Alon Lev, Đồng sáng lập & CEO của Qwak – Loạt phỏng vấn

Alon Lev là Đồng sáng lập & CEO của Qwak, một nền tảng loại bỏ ma sát kỹ thuật từ học máy trong khi cho phép các lần lặp nhanh, quy mô cao và cơ sở hạ tầng có thể tùy chỉnh.

Bạn đã bắt đầu quan tâm đến học máy khi nào?

Trải nghiệm học máy đáng kể đầu tiên của tôi là khi tôi xây dựng đội BI tại Payoneer khoảng bảy năm trước. Tôi nhận ra rằng trở thành một tổ chức dựa trên dữ liệu đòi hỏi phải có các quy trình và công cụ cụ thể. Học máy, ngày nay là một phần của chiến lược công ty dựa trên dữ liệu, đã ở giai đoạn đầu vào thời điểm đó.

Bạn có thể thảo luận về vai trò trước đây của mình tại Payoneer và cách nó cho phép bạn thấy học máy đang trở nên quan trọng như thế nào?

Trong vai trò của tôi tại Payoneer với tư cách là VP dữ liệu, tôi chịu trách nhiệm về tất cả các khía cạnh dữ liệu của công ty, từ phân tích, BI, kỹ thuật dữ liệu và khoa học dữ liệu. Giờ tôi đã hiểu được tầm quan trọng của học máy khi chúng tôi xây dựng toàn bộ sản phẩm tín dụng dựa trên học máy. Nó hoạt động tuyệt vời ngay từ đầu; vào thời điểm đó, tôi nhận ra rằng học máy có thể cải thiện không chỉ các dòng kinh doanh hiện có mà còn tạo ra các sản phẩm và doanh nghiệp mới.

Một số thách thức học máy mà bạn đã chứng kiến là gì?

Đúng vậy, trong phần sản xuất của ML, các chủ sở hữu dữ liệu và kỹ sư đã có rất nhiều việc trên đĩa của họ – quản lý một cơ sở hạ tầng sản xuất có thể cho phép chúng tôi sản phẩm hóa ML luôn là một thách thức lớn đã “giết” nhiều dự án của chúng tôi.

Nền tảng Qwak loại bỏ ma sát kỹ thuật từ học máy như thế nào?

Qwak là tất cả về việc lấy công việc nền tảng từ các kỹ sư học máy và cho phép họ tập trung vào tạo ra giá trị kinh doanh.

Ran Romano (đồng sáng lập và VP R&D) đã có trải nghiệm chính xác như vậy trong thời gian dẫn đầu bộ phận MLops tại Wix. Ngày nay, trọng tâm chính của anh ấy là giải quyết những thách thức này thông qua nền tảng của chúng tôi và làm cho quá trình sản phẩm hóa mô hình học máy trở nên nhanh hơn, hiệu quả hơn và liền mạch. Mục tiêu của chúng tôi là làm cho cuộc sống của các kỹ sư học máy và nhà khoa học dữ liệu trở nên dễ dàng và có tác động hơn, để việc giao hàng học máy trơn tru trở thành hiện thực cho các công ty chứ không phải là một mục tiêu mong muốn.

Tại sao đây là giải pháp hoàn hảo cho các công ty muốn có nhiều luồng học máy hơn, nhưng có sự khan hiếm các nhà khoa học dữ liệu và kỹ sư học máy?

Chúng tôi không tuyên bố rằng chúng tôi hiểu doanh nghiệp hoặc dữ liệu của bạn, nhưng chúng tôi có rất nhiều kinh nghiệm khi nói đến cơ sở hạ tầng; Sứ mệnh của chúng tôi rõ ràng; Chúng tôi muốn giúp các đội khoa học dữ liệu và kỹ thuật học máy xuất sắc xây dựng các sản phẩm tuyệt vời. Chúng tôi không can thiệp vào logic mô hình mà tập trung vào những gì chúng tôi làm tốt nhất, tức là cơ sở hạ tầng.

Điều gì hiện đang phân biệt Qwak với các giải pháp học máy cạnh tranh?

Chúng tôi tập trung vào việc giúp các đội mạnh mẽ offload công việc nền tảng và tối ưu hóa toàn bộ quá trình sản phẩm hóa học máy, Qwak cung cấp và tin vào cách tiếp cận ngang để giải quyết các thách thức MLOps – nghĩa là chúng tôi không xây dựng nền tảng chỉ xung quanh mô hình đăng ký / phục vụ hoặc cửa hàng tính năng và tự động hóa, chúng tôi thực sự nghĩ rằng bạn cần tất cả chúng trong một nơi để mở rộng cơ sở hạ tầng học máy của mình.

Bạn có thể thảo luận về cách Qwak hỗ trợ theo dõi phản hồi mô hình học máy và tại sao điều này lại quan trọng?

Theo dõi phản hồi là một trong những điều đầu tiên chúng tôi xây dựng trong Qwak, vì chúng tôi coi nó là một phần hợp lý của chu kỳ sản xuất. Qwak hiển thị API phản hồi cho phép tự động hóa quá trình báo cáo phản hồi.

Có điều gì khác mà bạn muốn chia sẻ về Qwak?

Chúng tôi có một đội ngũ kỹ sư và lãnh đạo giàu kinh nghiệm trong lĩnh vực này. Với kinh nghiệm rộng lớn trong “hố” của kỹ thuật học máy, chúng tôi biết những gì cần phải làm và chúng tôi mới chỉ bắt đầu 🙂

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Qwak.