杰瑞·许，Datatron联合创始人兼CEO – 采访系列

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等公司工作过，参与过高性能和大规模系统的开发。他还主导了开源项目Lib Crunch，并三次获得Microsoft Gold Star Award。杰瑞在上海大学完成了计算机科学硕士学位。他最近的创业项目是Datatron。
Datatron成立于2016年，你离开Lyft之后。最初你是如何构思Datatron业务概念的？

当我们在Lyft工作时，我们注意到数据科学家通常来自数学、物理、生物工程等不同的背景。他们虽然对模型和数学有很好的直觉，但往往很难理解模型的工程实现。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。我们只在算法确定后介入，使模型部署、监控和管理更加高效。

Datatron被500 Startups选入第18届加速器公司。这个驻地经历如何影响了你，以及你如何管理Datatron？

我们从StartX和500 Startup的经历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/市场契合点、如何运行销售/营销等，我们之前没有这些经验。

Datatron是一个用于机器学习、人工智能和数据科学模型的管理平台。可以详细介绍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：

只需点击几下，即可创建和扩展模型部署。可以部署使用任何框架或语言开发的模型。

模型监控：

通过监控模型性能和检测模型衰退，做出更好的商业决策，节省团队时间和金钱。

模型治理：

减少模型验证、偏差检测和内部审计过程所花费的时间。从模型开发到内部审计到生产，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。机器学习如何在这方面发挥作用？

需求通常会随着季节性和趋势变化，这是一个典型的机器学习问题。像ARIMA、循环神经网络（RNN）这样的机器学习模型可以从历史数据中学习趋势和季节性，并根据这些信息进行预测。

你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。

要被Datatron支持，模型需要用哪些语言构建？

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。

数据科学中公司面临的最具挑战性的方面是什么，Datatron如何解决这些问题？

许多公司已经有不同的数据科学团队，这些团队使用不同的工具构建模型，并有不同的管理实践。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收入。拥有一个标准化机器学习实践的平台对于整个公司来说至关重要且必要。我们的平台可以帮助解决这些问题。

关于Datatron，还有其他信息你想分享吗？

我们收到了许多大型企业的询问。同时，我们也在建立销售和营销团队，积极地联系潜在客户。

更多信息请访问Datatron。