป็นตัวแทนของการเปลี่ยนแปลงในแนวคิดการเขียนโปรแกรม โดยทำให้เครื่องสามารถเรียนรู้และทำงานได้โดยไม่ต้องกำหนดขั้นตอนในโค้ด ความเป็นไปได้ที่ไม่มีที่สิ้นสุดของการประยุกต์ใช้ ML ทำให้ผมตื่นเต้นในทุกๆ วัน

คุณเป็นพนักงานธุรกิจคนแรกที่ DataRobot ซึ่งเป็นแพลตฟอร์มการเรียนรู้ของเครื่องอัตโนมัติที่ช่วยให้องค์กรสามารถขับเคลื่อนโดย AI คุณช่วยขยายบริษัทจาก 10 ถึง 1,000 คน ในเวลาไม่ถึง 6 ปี คุณได้รับข้อคิดเห็นอะไรบ้างจากประสบการณ์นี้?

การไปจาก 0 ถึง 1 เป็นเรื่องที่ยาก แต่น่าตื่นเต้นและให้ผลตอบแทนที่ดี ในทุกๆ ระยะของการเติบโตของบริษัท มีคำถามที่แตกต่างกัน แต่การเห็นบริษัทเติบโตและประสบความสำเร็จเป็นความรู้สึกที่น่าประทับใจ

ประสบการณ์ของผมกับ AutoML เปิดเผยให้ผมเห็นถึงศักยภาพที่ไม่มีที่สิ้นสุดของ AI มันน่าตื่นเต้นที่จะเห็นว่าเทคโนโลยีนี้สามารถใช้ได้ในหลายอุตสาหกรรมและแอปพลิเคชัน ในที่สุด การสร้างหมวดหมู่ใหม่ๆ เป็นความสำเร็จที่หายาก แต่ก็เป็นเรื่องที่น่าพึงพอใจมาก ข้อคิดเห็นของผมจากประสบการณ์นี้คือ:

• สร้างผลิตภัณฑ์ที่น่าประทับใจและหลีกเลี่ยงการไล่ตามกระแส
• ไม่ต้องกลัวที่จะไม่เหมือนคนอื่น
• มุ่งเน้นในการแก้ปัญหาและให้คุณค่าแก่ลูกค้า
• เปิดกว้างสำหรับการนวัตกรรมและลองสิ่งใหม่ๆ
• สร้างและปลูกฝังวัฒนธรรมบริษัทที่ถูกต้องตั้งแต่เริ่มต้น

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับ FeatureByte ได้หรือไม่?

เป็นที่รู้กันว่าในโลก AI/ML – ว่า AI ที่ดีเริ่มต้นจากข้อมูลที่ดี แต่การเตรียม การใช้งาน และการจัดการข้อมูล AI (หรือคุณลักษณะ) เป็นเรื่องที่ซับซ้อนและใช้เวลานาน ผมและผู้ร่วมก่อตั้ง Xavier Conort เห็นปัญหานี้อย่างชัดเจนที่ DataRobot ในขณะที่การสร้างแบบจำลองได้รับการทำให้ง่ายขึ้นมากโดยใช้เครื่องมือ AutoML การสร้างคุณลักษณะและการจัดการยังคงเป็นความท้าทายที่ยิ่งใหญ่ โดยอาศัยประสบการณ์และความเชี่ยวชาญร่วมกันของเรา เรารู้สึกว่าเราสามารถช่วยให้องค์กรแก้ไขปัญหานี้และให้ผลลัพธ์ของ AI ได้

การสร้างคุณลักษณะเป็นแก่นกลางของ FeatureByte คุณสามารถอธิบายสิ่งนี้ให้ผู้อ่านได้หรือไม่?

สุดท้าย คุณภาพของข้อมูลขับเคลื่อนคุณภาพและประสิทธิภาพของแบบจำลอง AI ข้อมูลที่ป้อนเข้าแบบจำลองเพื่อฝึกอบรมและคาดการณ์ผลลัพธ์ในอนาคตเรียกว่า คุณลักษณะ คุณลักษณะแสดงถึงข้อมูลเกี่ยวกับหน่วยและเหตุการณ์ เช่น ข้อมูลประชากรหรือจิตวิทยาของผู้บริโภค หรือระยะห่างระหว่างผู้ถือบัตรและผู้ขายสำหรับการทำธุรกรรมบัตรเครดิต หรือจำนวนรายการที่แตกต่างกันจากการซื้อของร้านค้า

กระบวนการแปลงข้อมูลดิบเป็นคุณลักษณะเพื่อฝึกอบรมและคาดการณ์ผลลัพธ์ในอนาคตเรียกว่า การสร้างคุณลักษณะ

ทำไมการสร้างคุณลักษณะจึงเป็นหนึ่งในส่วนที่ซับซ้อนที่สุดของโครงการ AI?

การสร้างคุณลักษณะเป็นสิ่งสำคัญมาก เนื่องจากกระบวนการนี้มีผลโดยตรงต่อประสิทธิภาพของแบบจำลอง AI การสร้างคุณลักษณะที่ดีต้องใช้ทักษะที่เป็นอิสระสามประการมารวมกัน – ความรู้ในด้าน การวิทยาศาสตร์ข้อมูล และวิศวกรรมข้อมูล ความรู้ในด้านช่วยให้นักวิทยาศาสตร์ข้อมูลสามารถกำหนดสัญญาณที่จะถอดรหัสจากข้อมูลสำหรับปัญหาหรือกรณีการใช้งานเฉพาะได้ คุณต้องใช้ทักษะการวิทยาศาสตร์ข้อมูลเพื่อถอดรหัสสัญญาณเหล่านั้น และสุดท้าย วิศวกรรมข้อมูลช่วยให้คุณสามารถใช้การทำงานเหล่านี้ได้ที่ขนาดใหญ่

ในองค์กรส่วนใหญ่ ทักษะเหล่านี้อยู่ในทีมที่แตกต่างกัน ทีมเหล่านี้ใช้เครื่องมือที่แตกต่างกันและไม่สื่อสารกันอย่างดี ซึ่งนำไปสู่ความตึงเครียดในกระบวนการและชะลอการทำงาน

คุณสามารถแบ่งปันข้อคิดเห็นเกี่ยวกับเหตุใดการสร้างคุณลักษณะจึงเป็นจุดอ่อนในการขยาย AI หรือไม่?

ตามที่ Andrew Ng ผู้เชี่ยวชาญที่มีชื่อเสียงในด้าน AI กล่าวว่า “การเรียนรู้ของเครื่องแบบใช้งานจริงเป็นหลักๆ คือการสร้างคุณลักษณะ” แม้ว่าการสร้างคุณลักษณะจะมีความสำคัญต่อวงจรชีวิตของ AI แต่ก็ยังคงเป็นเรื่องที่ซับซ้อน ใช้เวลานาน และต้องใช้ความเชี่ยวชาญ มีเครื่องมือที่ไม่เพียงพอในการทำให้กระบวนการนี้ง่ายขึ้น เร็วขึ้น และเป็นอุตสาหกรรมมากขึ้น ความพยายามและความเชี่ยวชาญที่ต้องการทำให้องค์กรมีความยากที่จะใช้ AI ในระดับที่กว้างขวาง

คุณสามารถแบ่งปันข้อท้าทายบางประการในการสร้างโซลูชัน AI ที่ขับเคลื่อนด้วยข้อมูลซึ่งทำให้การสร้างคุณลักษณะง่ายขึ้นสำหรับนักวิทยาศาสตร์ข้อมูลหรือไม่?

การสร้างผลิตภัณฑ์ที่มีข้อได้เปรียบ 10 เท่าเหนือสถานะปัจจุบันคือเรื่องที่ยากมาก幸นั้น Xavier มีความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลที่เขากำลังใช้ในการคิดกระบวนการสร้างคุณลักษณะใหม่จากหลักการ เรามีทีมที่มีคุณภาพสูงของนักวิทยาศาสตร์ข้อมูลและวิศวกรที่สามารถเปลี่ยนความฝันของเราให้เป็นความจริง และเรามีผู้ใช้และพันธมิตรในการพัฒนาที่สามารถให้คำแนะนำเราในการทำให้ UX ง่ายขึ้นเพื่อแก้ไขปัญหาของพวกเขา

FeatureByte จะช่วยให้การเตรียมข้อมูลสำหรับการใช้งาน AI เร็วขึ้นได้อย่างไร?

การเตรียมข้อมูลสำหรับ AI เป็นกระบวนการที่ต้องทำซ้ำซึ่งต้องอาศัยการลองผิดลองถูกอย่างรวดเร็ว ฟรีเมียม FeatureByte SDK เป็นเฟรมเวิร์กที่ประกาศไว้สำหรับการสร้างคุณลักษณะที่ทันสมัยด้วยโค้ดเพียงไม่กี่บรรทัดและใช้ข้อมูลที่พร้อมสำหรับการผลิตในเวลาไม่กี่นาที แทนที่จะใช้เวลาหลายสัปดาห์หรือหลายเดือน สิ่งนี้ช่วยให้นักวิทยาศาสตร์ข้อมูลสามารถมุ่งเน้นไปที่การแก้ปัญหาและลองผิดลองถูกอย่างรวดเร็วบนข้อมูลสด แทนที่จะกังวลเกี่ยวกับการทำงานเบื้องหลัง

ผลลัพธ์ไม่เพียงแต่การเตรียมข้อมูลที่เร็วขึ้นและให้บริการในระดับการผลิตเท่านั้น แต่ยังรวมถึงประสิทธิภาพของแบบจำลองที่ดีขึ้นด้วยคุณลักษณะที่มีพลัง

คุณสามารถอธิบายได้หรือไม่ว่า FeatureByte จะช่วยให้สามารถจัดการงานบริหารจัดการที่หลากหลายได้อย่างไร?

FeatureByte ได้รับการออกแบบมาเพื่อจัดการวงจรชีวิตของคุณลักษณะ AI ทั้งหมด เฟรมเวิร์กที่ประกาศไว้ทำให้ FeatureByte สามารถใช้ข้อมูลที่พร้อมสำหรับการผลิตได้โดยอัตโนมัติ ในขณะที่ยังดึงข้อมูลที่เกี่ยวข้องกับการจัดการสภาพแวดล้อมทั้งหมด ผู้ใช้สามารถตรวจสอบสุขภาพของการทำงานและต้นทุน และจัดการการสร้าง การแก้ไข และความถูกต้องของคุณลักษณะทั้งหมดจาก GUI เดียวกัน การควบคุมการเข้าถึงและการอนุมัติแบบหลายระดับช่วยให้แน่ใจถึงความเป็นส่วนตัวและความปลอดภัยของข้อมูล ในขณะเดียวกันก็หลีกเลี่ยงการแพร่กระจายของคุณลักษณะ

มีอะไรอีกไหมที่คุณต้องการแบ่งปันเกี่ยวกับ FeatureByte?

เครื่องมือ AI ส่วนใหญ่สำหรับองค์กรมุ่งเน้นไปที่การปรับปรุงแบบจำลอง AI เราได้ทำภารกิจในการช่วยให้องค์กรมีการขยาย AI โดยการทำให้ข้อมูล AI ง่ายขึ้นและเป็นอุตสาหกรรม ที่ FeatureByte เราแก้ไขปัญหาที่ใหญ่ที่สุดสำหรับผู้ปฏิบัติงาน AI: การให้วิธีการที่สม่ำเสมอและสามารถขยายได้ในการเตรียม การให้บริการ และการจัดการข้อมูลทั้งหมดตลอดวงจรชีวิตของแบบจำลอง ในขณะเดียวกันก็ทำให้กระบวนการนี้ง่ายขึ้นอย่างมาก

หากคุณเป็นนักวิทยาศาสตร์ข้อมูลหรือวิศวกรที่สนใจที่จะอยู่ในระดับแนวหน้าของวิทยาศาสตร์ข้อมูล ฉันขอแนะนำให้คุณลองใช้ FeatureByte ฟรี

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ FeatureByte