Jerry tiene una amplia experiencia en aprendizaje automático, sistemas de almacenamiento, servicios en línea, sistemas distribuidos, virtualización y kernel de sistema operativo. Ha trabajado en sistemas de alto rendimiento y gran escala en empresas como: Lyft, Box, Twitter, Zynga y Microsoft. También es autor del proyecto de código abierto Lib Crunch y ha ganado tres veces el premio Microsoft Gold Star Award. Jerry completó su maestría en informática en la Universidad de Shanghái. Su puesta en marcha más reciente es Datatrón.
Datatron comenzó en 2016 después de que dejaras Lyft. ¿Cómo concibió inicialmente el concepto de negocio de Datatron?
Cuando trabajamos en Lyft, notamos que los científicos de datos generalmente provienen de diversos antecedentes, como matemáticas, física, bioingeniería, etc. A menudo, es muy difícil para ellos obtener la parte de ingeniería de cómo funcionan sus modelos, aunque tienen una buena intuición. modelo y matemáticas. Eso nos motivó a iniciar Datatron. No estamos tratando de ayudar al científico de datos a encontrar el mejor algoritmo. Solo entramos en escena después de que se decide el algoritmo y para hacer que la implementación, el monitoreo y la administración del modelo sean más eficientes.
Datatron fue seleccionado por 500 Startups para ser incluido en la cohorte 18 de empresas aceleradoras. ¿Cómo te influyó personalmente esta residencia y cómo gestionas Datatron?
Aprendimos mucho de las experiencias de StartX y 500 Startup, que incluyen cómo presentar a los inversores, cómo encontrar el ajuste del producto/mercado, cómo ejecutar ventas/marketing en las que no tenemos experiencia personal antes.
Datatron es una plataforma de gestión para modelos ML, AI y Data Science. ¿Podría explicarnos algunas de las funcionalidades que ofrece su plataforma?
Nuestro producto ahora tiene cuatro módulos, Model Deployment, Model Minoring, Model Challenger y Model Governance.
Implementación del modelo:
Cree y escale implementaciones de modelos con solo unos pocos clics. Implemente modelos desarrollados en cualquier marco o lenguaje.
Monitoreo de modelos:
Tome mejores decisiones comerciales para ahorrar tiempo y dinero a su equipo. Supervise el rendimiento del modelo y detecte el deterioro del modelo a medida que ocurre.
Gobernanza modelo:
Dedique menos tiempo a los procesos de validación de modelos, detección de sesgos y auditoría interna. Pase del desarrollo de modelos a la auditoría interna y a la producción más rápido que nunca.
Uno de los casos de uso de Datatron es la previsión de la demanda, que es importante para las empresas que necesitan planificar y asignar recursos. ¿Cómo juega el aprendizaje automático en esto?
La demanda generalmente cambia tanto con la estacionalidad como con la tendencia, lo cual es un problema típico de aprendizaje automático. Los modelos de aprendizaje automático como ARIMA, Recurrent Neural Network (RNN) pueden aprender de los datos históricos para encontrar la tendencia y la estacionalidad automáticamente y hacer predicciones basadas en eso.
¿Qué modelos de marco (por ejemplo, TensorFlow) admite actualmente?
Admitimos la mayoría de los marcos de aprendizaje automático populares como sklearn, TensorFlow, H2O, R, SAS, etc.
¿En qué idiomas se deben construir los modelos para que sean compatibles con Datatron?
Admitimos modelos en sus idiomas nativos: Python, R, Java, etc.
¿Cuáles son algunos de los tipos de industrias que se benefician mejor con el uso de la plataforma Datatron?
Fundamentalmente, nuestra plataforma es una solución horizontal, lo que significa que puede ser utilizada por muchas industrias diferentes. A partir de ahora, estamos tratando de centrarnos en los servicios financieros y las telecomunicaciones.
¿Cuáles son algunos de los aspectos más desafiantes de la ciencia de datos que enfrentan las empresas y por qué Datatron resuelve esto por ellas?
Muchas empresas ya tienen diferentes equipos de ciencia de datos y esos equipos están utilizando diferentes herramientas para construir su modelo y tienen diferentes prácticas para administrar sus modelos. Cada vez más empresas se dieron cuenta de que el modelo se está convirtiendo en un activo y tendrá un impacto directo en sus ingresos. Tener una plataforma que pueda estandarizar la práctica de aprendizaje automático en toda la empresa se vuelve crítico y necesario. Nuestra plataforma puede ayudar a resolver esos problemas.
¿Hay algo más que le gustaría compartir sobre Datatron?
Recibimos muchos intereses entrantes de grandes empresas. Al mismo tiempo, también estamos reforzando nuestro equipo de ventas y marketing para llegar activamente a clientes potenciales.
Para saber más visita Datatrón.