Інтерв’ю
Alon Lev, співзасновник та CEO Qwak – Серія інтерв’ю
Alon Lev є співзасновником та CEO Qwak, платформи, яка усуває інженерні труднощі з машинного навчання, одночасно дозволяючи швидкі ітерації, великомасштабну та налаштовувану інфраструктуру.
Коли ви вперше стали цікавитися машинним навчанням?
Мій перший значний досвід машинного навчання був ще тоді, коли я будував команду BI в Payoneer близько семи років тому. Я зрозумів, що для того, щоб стати даними організації, потрібні дуже конкретні процеси та інструменти. Машинне навчання, яке сьогодні є частиною кожної стратегії даних, було на початкових етапах у той час.
Чи можете ви обговорити свою попередню роль у Payoneer та те, як вона дозволила вам побачити, як машинне навчання зростає в важливості?
На моїй посаді у Payoneer як VP даних, я був відповідальним за всі аспекти даних компанії, від аналітики, BI, інженерії даних та науки даних. Момент, коли я був вражений наукою даних, 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 покращити існуючі бізнес-лінії, але й створити нові бізнеси та продукти.
Які були деякі з машинного навчання проблем, які ви спостерігали?
Зовсім точно, у виробничій частині ML, власники даних та інженери вже мають багато роботи – управління виробничою інфраструктурою, яка дозволить нам продуктизувати ML, завжди була величезною проблемою, яка “вбивала” багато наших проектів.
Як платформа Qwak усуває інженерні труднощі з машинного навчання?
Qwak – це все про те, щоб взяти основну роботу з ML-інженерів та дозволити їм зосередитися на створенні бізнес-цінності.
Ran Romano (співзасновник та VP R&D) мав точно такий же досвід під час свого часу на чолі відділу MLops у Wix. Сьогодні його основна увага зосереджена на подоланні цих проблем за допомогою нашої платформи та поліпшенні процесу продуктизації ML-моделей, щоб зробити його швидшим, більш ефективним та безшовним. Наша мета – зробити життя інженерів ML та вчених-даних легшим та більш впливовим, щоб доставка машинного навчання стала реальністю для компаній, а не бажанням.
Чому це ідеальне рішення для компаній, які хочуть більше машинного навчання, але мають нестачу вчених-даних та інженерів машинного навчання?
Ми не стверджуємо, що ми розуміємо ваш бізнес або ваші дані, але у нас є великий досвід щодо інфраструктури; Наша місія ясна; Ми хочемо допомогти чудовим командам науки даних та машинного навчання побудувати чудові продукти. Ми не втручаємося у логіку моделі, а радше зосереджуємося на тому, що ми робимо найкраще, тобто інфраструктурі.
Що зараз відрізняє Qwak від конкуруючих рішень машинного навчання?
Ми зосереджені на допомозі сильним командам вивантажити основну роботу та оптимізувати весь процес продуктизації ML, Qwak доставляє та вірить у горизонтальний підхід до вирішення проблем MLOps – тобто ми не будували платформу тільки навколо реєстру моделей/подачі або сховища функцій та 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 бачимо це як складову частини виробничого життєвого циклу. Qwak надає зворотній зв’язок API, який дозволяє автоматизувати процес звітності про зворотній зв’язок.
Чи є щось ще, що ви хотіли б поділитися про Qwak?
У нас є чудова команда досвідчених інженерів та лідерів у сфері. З великим досвідом у “окопах” машинного навчання, ми знаємо, що потрібно зробити, і ми тільки починаємо 🙂
Дякуємо за чудове інтерв’ю, читачам, які хочуть дізнатися більше, повинні відвідати Qwak.
