Объявляем о нашем начальном раунде на 4,4 миллиона долларов и рассказываем о том, что будет дальше

Как мы сюда попали

Конкурентное преимущество, основанное на ИИ, больше не является будущим. Это снег. Тем не менее, компании все еще пытаются реализовать всю ценность машинного обучения для бизнеса, не ограничиваясь экспериментами. Модели и наборы данных и необходимые инфраструктуры для их обработки стали более сложными, чем когда-либо прежде. Тем не менее, группы машинного обучения по-прежнему работают вне оптимизированного конвейера CI/CD без сложных инструментов и стандартизированных инженерных методов.

На самом деле, я видел слишком много случаев, когда многие из моих коллег в ведущих исследовательских лабораториях и потенциальные клиенты в ведущих отраслевых компаниях полагаются на Slack, Google Spreadsheets и отрывочные скрипты для управления рабочими процессами машинного обучения. Некоторые пытаются разработать внутренние платформы, интегрируя множество инструментов с открытым исходным кодом, но большинство из них терпит неудачу из-за нехватки талантов и высоких накладных расходов. Результат? — современные модели-прототипы, разработанные на ноутбуке исследователя, редко внедряются в производство в масштабе. Даже если они будут развернуты, простые, но важные вопросы останутся без ответа в рамках этого устаревшего рабочего процесса:

  • Как мы достигли точности 0,963? Почему мы не можем обучить одну и ту же модель и получить одинаковые результаты?
  • Какую версию ImageNet мы использовали? Какие изображения мы добавили в набор данных?
  • Почему мы не можем получить доступ к 4-му узлу кластера GPU? Сколько мы платим за AWS каждый месяц?

ВЕССЛ ИИ в 2021 году

Мы запустили VESSL AI, чтобы помочь организациям справиться с этими проблемами — помочь им масштабировать и ускорить свои усилия в области ИИ за счет внедрения современного рабочего процесса в машинное обучение. В рамках этой миссии наша команда VESSL AI добавила в платформу множество функций, преследуя три конкретные цели:

1) Повышение эффективности DevOps на протяжении всего жизненного цикла машинного обучения

  • Отслеживание экспериментов: улучшите видимость, регистрируя все эксперименты на центральной панели отслеживания экспериментов.
  • Реестр моделей: обеспечьте воспроизводимость, сохраняя все артефакты и историю конвейера в централизованном репозитории.

2) Ускорьте переход к производству с помощью автоматизации

3) Разработка моделей SOTA в масштабе гибкой инфраструктуры

Мы разработали эти функции для профессионалов машинного обучения. Они требуют изменений кода от минимального до нуля и поставляются с мощными командами Python SDK и CLI. Кроме того, у команд есть дополнительное преимущество оптимизации рабочих процессов на единой унифицированной платформе независимо от их среды разработки — от их локальных ноутбуков до беспрепятственного масштабирования в экземплярах GPU.

Во время нашего закрытого бета-тестирования мы видели, как более 500 инженеров по машинному обучению разработали более 1000 моделей на VESSL AI. Мы также рады объявить о нашем посевном раунде на сумму 4,4 миллиона долларов США под руководством KB Investment и Mirae Asset Venture Investment при участии A Ventures и Spring Camp. Благодаря этому новому раунду финансирования мы надеемся увеличить нашу команду, чтобы ускорить разработку продуктов и расширить наше глобальное присутствие.

Что дальше

В преддверии 2022 года у нас большие планы по дальнейшему развитию MLOps. Поскольку наша публичная открытая бета-версия запланирована на первый квартал 2022 года, мы рады встретиться и приветствовать новых клиентов в VESSL AI. У нас также есть планы по обслуживанию большего сообщества машинного обучения и более крупной экосистемы MLOps:

  • Общедоступный репозиторий, где энтузиасты машинного обучения могут получить доступ к новейшим моделям и наборам данных и поделиться воспроизводимыми экспериментами с сообществом.
  • Мощная интеграция с другими инструментами в экосистеме MLOps, которая позволяет специалистам по машинному обучению легко создавать полноценную платформу машинного обучения от DevOps, DataOps до ModelOps.

Присоединяйтесь к нам

Мы все еще находимся в самом начале трансформации ИИ, и нам бы хотелось иметь больше рук на палубе. Если вы увлечены машинным обучением и хотите создать новое поколение инструментов машинного обучения, присоединяйтесь к нам! Мы нанимаем на каждую должность в Сеуле и Сан-Матео. Посетите нашу страницу вакансий для получения более подробной информации и свяжитесь с нами по адресу [email protected].

—

Кусс, соучредитель и генеральный директор