Alon Lev es cofundador y director ejecutivo de qwak, una plataforma que elimina la fricción de ingeniería del aprendizaje automático al tiempo que permite iteraciones rápidas, infraestructura personalizable y de gran escala.
¿Cuándo se interesó por primera vez en el aprendizaje automático?
Mi primera experiencia significativa en Machine Learning fue cuando estaba formando el equipo de BI en Payoneer hace unos siete años. Me di cuenta de que convertirse en una organización basada en datos requiere procesos y herramientas muy específicos. Machine Learning, que hoy en día es parte de la estrategia de todas las empresas basadas en datos, estaba en sus primeras etapas en ese entonces.
¿Podría hablar sobre su función anterior en Payoneer y cómo le permitió ver cómo el aprendizaje automático estaba creciendo en importancia?
En mi función en Payoneer como vicepresidente de datos, estaba a cargo de todos los aspectos de datos de la empresa, desde análisis, análisis, ingeniería de datos y ciencia de datos. El momento sorprendente que tuve con la ciencia de datos fue cuando construimos toda la base de productos de crédito en el aprendizaje automático. Funcionó asombrosamente desde el principio; en ese momento, me di cuenta de que el aprendizaje automático podía mejorar no solo las líneas comerciales existentes, sino también crear nuevos negocios y productos.
¿Cuáles fueron algunos de los desafíos de aprendizaje automático que presenció?
Definitivamente, en la parte de producción de ML, los propietarios de datos y los ingenieros ya tienen mucho en su plato: administrar una infraestructura de grado de producción que nos permitirá producir ML siempre fue un gran desafío que «mató» muchos de nuestros proyectos.
¿Cómo elimina la plataforma Qwak la fricción de ingeniería del aprendizaje automático?
Qwak se trata de tomar las bases de los ingenieros de ML y permitirles enfocarse en crear valor comercial.
Ran Romano (cofundador y vicepresidente de I+D) tuvo exactamente la misma experiencia durante el tiempo que estuvo al frente del departamento de MLops en Wix. Hoy en día, su enfoque principal es abordar estos desafíos a través de nuestra plataforma y hacer que el proceso de producción de modelos ML sea más rápido, más eficiente y sin problemas. Nuestro objetivo es hacer que la vida de los ingenieros de ML y los científicos de datos sea más fácil y mucho más impactante para que las entregas fluidas de aprendizaje automático se conviertan en una realidad para las empresas en lugar de un elemento de la lista de deseos.
¿Por qué es esta una solución perfecta para las empresas que desean un mayor rendimiento de aprendizaje automático, pero tienen escasez de científicos de datos e ingenieros de aprendizaje automático?
No afirmamos que entendemos su negocio o sus datos, pero tenemos mucha experiencia en lo que respecta a la infraestructura; Nuestra misión es clara; Queremos ayudar a los excelentes equipos de ingeniería de ciencia de datos y aprendizaje automático a crear productos increíbles. No estamos interfiriendo con la lógica del modelo, sino que nos enfocamos en lo que hacemos mejor, a saber, la infraestructura.
¿Qué diferencia actualmente a Qwak de las soluciones de aprendizaje automático de la competencia?
Nuestro objetivo es ayudar a los equipos fuertes a descargar el trabajo preliminar y agilizar todo el proceso de producción de ML. Qwak ofrece y cree en un enfoque horizontal para resolver los desafíos de MLOps, lo que significa que no construimos la plataforma solo en torno al modelo de registro/servicio o función. tienda y automatización, en realidad creemos que los necesita todos en un solo lugar para ampliar su infraestructura de ML.
¿Podría analizar cómo Qwak admite el seguimiento de comentarios de los modelos de aprendizaje automático y por qué esto es importante?
El seguimiento de comentarios es una de las primeras cosas que creamos en Qwak, ya que lo vemos como una parte coherente del ciclo de vida de producción. Qwak expone una API de comentarios que permite automatizar el proceso de informes de comentarios.
¿Hay algo más que le gustaría compartir sobre Qwak?
Contamos con un increíble equipo de ingenieros experimentados y líderes en el espacio. Con una vasta experiencia en las «trincheras» de la ingeniería de aprendizaje automático, sabemos lo que se debe hacer y apenas estamos comenzando 🙂
Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Qwak.