徐杰瑞，Datatron联合创始人兼CEO – 采访系列

徐杰瑞在机器学习、存储系统、在线服务、分布式系统、虚拟化和操作系统内核方面拥有丰富的经验。他曾在Lyft、Box、Twitter、Zynga和Microsoft等公司从事高性能和大规模系统的工作。他还创建了开源项目Lib Crunch，并三次获得Microsoft Gold Star Award。徐杰瑞在上海大学完成了计算机科学硕士学位。他的最新创业项目是Datatron。

当我们在Lyft工作时，我们注意到数据科学家通常来自多元化的背景，如数学、物理、生物工程等。对于他们来说，理解模型的工程部分往往很困难，尽管他们对模型和数学有很好的直觉。这激发了我们创立Datatron的想法。我们并不试图帮助数据科学家找到最好的算法。我们只在算法决定后介入，使模型部署、监控和管理更加高效。

2016年，你离开Lyft后，Datatron开始运营。最初，你是如何构思Datatron的商业概念的？

我们从StartX和500 Startup的经验中学习到了很多东西，包括如何向投资者推销、如何找到产品/市场的契合点、如何运营销售和营销，这些都是我们之前没有经验的。

Datatron是一款管理机器学习、人工智能和数据科学模型的平台。可以解释一下你的平台提供的功能吗？

我们的产品目前有四个模块：模型部署、模型监控、模型挑战和模型治理。

模型部署：

只需几次点击，即可创建和扩展模型部署。支持任何框架或语言开发的模型。

模型监控：

更好地做出商业决策，节省团队的时间和金钱。监控模型的性能，并实时检测模型的劣化。

模型治理：

减少模型验证、偏差检测和内部审计过程的时间。从模型开发到内部审计再到生产，速度比以往任何时候都快。

Datatron的一个用例是需求预测，对于需要规划和分配资源的企业来说，这很重要。机器学习在这方面如何发挥作用？

需求通常会随着季节性和趋势而变化，这是一个典型的机器学习问题。机器学习模型，如ARIMA、循环神经网络（RNN），可以从历史数据中学习，自动发现趋势和季节性，并根据这些进行预测。

您目前支持哪些框架模型（例如TensorFlow）？

我们支持大多数流行的机器学习框架，如sklearn、TensorFlow、H2O、R、SAS等。

模型需要用哪些语言构建才能被Datatron支持？

我们支持模型的原生语言——Python、R、Java等。

哪些行业最适合使用Datatron平台？

从根本上讲，我们的平台是一个横向解决方案，这意味着它可以被许多不同的行业使用。目前，我们专注于金融服务和电信行业。

公司在数据科学方面面临的最具挑战性的方面是什么，Datatron如何解决这些问题？

很多公司已经有了不同的数据科学团队，这些团队使用不同的工具来构建他们的模型，并有不同的实践来管理他们的模型。越来越多的企业意识到，模型正在成为一种资产，并将直接影响他们的顶线。拥有一个可以在整个公司内标准化机器学习实践的平台变得至关重要。我们的平台可以帮助解决这些问题。

关于Datatron，您还想分享什么？

我们得到了很多大型企业的关注。同时，我们也在积极地建立销售和营销团队，以主动联系潜在客户。

了解更多，请访问Datatron。