Baseten brinda a los equipos de ciencia de datos y aprendizaje automático los superpoderes que necesitan para crear aplicaciones basadas en aprendizaje automático con calidad de producción

Baseten brinda a los equipos de ciencia de datos y aprendizaje automático los superpoderes que necesitan para crear aplicaciones basadas en aprendizaje automático con calidad de producción

  • Big Data
  • abril 27, 2022
  • No Comment
  • 36
  • 9 minutes read


Baseten lanzó oficialmente su producto que hace que la transición del modelo de aprendizaje automático a las aplicaciones listas para producción sea rápida y fácil al brindar a los equipos de ciencia de datos y aprendizaje automático la capacidad de integrar el aprendizaje automático en los procesos comerciales sin conocimientos de backend, frontend o MLOps. El producto ha estado en versión beta privada desde el verano pasado con marcas conocidas, que lo han utilizado para todo, desde la detección de abusos hasta la prevención de fraudes. Actualmente se encuentra en beta pública.

“Está claro que el poder y las capacidades de los modelos de aprendizaje automático ya no son el factor limitante para la adopción generalizada del aprendizaje automático; en cambio, los profesionales luchan por traducir sus modelos a los del mundo real debido al tremendo esfuerzo de ingeniería que se requiere para integrar los procesos comerciales. Con Baseten, estamos reduciendo esa carga y acelerando el tiempo de creación de valor al producir las diversas capacidades necesarias para llevar los modelos al mundo real”, dijo Tuhin Srivastava, cofundador y director ejecutivo de Baseten.

En la última década, se han logrado avances tremendos en el avance de las capacidades de aprendizaje automático, impulsados ​​principalmente por las arquitecturas de nuevos modelos y el costo cada vez menor de la computación. Pero el paso crítico de integrar modelos en los procesos comerciales del mundo real sigue siendo un proceso largo y costoso que impide que la mayoría de las organizaciones vean un retorno de las inversiones en aprendizaje automático. Si bien la capacitación de un modelo típico de aprendizaje automático puede llevar tan solo unas pocas semanas, la creación de la infraestructura, las API y la interfaz de usuario para permitir que las empresas utilicen el modelo puede llevar más de seis meses y requiere recursos adicionales en forma de MLOps, back-end. e ingenieros de front-end.

Este es un problema que los cofundadores de Baseten, Tuhin Srivastava (CEO), Amir Haghighat (CTO) y Philip Howes (Científico Jefe) han enfrentado de primera mano en Gumroad. Allí, Haghighat era el jefe de ingeniería y Srivastava y Howes eran científicos de datos que necesitaban aprender cómo convertirse en ingenieros completos para poder usar el aprendizaje automático para detectar fraudes y contenido moderado. Los sistemas que construyeron en Gumroad todavía están en uso y hasta la fecha han verificado cientos de millones de dólares en transacciones.

El trío fundó Baseten para que los científicos de datos no tengan que aprender a convertirse en ingenieros completos para crear aplicaciones web para sus modelos de aprendizaje automático. Baseten reduce la barrera del aprendizaje automático utilizable al permitir que los equipos de ciencia de datos y aprendizaje automático integren sus modelos de aprendizaje automático en aplicaciones listas para producción en horas en lugar de meses. Con Baseten, los equipos de ciencia de datos y aprendizaje automático pueden operar fácilmente sus modelos, crear backends y frontends, y enviar aplicaciones que resuelvan problemas comerciales críticos, incluida la optimización operativa, la moderación de contenido, la detección de fraudes y la puntuación de clientes potenciales.

Clientes en bases:

  • “Baseten nos brinda una manera fácil de alojar nuestros modelos, iterar y experimentar sin preocuparnos por los DevOps involucrados”, dijo Faaez Ul Haq, director de ciencia de datos en Pipe.
  • “Baseten elimina el proceso de herramientas para que podamos concentrarnos en nuestras competencias principales: modelado, medición y resolución de problemas”, dijo Nikhil Harithas, ingeniero senior de aprendizaje automático en Patreon.
  • «Baseten nos permite tomar cualquier necesidad y crear una solución SaaS a medida para este caso de uso muy específico; es increíble», dijo Ryan Delk, cofundador y director ejecutivo de Primer.
  • «Baseten nos brinda toda la velocidad y el control para realizar la implementación de nuestro modelo nosotros mismos, sin la configuración, la infraestructura y las verificaciones de estado engorrosas», dijo Daniel Whitenack, científico de datos de SIL.

Analistas en Baseten:

  • «Una de las razones principales por las que el 90 % de los modelos de aprendizaje automático nunca agregan valor es que las empresas luchan por convertir sus modelos de aprendizaje automático finamente ajustados en aplicaciones prácticas», dijo Hyoun Park, analista jefe de Amalgam Insights. “Nuestra investigación muestra que el promedio de un proyecto exitoso de aprendizaje automático tiene un ROI de más del 500 %. Al reducir el tiempo para traducir modelos en aplicaciones, Baseten tiene la oportunidad de desbloquear el valor del aprendizaje automático para las empresas y permitir que las empresas que necesitan aprovechen al máximo las ventajas competitivas que crea el aprendizaje automático”.
  • «El ciclo de vida iterativo de construir y operar modelos de aprendizaje automático requiere un equipo diverso», dijo Kevin Petrie, vicepresidente de investigación de Eckerson Group. “Baseten tiene como objetivo ayudar a los científicos de datos a reducir su dependencia de las partes interesadas, como los ingenieros de DevOps. Esto crea una oportunidad para optimizar y acelerar la implementación de modelos de aprendizaje automático”.
  • “A medida que las plataformas altamente operativas y los resultados preempaquetados o automatizados están cada vez más disponibles, la creación e implementación de un modelo de aprendizaje automático se está convirtiendo rápidamente en un esfuerzo principal en organizaciones de todos los tamaños. Y, sin embargo, según una investigación de Omdia, aunque casi dos tercios de las empresas de EE. UU. están investigando o desarrollando casos de uso piloto, solo el nueve por ciento ha podido llevar esos esfuerzos a la producción, y aún menos (el seis por ciento) lo ha hecho a escala. .» , dijo Bradley Shimmin, analista jefe de plataformas de IA, análisis y gestión de datos. «¿Qué la detiene? A menudo, existe una simple desconexión entre el desarrollo de un modelo de trabajo y la integración de ese modelo en el contexto de las aplicaciones comerciales de campo. Con la capacidad de crear rápidamente API e incorporar modelos de aprendizaje automático directamente en aplicaciones compartibles, Baseten promete minimizar esta brecha y reducir el tiempo de generación de valor”.

Baseten recauda $ 20 millones en fondos semilla y Serie A

Baseten también anunció que ha recaudado $ 8 millones en fondos iniciales codirigidos por Greylock y South Park Commons Fund y $ 12 millones en fondos de la Serie A dirigidos por Greylock. Baseten está utilizando la financiación para ampliar sus equipos de ingeniería y comercialización.

Sarah Guo, socia general de Greylock y miembro de la junta de Baseten, dijo: «A pesar de la comprensión generalizada de que la IA tiene la capacidad de revolucionar los negocios, la mayoría de las empresas luchan por lograr un ROI real de sus esfuerzos de aprendizaje automático, lo que se ve obstaculizado por las altas inversiones iniciales. requerido. Baseten reduce radicalmente el tiempo, la experiencia, el costo y la coordinación entre equipos necesarios para llevar con éxito las aplicaciones de aprendizaje automático a la producción. La plataforma integral libera a los equipos de ciencia de datos y aprendizaje automático del trabajo rutinario y los libera para dedicar más tiempo a innovar e iterar para maximizar el impacto. El equipo de Baseten ha experimentado este dolor de primera mano, y esa autenticidad y cuidado se muestran en la solución que diseñaron. Estamos emocionados de trabajar con ellos para democratizar el acceso a la revolución del aprendizaje automático”.

Otros participantes de la ronda semilla incluyen AI Fund, Caffeinated Capital y los inversionistas ángeles Lachy Groom (ex-Stripe), Greg Brockman (cofundador de OpenAI y CTO), Dylan Field (cofundador y director ejecutivo de Figma), Mustafa Suleyman (cofundador de DeepMind ) y DJ Patil (exjefe científico de datos de la Oficina de Política Científica y Tecnológica de los Estados Unidos).

Otros participantes de A-Round incluyen a South Park Commons y los inversionistas ángeles Lachy Groom, Cristina Cordova (ex-Stripe), Dev Ittycheria (CEO de MongoDB), Jay Simon (expresidente de Atlassian) y Jean-Denis Greze (CTO de plaid) .

Regístrese para recibir el boletín gratuito insideBIGDATA.

Únase a nosotros en Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1



Related post

El equipo Autopilot de Tesla y Cybertruck visitan Nueva Orleans para CVPR

El equipo Autopilot de Tesla y Cybertruck visitan Nueva…

El equipo de piloto automático de Tesla visitó recientemente Nueva Orleans para la Conferencia sobre visión artificial y reconocimiento de patrones…
Premios de socios globales de ladrillos de datos 2022

Premios de socios globales de ladrillos de datos 2022

Databricks tiene un ecosistema de socios de más de 600 socios en todo el mundo que son fundamentales para crear y…
El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…

Leave a Reply

Tu dirección de correo electrónico no será publicada.