Deep Dive: Pecan.AI

לקראת כנס ה-AutoML הראשון שלנו, רצינו להכיר את השותפים שלנו לאירוע קצת יותר טוב ולהבין מה הם חושבים על העתיד של טכנולוגיית ה-AutoML. בכתבה הבאה נזכה לשמוע על הפעילות של Pecan.AI מצמד המייסדים שלה, ד"ר זוהר ברונפמן, המנכ"ל, ומד"ר נועם ברזיס, סמנכ"ל טכנולוגיות בחברה, שיחלקו איתנו תובנות מעניינות על הצמיחה של התחום.

קצת על Pecan.AI

לטובת מי שלא מכיר, Pecan.AI מציעה פלטפורמת AutoML Next-Gen שמאפשרת לעסקים לייצר תחזיות מבוססות למידת מכונה, גם ללא ניסיון טכני קודם בתחום. "מנקודת המבט של היוזר, אנחנו בעצם בונים 'WIX' של בינה מלאכותית ומאפשרים לאנשי ה-BI לעשות מה שלפני כן עשו רק מומחי data science," מספר זוהר. "יש לנו לקוחות שבשבוע אחד בלבד הקימו מודלים שבחנו התנהגות צרכנית – מבלי שיש להם ידע בלמידת מכונה ו-data science. זה תהליך שבעבר היה לוקח גם למומחים חודשים".

הטכנולוגיה של פקאן לא דורשת מהלקוחות להכין ולנקות מראש את הנתונים, ומאפשרת להם לבנות את המודל מאפס. תוך זמן קצר הלקוחות יכולים לקבל תובנות מהמודל שיאפשרו לשפר את העסק, בין היתר על ידי ניבוי של נטישת לקוחות או ביקושים צפויים.

לאור אופי הפלטפורמה, זוהר מספר שהעיסוק בלמידת מכונה הוא החלק המהותי ביותר בחברה. "פקאן היא מערכת לפיתוח מודלים של למידת מכונה, כך שלמעשה הליבה של פעולתה היא שימוש בלמידת מכונה. החל מיצירה אוטומטית של פיצ'רים (Auto feature engineering), בחירת הפיצ'רים המשפיעים (feature selection), מציאת המודל והיפר-פרמטרים הנכונים."

השנה Pecan.AI עברה סבב גיוס מרשים ביותר, של 35 מיליון דולר. אז איך התחושות אחרי חוויה כזו? "שמחה אדירה ועשייה חיובית!" משתף זוהר, "צמחנו מאוד בשנה האחרונה, גם במספר האנשים – כיום אנחנו כ-60 עובדים, ונרצה לגייס כ-50 נוספים עד לסוף השנה".

הצמיחה האדירה של החברה אינה מסתכמת רק בגיוס כספים או עובדים, אלא גם במישור העסקי, כפי שסיפר לנו זוהר. "הצמיחה באה לידי ביטוי באימוץ והטמעת הפלטפורמה בארגונים בגדלים שונים בחו"ל בדגש על ארה"ב. משום שאנחנו מציעים פתרון שאינו 'יושב' על קטגוריה אחת בלבד, אפשר לפגוש בין לקוחותינו מצד אחד חברות תעשייה כבדה ויצרנים גדולים, ומצד שני גם הרבה חברות שהן digital native."

מייסדי פקאן, ד"ר זוהר ברונפמן וד"ר נועם ברזיס

העתיד של AutoML

כחברה שמוקד העיסוק שלה הוא AutoML, ברור שב-Pecan.AI מאמינים מאוד בעתיד של הטכנולוגיה הזו. ב-Pecan.AI בטוחים שהפיתוחים בתחום הולכים ומשתפרים, ושהטכנולוגיה בשלה לאימוץ נרחב על ידי התעשייה. "הטכנולוגיה בתחום ה-AutoML לחלוטין מוכנה!" משתף נועם. "בחודשים האחרונים אנו עדים למומנטום חזק באימוץ הפתרון שלנו והשימוש בתעשיות שונות הולך ומתרחב".

האתגר הוא כמובן עצום, כיוון שכל שאלת Data science נראית מאוד שונה ותלויה גם במבנה הנתונים וגם במשתנים עסקיים. אז איך ניתן לבנות מערכת AutoML שעושה את כל השלבים מהכנת הנתונים ועד שימוש וניטור המודל במערכת ייצור?

"ב-Pecan.ai המשתמש בוחר מתוך תפריט (marketplace) את השאלה העסקית אותה הוא רוצה לבנות. משם למעשה המערכת מובילה אותו בסדרת שאלות פשוטות על מבנה הנתונים ופרטים עסקיים הקשורים לשאלה העסקית. ולמעשה מאותו רגע, כל התהליכים מתרחשים באופן אוטומטי." מספר נועם. "הדרך שלנו to make sense of data היא לקחת את הדאטה ולבצע feature engineering בצורה אוטומטית, למצוא את המודל האופטימלי וכמובן להביא ל-production."

כחלק מתהליך ה-AutoML, ב-Pecan.ai עושים שימוש נרחב בפלטפורמה של Databricks, כבר מתחילת ה-data ingestion, כולל תהליך העיבוד וגם בצד המידולי. הבנייה של הפייפליין נעשית באמצעות Airflow המאפשרת להם להפעיל תהליכים במקביל או בצורה טורית, כתלות במשימה. ה-Airflow הוא למעשה האורקסטרטור, והוא "יודע" איזה פעולות להפעיל בתוך Databricks.

לשיטת העבודה שפיתחו ב-Pecan.ai יתרונות משמעותיים בכל הקשור לביצוע scaling, גם מבחינת הדאטה וגם מבחינת כוח המחשוב הדרוש. "אנחנו מרימים שרתים כש"ג'וב" כזה נפתח, גדלים לפי הצורך, וברגע שתהליך העיבוד הסתיים אנחנו בעצם מכבים את השרת וכך מנהלים את כל תהליך ה- computing." מספר נועם.

מעבר לכך, נועם שיתף אותנו בהתמודדות עם אתגרים הייחודיים לחברות המעניקות שירותי SaaS – איך לעבד דאטה כאשר הלקוח אינו יכול, או אינו מעוניין, לשתף את הדאטה שלו לאור מגבלות רגולטוריות בתחומים מסוימים. "לצורך כך פיתחנו תהליך שאנחנו קוראים לו Remote modeling. הקוד שלנו למעשה, אגנוסטי בין אם הוא עובד על סביבת הענן שלנו או סביבת הענן של הלקוח, וגם זאת בהסתמך על Databricks ו-Airflow. מי שמכיר את תהליכי העבודה בסביבות ענן, מבין עד כמה הפתרון הזה פורץ דרך ומאפשר לנו לעבוד בכל סביבת ענן שהיא".

אם כך, מה עוצר את ההשתלטות הגדולה של AutoML על השוק? מדוע עדיין הפתרון הזה לא מוטמע באופן נרחב מספיק בתעשייה? לדעת זוהר, החסמים העיקריים הם ארגוניים ולא טכנולוגיים. "שינויים ארגוניים הם תמיד מאתגרים." הוא מציין. "עם הזמן, אנליסטיים יתחילו לתת פתרונות בעזרת מוצרי AutoML וקבוצות data science יתרכזו באזורים שאין פתרונות AutoML."

ב-Pecan.AI מאוד אופטימיים לגבי העתיד של מוצרי AutoML ובטוחים שתוך כמה שנים משתמשים מגוונים יוכלו להשתמש במודלים בקלות ובלי ניסיון קודם. "ממש בדומה ל-WIX, זה מתחיל מורטיקלים מסוימים ויתפשט לאזורים נוספים".

AutoML Conference

Pecan.AI היא אחת מנותנות החסות של האירוע, ובמידה רבה שיתוף הפעולה עימה אפשר להוציא אותו לפועל. במהלך הכנס ישתתפו כמה נציגים מהחברה, שיחלקו איתנו תובנות טכניות מעניינות על התחום.

ד"ר נועם ברזיס, אחד ממייסדי החברה וה-CTO שלה, ישתף אותנו בפעילות של החברה ובהתפתחויות של טכנולוגיית AutoML בהרצאה "Next Generation Auto-ML".

נופר מישרקי, Machine Learning Engineer בחברה, תציג הרצאה טכנית ארוכה בנושא "How to build scalable and generic ML data pipelines."

אם אתם מתעניינים בתחום ורוצים לשמוע עוד על AutoML בכלל ועל העבודה של פקאן בפרט, אל תפספסו את האירוע שלנו.

לאג'נדה של האירוע לחצו כאן.

להרשמה לאירוע בחינם לחצו כאן.