阿隆·列夫（Alon Lev），Qwak联合创始人兼CEO – 采访系列

阿隆·列夫（Alon Lev）是Qwak的联合创始人兼CEO，Qwak是一款平台，旨在消除机器学习中的工程阻力，同时允许快速迭代、高规模和可定制的基础设施。

您什么时候开始对机器学习感兴趣？

我第一次有意义的机器学习经历是在七年前我在Payoneer建立BI团队的时候。我意识到，要成为一个数据驱动的组织，需要非常特定的流程和工具。机器学习，在今天的每个数据驱动公司战略中，是在早期阶段。

您能否讨论您在Payoneer的前任职位以及它如何使您看到机器学习的重要性正在增长？

在Payoneer担任数据副总裁期间，我负责公司的所有数据方面，包括分析、BI、数据工程和数据科学。让我对数据科学感到惊讶的时刻是，当我们建立了整个信用产品时，基于机器学习，它从一开始就表现得非常好；在那一刻，我意识到机器学习不仅可以改善现有的业务线，还可以创造新的业务和产品。

您见过哪些机器学习挑战？

当然，在ML的生产部分，数据所有者和工程师已经有很多事情要做——管理一个生产级的基础设施，以允许我们产品化ML，总是一个巨大的挑战，它“杀死”了我们很多项目。

Qwak平台如何消除机器学习中的工程阻力？

Qwak的全部内容都是关于从ML工程师那里接过基础工作，并允许他们专注于创造业务价值。

Ran Romano（联合创始人和研发副总裁）在Wix领导MLops部门期间也有相同的经历。如今，他的主要关注点是通过我们的平台解决这些挑战，使ML模型的产品化过程更快、更高效、更无缝。我们的目标是让ML工程师和数据科学家的生活更容易、更有影响力，以便流畅的机器学习交付成为公司的现实，而不是愿望清单上的项目。

为什么这是一个完美的解决方案，适用于想要更多机器学习吞吐量但数据科学家和机器学习工程师稀缺的公司？

我们不声称自己理解您的业务或数据，但我们在基础设施方面有丰富的经验；我们的使命很明确；我们希望帮助优秀的数据科学和机器学习工程团队建立惊人的产品。我们不会干扰模型逻辑，而是专注于我们擅长的基础设施。

目前有什么区别于其他机器学习解决方案的Qwak？

我们致力于帮助强大的团队卸载基础工作并简化ML产品化的整个过程，Qwak提供并相信一种水平方法来解决MLOps挑战——这意味着我们没有仅围绕模型注册/服务或功能存储和自动化构建平台，我们认为您需要所有这些来扩大ML基础设施。

您能否讨论Qwak如何支持机器学习模型的反馈跟踪以及为什么这很重要？

反馈跟踪是我们在Qwak中构建的第一件事，我们认为它是生产生命周期的有机组成部分。Qwak公开了一个反馈API，允许自动化反馈报告过程。

您还想分享关于Qwak的其他信息吗？

我们有一支在该领域拥有丰富经验的工程师和领导者的优秀团队。凭借在机器学习工程“战壕”中的丰富经验，我们知道需要做什么，我们才刚刚开始：）

感谢这次精彩的采访，希望了解更多的读者可以访问Qwak。