ستساعدك المقالة التالية: رازي رازي الدين ، الشريك المؤسس والرئيس التنفيذي لشركة FeatureByte – سلسلة مقابلات
رازي رازي الدين هو الشريك المؤسس والرئيس التنفيذي لشركة الميزة، تتمثل رؤيته في فتح آخر عقبة رئيسية أمام توسيع نطاق الذكاء الاصطناعي في المؤسسة. تمتد خبرة رازي في التحليلات والنمو عبر فريق القيادة المكون من شركتين ناشئتين من شركة يونيكورن. ساعد الرازي في توسيع نطاق DataRobot من 10 إلى 850 موظفًا في أقل من ست سنوات. لقد كان رائدًا في استراتيجية الانتقال إلى السوق التي تقودها الخدمات والتي أصبحت السمة المميزة لنمو DataRobot السريع.
FeatureByte في مهمة لتوسيع نطاق الذكاء الاصطناعي للمؤسسات ، من خلال التبسيط الجذري لبيانات الذكاء الاصطناعي وتصنيعها. تعمل منصة هندسة وإدارة الميزات (FEM) على تمكين علماء البيانات من إنشاء ومشاركة أحدث الميزات وخطوط أنابيب البيانات الجاهزة للإنتاج في دقائق – بدلاً من أسابيع أو شهور.
ما الذي جذبك في البداية إلى علوم الكمبيوتر والتعلم الآلي؟
بصفتي شخصًا بدأ البرمجة في المدرسة الثانوية ، كنت مفتونًا بآلة يمكنني “التحدث إليها” والتحكم فيها من خلال الكود. كنت مدمنًا على الفور على الاحتمالات اللانهائية للتطبيقات الجديدة. مثّل التعلم الآلي نقلة نوعية في البرمجة ، مما سمح للآلات بالتعلم وأداء المهام دون تحديد الخطوات في الكود. الإمكانات اللانهائية لتطبيقات ML هي ما يجعلني متحمسًا كل يوم.
لقد كنت أول موظف في شركة DataRobot ، وهو نظام أساسي للتعلم الآلي يتيح للمؤسسات أن تصبح مدفوعة بالذكاء الاصطناعي. ثم ساعدت في توسيع نطاق الشركة من 10 إلى 1000 موظف في أقل من 6 سنوات. ما هي بعض النقاط الرئيسية من هذه التجربة؟
الانتقال من صفر إلى واحد أمر صعب ، لكنه مثير ومجزٍ بشكل لا يصدق. تقدم كل مرحلة من مراحل تطور الشركة مجموعة مختلفة من التحديات ، لكن رؤية الشركة تنمو وتنجح هو شعور رائع.
فتحت تجربتي مع AutoML عيني على الإمكانات غير المحدودة للذكاء الاصطناعي. إنه لأمر رائع أن ترى كيف يمكن استخدام هذه التكنولوجيا في العديد من الصناعات والتطبيقات المختلفة. في نهاية اليوم ، يعد إنشاء فئة جديدة إنجازًا نادرًا ، ولكنه يمثل مكافأة رائعة. نقاطي الرئيسية من التجربة:
- اصنع منتجًا رائعًا وتجنب مطاردة البدع
- لا تخافوا من أن تكونوا متناقضين
- التركيز على حل مشاكل العملاء وتقديم القيمة
- كن دائمًا منفتحًا على الابتكار وتجربة أشياء جديدة
- قم بإنشاء وغرس ثقافة الشركة الصحيحة منذ البداية
هل يمكنك مشاركة قصة التكوين وراء FeatureByte؟
إنها حقيقة معروفة في عالم AI / ML – أن الذكاء الاصطناعي العظيم يبدأ ببيانات رائعة. لكن إعداد ونشر وإدارة بيانات (أو ميزات) الذكاء الاصطناعي أمر معقد ويستغرق وقتًا طويلاً. مؤسسي المشارك ، Xavier Conort ، رأيت هذه المشكلة مباشرة في DataRobot. بينما أصبحت النمذجة مبسطة إلى حد كبير بفضل أدوات AutoML ، لا تزال هندسة الميزات وإدارتها تمثل تحديًا كبيرًا. بناءً على تجربتنا وخبراتنا المشتركة ، شعرت أنا وكزافييه أنه يمكننا حقًا مساعدة المؤسسات في حل هذا التحدي والوفاء بوعد الذكاء الاصطناعي في كل مكان.
تعد هندسة الميزات من صميم FeatureByte ، فهل يمكنك شرح ما يعنيه هذا لقرائنا؟
في النهاية ، تدفع جودة البيانات جودة وأداء نماذج الذكاء الاصطناعي. تسمى البيانات التي يتم إدخالها في النماذج لتدريبها والتنبؤ بالنتائج المستقبلية بالميزات. تمثل الميزات معلومات حول الكيانات والأحداث ، مثل البيانات الديموغرافية أو النفسية للمستهلكين ، أو المسافة بين حامل البطاقة والتاجر لمعاملة بطاقة الائتمان أو عدد العناصر من الفئات المختلفة من الشراء من المتجر.
تسمى عملية تحويل البيانات الأولية إلى ميزات – لتدريب نماذج ML والتنبؤ بالنتائج المستقبلية – هندسة الميزات.
لماذا تعتبر هندسة الميزات من أكثر الجوانب تعقيدًا في مشاريع التعلم الآلي؟
تعتبر هندسة الميزات مهمة للغاية لأن العملية مسؤولة بشكل مباشر عن أداء نماذج ML. تتطلب هندسة الميزات الجيدة ثلاث مهارات مستقلة إلى حد ما للالتقاء – المعرفة بالمجال وعلوم البيانات وهندسة البيانات. تساعد معرفة المجال علماء البيانات على تحديد الإشارات التي يجب استخلاصها من البيانات لمشكلة معينة أو حالة استخدام. أنت بحاجة إلى مهارات علم البيانات لاستخراج تلك الإشارات. وأخيرًا ، تساعدك هندسة البيانات على نشر خطوط الأنابيب وتنفيذ جميع هذه العمليات على نطاق واسع بأحجام بيانات كبيرة.
في الغالبية العظمى من المنظمات ، تعيش هذه المهارات في فرق مختلفة. تستخدم هذه الفرق أدوات مختلفة ولا تتواصل بشكل جيد مع بعضها البعض. هذا يؤدي إلى الكثير من الاحتكاك في العملية ويبطئها إلى توقف الطحن.
هل يمكنك مشاركة بعض الأفكار حول سبب كون هندسة الميزات هي الحلقة الأضعف في توسيع نطاق الذكاء الاصطناعي؟
وفقًا لأندرو نج ، الخبير المشهور في مجال الذكاء الاصطناعي ، “التعلم الآلي التطبيقي هو أساسًا هندسة الميزات.” على الرغم من أهميتها لدورة حياة التعلم الآلي ، تظل هندسة الميزات معقدة وتستغرق وقتًا طويلاً وتعتمد على معرفة الخبراء. هناك ندرة خطيرة في الأدوات التي تجعل العملية أسهل وأسرع وأكثر تصنيعًا. الجهد والخبرة اللازمتان تمنع المؤسسات من أن تكون قادرة على نشر الذكاء الاصطناعي على نطاق واسع.
هل يمكنك مشاركة بعض التحديات الكامنة وراء بناء حل ذكاء اصطناعي قائم على البيانات يبسط بشكل جذري هندسة الميزات لعلماء البيانات؟
يعد بناء منتج له ميزة 10 أضعاف على الوضع الراهن أمرًا صعبًا للغاية. لحسن الحظ ، يتمتع Xavier بخبرة عميقة في علم البيانات يستخدمها لإعادة التفكير في سير عمل الميزة بالكامل من المبادئ الأولى. لدينا فريق عالمي من علماء ومهندسين بيانات مكدس يمكنهم تحويل رؤيتنا إلى واقع. والمستخدمون وشركاء التنمية لتقديم المشورة لنا بشأن تبسيط تجربة المستخدم لحل تحدياتهم على أفضل وجه.
كيف ستعمل منصة FeatureByte على تسريع إعداد البيانات لتطبيقات التعلم الآلي؟
يعد إعداد البيانات لـ ML عملية تكرارية تعتمد على التجريب السريع. تعد FeatureByte SDK مفتوحة المصدر إطارًا تعريفيًا لإنشاء ميزات حديثة ببضعة أسطر من التعليمات البرمجية ونشر خطوط أنابيب البيانات في دقائق بدلاً من أسابيع أو شهور. يسمح هذا لعلماء البيانات بالتركيز على حل المشكلات الإبداعي والتكرار بسرعة على البيانات الحية ، بدلاً من القلق بشأن السباكة.
والنتيجة ليست فقط إعداد البيانات بشكل أسرع وتقديمها في الإنتاج ، ولكن أيضًا تحسين أداء النموذج من خلال الميزات القوية.
هل يمكنك مناقشة كيف ستوفر منصة FeatureByte بالإضافة إلى ذلك القدرة على تبسيط مهام الإدارة المستمرة المختلفة؟
تم تصميم منصة FeatureByte لإدارة دورة حياة ميزة ML الشاملة. يسمح إطار العمل التعريفي لـ FeatureByte بنشر خطوط أنابيب البيانات تلقائيًا ، أثناء استخراج البيانات الوصفية ذات الصلة بإدارة البيئة العامة. يمكن للمستخدمين مراقبة سلامة خطوط الأنابيب والتكاليف ، وإدارة النسب والإصدار وصحة الميزات كلها من نفس واجهة المستخدم الرسومية. تضمن عمليات سير العمل الخاصة بالوصول والموافقة على أساس الأدوار على مستوى المؤسسة خصوصية البيانات وأمانها ، مع تجنب انتشار الميزات.
هل هناك أي شيء آخر تود مشاركته حول FeatureByte؟
تركز معظم أدوات الذكاء الاصطناعي للمؤسسات على تحسين نماذج التعلم الآلي. لقد جعلناها مهمة لمساعدة المؤسسات على توسيع نطاق الذكاء الاصطناعي الخاص بهم ، من خلال تبسيط بيانات الذكاء الاصطناعي وتصنيعها. في FeatureByte ، نتصدى لأكبر تحدٍ يواجه ممارسي الذكاء الاصطناعي: توفير طريقة متسقة وقابلة للتطوير لإعداد البيانات وتقديمها وإدارتها عبر دورة حياة النموذج بالكامل ، مع تبسيط العملية بأكملها بشكل جذري.
إذا كنت عالم بيانات أو مهندسًا مهتمًا بالبقاء في طليعة علم البيانات ، فأنا أشجعك على تجربة قوة FeatureByte مجانًا.
