Tecton 100 milyon dolar artırdı ve MLOps pazarının hala sıcak olduğunu kanıtladı – Teknolojik Haberler


Makine öğrenimi, gelir getiren ürünleri güçlendiren tahminler (ör. e-ticaret önerileri) oluşturmak için topladıkları verileri (örneğin satın alma kalıpları) kullanarak şirketlere rekabet avantajı sağlayabilir. Ancak herhangi bir çalışanın, yaratılan büyük miktarda veriye ayak uydurması – daha azını yönetmesi – zordur. Yapay zeka sistemleri, en güncel veriler sağlandığında üstün tahminler sunma eğiliminde olduğundan, bu bir sorun teşkil eder. Yeni veriler üzerinde düzenli olarak yeniden eğitilmeyen sistemler, zamanla “eski” ve daha az doğru olma riski taşır.

Neyse ki, “MLOps” olarak adlandırılan yeni ortaya çıkan bir dizi uygulama, karmaşıklıkları soyutlayarak sistemlere veri besleme sürecini basitleştirmeyi vaat ediyor. Destekçilerinden biri, CEO’su Mike Del Balso’dur. tekton. Del Balso, şirketin yeni makine öğrenimi modelleri oluşturmak ve dağıtmak için mücadele ettiği Uber’deyken Tecton’u kurdu.

“Son derece iyileştirilmiş gerçek zamanlı özelliklerle sağlanan modeller, çok daha doğru tahminler sunabilir. Ancak bu özellikleri oluşturmak için veri boru hatları oluşturmak zordur, önemli miktarda veri mühendisliği insan gücü gerektirir ve proje teslim sürelerine haftalar veya aylar ekleyebilir, “dedi Del Balalso Teknolojik Haberler’a bir e-posta röportajında.

Daha önce Google’da Arama Ağı reklamları makine öğrenimi ekiplerini yöneten Del Balso, iki eski Uber meslektaşı olan Jeremy Hermann ve Kevin Stumpf ile birlikte Tecton’u 2019’da başlattı. Üçlü, Uber’deyken, Uber’in dahili olarak pazar tahminleri oluşturmak, ETA’ları hesaplamak ve diğer kullanım durumlarının yanı sıra dolandırıcılık tespitini otomatikleştirmek için kullandığı bir AI platformu olan Michelangelo’yu yaratmıştı.

Michelangelo’nun başarısı, Del Balso, Hermann ve Stumpf’a teknolojinin ticari bir versiyonunu yaratmaları için ilham verdi ve bu da Tecton oldu. Yatırımcılar izledi. Tecton bugün, C Serisi turda 100 milyon dolar topladığını ve şirketin toplamını 160 milyon dolara çıkardığını duyurdu. Kleiner Perkins liderliğinde, Databricks, Snowflake, Andreessen Horowitz, Sequoia Capital, Bain Capital Ventures ve Tiger Global katıldı. Del Balalso, bunun Tecton’ın mühendislik ve pazara giriş ekiplerini ölçeklendirmek için kullanılacağını söylüyor.

Kleiner Perkins ortağı Bucky Moore, Teknolojik Haberler’a yaptığı açıklamada, “Bugün kullandığımız yazılımın son derece kişiselleştirilmiş ve akıllı olmasını bekliyoruz” dedi. “Makine öğrenimi bunu mümkün kılarken, en gelişmiş şirketler dışındaki herkes için olanak sağlayan altyapıyı inşa etmek son derece zor olduğundan, gerçeklikten uzak kalıyor. Tecton, bu altyapıyı tüm ekipler için erişilebilir hale getirerek, makine öğrenimi uygulamalarını daha hızlı oluşturmalarını sağlıyor.”

tekton

Tecton’ın izleme panosu. Resim Kredisi: tekton

Tecton, gerçek zamanlı veri kaynaklarını kullanarak özellik oluşturma sürecini yüksek düzeyde otomatikleştirir. Makine öğrenimindeki “özellikler”, bir yapay zeka sisteminde girdi görevi gören bağımsız bağımsız değişkenlerdir. Sistemler tahminlerini yapmak için özellikleri kullanır.

“[Automation,] Del Balso, şirketlerin gerçek zamanlı makine öğrenimi modellerini daha az veri mühendisliği çabasıyla çok daha hızlı dağıtmalarını sağlıyor” dedi. “Ayrıca şirketlerin daha doğru tahminler üretmesini sağlıyor. Bu, örneğin dolandırıcılık tespit oranlarını artırarak veya daha iyi ürün önerileri sunarak doğrudan sonuca dönüşebilir.”

Tecton, veri işlem hatlarını düzenlemeye ek olarak, yapay zeka sistem eğitim ve dağıtım ortamlarında özellik değerlerini depolayabilir. Platform ayrıca veri boru hatlarını izleyebilir, gecikme ve işleme maliyetlerini hesaplayabilir ve üretimdeki sistemleri eğitmek için geçmiş özellikleri alabilir.

Tecton ayrıca özel altyapı gerektirmeyen açık kaynaklı bir özellik mağaza platformu olan Feast’e de ev sahipliği yapıyor. Feast, bunun yerine mevcut bulutu veya şirket içi donanımı yeniden kullanarak gerektiğinde yeni kaynaklara dönüşüyor.

“Tecton için tipik kullanım örnekleri, gerçek zamanlı çıkarımdan yararlanan makine öğrenimi uygulamalarıdır. Del Balso, bazı örnekler arasında dolandırıcılık tespiti, öneri sistemleri, arama, taahhüt, kişiselleştirme ve gerçek zamanlı fiyatlandırma sayılabilir. “Bu makine öğrenimi modellerinin çoğu, gerçek zamanlı verileri kullanarak gerçek zamanlı tahminler yaparken çok daha iyi performans gösteriyor. Örneğin, dolandırıcılık tespit modelleri, bir kullanıcının davranışına ilişkin sayı, boyut ve işlemlerin coğrafi konumu gibi yalnızca birkaç saniye öncesine ait veriler kullanıldığında önemli ölçüde daha doğrudur.”

Göre Cognilytica, MLOps platformları için küresel pazar, 2019’daki 350 milyon dolardan 2025’e kadar 4 milyar dolara ulaşacak. Tecton, peşinden koşan tek girişim değil. Rakipler arasında Comet, Weights & Biases, Iterative, InfuseAI, Arrikto ve Continual sayılabilir. Özellik mağazası cephesinde Tecton, Rasgo ve molekülSplice, Google ve AWS gibi daha köklü markalar.

Del Balalso, Databricks, Snowflake ve Redis ile stratejik ortaklıklar ve entegrasyonlar gibi Tecton’ın lehine olan birkaç noktaya işaret ediyor. Tecton’un yüzlerce aktif kullanıcısı var – müşterilerden, tabanın geçen yıl içinde beş katına çıkması dışında hiçbir haber yok – ve Del Balalso brüt marjların (net satışlar eksi satılan malların maliyeti) %80’in üzerinde olduğunu söyledi. Yıllık yinelenen gelir görünüşte 2021’den 2022’ye üç katına çıktı, ancak Del Balso kesin rakamlar vermeyi reddetti.

“Hala MLOps’un erken aşamalarındayız. Bu, işletmeler için zor bir geçiştir. Veri bilimcilerinden oluşan ekipleri, daha çok veri mühendisleri gibi davranmalı ve üretim kalitesinde kod oluşturmaya başlamalıdır. Bu geçişi desteklemek için bir dizi yeni araca ihtiyaçları var ve bu araçları tutarlı makine öğrenimi platformlarına entegre etmeleri gerekiyor. Del Balso, MLOps araçlarının ekosistemi hâlâ oldukça parçalı durumda ve bu da işletmelerin bu makine öğrenimi platformlarını oluşturmasını zorlaştırıyor” dedi. Pandemi, dijital deneyimlere geçişi hızlandırdı ve bununla birlikte bu deneyimleri güçlendirmek için operasyonel ML’yi dağıtmanın önemi. Pandeminin, özellik mağazaları ve özellik platformları dahil olmak üzere yeni MLOps araçlarının benimsenmesi için bir hızlandırıcı olduğuna inanıyoruz.”

San Francisco merkezli Tecton’ın şu anda 80 çalışanı var. Şirket, önümüzdeki altı ay içinde yaklaşık 20 kişiyi işe almayı planlıyor.



Kaynak : https://techcrunch.com/2022/07/12/tecton-raises-100m-proving-that-the-mlops-market-is-still-hot/

Yorum yapın