Alon Lev, Qwak’ın Kurucu Ortağı ve CEO’su – Röportaj Serisi

Alon Lev, Qwak platformunun kurucu ortağı ve CEO’sudur. Qwak, makine öğrenimi mühendisliğinden kaynaklanan sorunları ortadan kaldırırken hızlı iterasyonlar, yüksek ölçeklenebilirlik ve özelleştirilebilir altyapıya olanak tanır.

Makine öğrenimi ile ilk olarak ne zaman ilgilenmeye başladınız?

İlk önemli Makine Öğrenimi deneyimim, yaklaşık yedi yıl önce Payoneer’da BI ekibini kurarken yaşandı. Veri odaklı bir organizasyon olmanın çok spesifik süreçler ve araçlar gerektirdiğini fark ettim. Bugün her veri odaklı şirketin stratejisinin parçası olan makine öğrenimi, o dönemde henüz ilk aşamalarındaydı.

Önceki rolünüzü Payoneer’da anlatır mısınız ve makine öğreniminin önemini nasıl gördünüz?

Payoneer’daki VP veri pozisyonumda, şirketin tüm veri yönlerini yönetiyordum: analitik, BI, veri mühendisliği ve veri bilimi. Veri bilimindeki “vay” anı, makine öğrenimi temelinde kredi ürününün tamamını inşa ettiğimizde yaşandı. İlk günden itibaren mükemmel performans gösterdi ve o anda makine öğreniminin yalnızca mevcut iş hatlarını iyileştirebileceğini değil, aynı zamanda yeni işler ve ürünleri yaratabileceğini fark ettim.

Makine öğrenimi ile ilgili hangi zorlukları gözlemlediniz?

Kesinlikle, ML’nin üretim kısmında, veri sahipleri ve mühendislerin zaten çok iş yükü vardı – üretim sınıfı altyapıyı yönetmek ve ML’yi ürünleştirme konusunda büyük bir zorluk vardı ve birçok projemizi “öldüren” bir sorundu.

Qwak platformu makine öğrenimi mühendisliğinden kaynaklanan sorunları nasıl ortadan kaldırır?

Qwak, ML mühendislerinin temel altyapı işlerini üstlenerek onların iş değeri yaratmaya odaklanmasını sağlar.

Ran Romano (kurucu ortak ve VP R&D) de Wix’de MLops departmanını yönetirken benzer deneyimi yaşamıştı. Şimdi, bu zorlukları platformumuz aracılığıyla ele almak ve ML modellerini ürünleştirme sürecini daha hızlı, verimli ve sorunsuz hale getirmek üzerine odaklanıyor. Amacımız, ML mühendisleri ve veri bilimcilerinin hayatlarını kolaylaştırmak ve daha büyük etkiye sahip olmalarını sağlamak, böylece akıcı makine öğrenimi teslimatları şirketler için bir arzulanan liste öğesi olmaktan çıkıp gerçeklik olsun.

Şirketlerin daha fazla makine öğrenimi verimliliği istedikleri ancak veri bilimcisi ve makine öğrenimi mühendisleri kıtlığı yaşadıkları için bu mükemmel bir çözüm neden?

İşletmelerin işini veya verilerini anladığımızı iddia etmiyoruz, ancak altyapı konusunda tonlarca deneyime sahibiz. Misyonumuz nettir: Mükemmel Veri Bilimi ve Makine Öğrenimi mühendislik takımlarına harika ürünler inşa etmelerine yardımcı olmak istiyoruz. Model mantığını değiştirmiyoruz, yalnızca neye iyi olduğumuzla ilgileniyoruz, yani altyapıyla.

Qwak’ı diğer makine öğrenimi çözümlerinden ayıran şey şu anda nedir?

Qwak, güçlü takımların temel çalışmaları devretmelerine ve tüm ML ürünleştirme sürecini akıcı hale getirmelerine yardımcı olmaya odaklanıyor. Qwak, MLOps zorluklarını çözmek için yatay bir yaklaşım sunar – yani yalnızca model kayıt defteri/sunma veya özellik deposu ve otomasyon etrafında platformu inşa etmedik, aslında tümünün bir arada olması gerektiğini düşünüyoruz. Böylece ML altyapınızı ölçeklendirebilirsiniz.

Qwak’ın makine öğrenimi modelleri geri bildirim izleme desteğini nasıl sağladığını ve neden bu önemli olduğunu açıklar mısınız?

Geri bildirim izleme, inşa ettiğimiz ilk şeylerden biridir, çünkü bunu üretim yaşam döngüsünün bir parçası olarak görüyoruz. Qwak, geri bildirim raporlama sürecini otomatikleştirmeye olanak tanıyan bir geri bildirim API’si sunar.

Qwak hakkında paylaşmak istediğiniz başka bir şey var mı?

Bu alanda deneyimli mühendisler ve liderlerden oluşan harika bir ekibimiz var. Makine öğrenimi mühendisliğinin pratik çalışmalarında geniş deneyime sahip olduğumuz için neyin yapılması gerektiğini biliyoruz ve daha yeni başlıyoruz 🙂

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Qwak‘ı ziyaret edebilir.