Алон Лев, співзасновник та CEO Qwak – Серія інтерв’ю

Алон Лев є співзасновником та CEO Qwak, платформи, яка усуває інженерні труднощі з машинним навчанням, дозволяючи швидкі ітерації, високомасштабну та настраївану інфраструктуру.

Коли ви вперше стали цікавитися машинним навчанням?

Мій перший значний досвід з машинним навчанням був ще тоді, коли я будував команду BI в Payoneer близько семи років тому. Я зрозумів, що стати дата-орієнтованою організацією вимагає дуже конкретних процесів і інструментів. Машинне навчання, яке сьогодні є частиною кожної дата-орієнтованої компанії, було на своїх ранніх стадіях.

Чи можете ви обговорити свою попередню роль у Payoneer і як вона дозволила вам побачити, як машинне навчання зростає в важливості?

На моїй посаді у Payoneer як VP даних, я був відповідальним за всі дані аспекти компанії, від аналітики, BI, інженерії даних та науки про дані. Момент, коли я зрозумів важливість науки про дані, був тоді, коли ми побудували весь кредитний продукт на основі машинного навчання. Він працював чудово з самого початку; в той момент я зрозумів, що машинне навчання може не тільки поліпшити існуючі бізнес-лінії, але й створити нові бізнеси та продукти.

Які були деякі з машинних навчальних викликів, які ви спостерігали?

Відповідно, у виробничій частині ML, власники даних та інженери вже мали багато на своїй тарілці – керування виробничою інфраструктурою, яка дозволила б нам продуктизувати ML, завжди була величезною викликом, який “вбивав” багато наших проектів.

Як платформа Qwak усуває інженерні труднощі з машинним навчанням?

Qwak – це все про те, щоб взяти підвалини від інженерів ML та дозволити їм зосередитися на створенні бізнес-цінності.

Ran Romano (співзасновник та VP R&D) мав точно такий самий досвід під час свого часу на чолі відділу MLops у Wix. Сьогодні його основна увага зосереджена на подоланні цих викликів через нашу платформу та на тому, щоб зробити процес продуктизації моделей ML швидшим, ефективнішим та безшовним. Наша мета – зробити життя інженерів ML та вчених-даних легшим та більш впливаючим, щоб доставки машинного навчання стали реальністю для компаній, а не бажанням.

Чому це ідеальне рішення для компаній, які хочуть більше машинного навчання, але мають нестачу вчених-даних та інженерів ML?

Ми не стверджуємо, що розуміємо ваш бізнес чи ваші дані, але у нас є великий досвід щодо інфраструктури; Наша мета ясна; Ми хочемо допомогти відмінним командам науки про дані та інженерії ML побудувати чудові продукти. Ми не втручаємося у логіку моделі, а скоріше зосереджуємося на тому, що ми робимо найкраще, а саме інфраструктуру.

Що зараз відрізняє Qwak від конкуруючих рішень машинного навчання?

Ми зосереджені на допомозі сильним командам зняти підвалини та оптимізувати весь процес продуктизації ML; Qwak доставляє та вірить у горизонтальний підхід до розв’язання проблем MLOps – тобто ми не будували платформу лише навколо реєстру моделей/сервісу чи автоматизації, ми вважаємо, що вам потрібно все це в одному місці, щоб масштабувати вашу інфраструктуру ML.

Чи можете ви обговорити, як Qwak підтримує відстеження зворотного зв’язку моделей машинного навчання та чому це важливо?

Відстеження зворотного зв’язку – одна з перших речей, які ми побудували у Qwak, оскільки ми вважаємо, що це є частиною виробничого життєвого циклу. Qwak експонує API зворотного зв’язку, який дозволяє автоматизувати процес звітності про зворотний зв’язок.

Чи є щось ще, про що ви хотіли б поділитися щодо Qwak?

У нас є чудова команда досвідчених інженерів та лідерів у сфері. З великим досвідом у “окопах” інженерії машинного навчання, ми знаємо, що потрібно зробити, і ми тільки починаємо 🙂

Дякуємо за чудове інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Qwak.