nota profundauna startup que ofrece a los científicos de datos una experiencia colaborativa en línea similar a IDE para construir sus modelos de aprendizaje automático, anunció hoy que ha recaudado una ronda inicial de $ 3.8 millones liderada por Index Ventures y Accel, con la participación de YC y Credo Ventures, así como varios inversores ángeles, incluidos Greg Brockman de OpenAI, Dylan Field de Figma, Elad Gil, Naval Ravikant, Daniel Gross y Lachy Groom.
Construido alrededor de portátiles Jupyter estándar, Deepnote quiere proporcionar a los científicos de datos una plataforma basada en la nube que les permita concentrarse en su trabajo abstrayendo toda la infraestructura. Entonces, en lugar de tener que pasar unas horas configurando su entorno, un estudiante en una clase de ciencia de datos, por ejemplo, puede simplemente ingresar a Deepnote y comenzar.
En su forma actual, Deepnote no cobra por su servicio, a pesar de que permite a sus usuarios trabajar con grandes conjuntos de datos y entrenar sus modelos en máquinas basadas en la nube con GPU adjuntas.
Sin embargo, como me dijo el cofundador y director ejecutivo de Deepnote (y ex ingeniero de Mozilla), Jakub Jurových, él cree que la característica más importante del servicio es su capacidad para permitir que los usuarios colaboren. “Durante los últimos dos años, comencé a hacer mucho trabajo de ciencia de datos y ayudé a un par de empresas a ampliar sus equipos de ciencia de datos”, dijo. “Y una y otra vez, nos encontramos con el mismo problema: las personas tienen problemas reales para colaborar”.
Jurových argumenta que si bien es bastante fácil mantener sincronizados a dos o tres científicos de datos, una vez que tienes un equipo más grande, rápidamente te encuentras con problemas porque el conjunto actual de herramientas nunca fue diseñado para hacer este tipo de trabajo. “Si soy un científico de datos de formación, paso la mayor parte de mi tiempo haciendo matemáticas y estadísticas”, dijo. “Pero entonces, esperar que me conecte a un clúster EC2 y gire un montón de instancias de GPU para el entrenamiento paralelo no es algo que esté buscando”.
Cuando comenzó este proyecto a principios de 2019, el equipo de Deepnote decidió poner las notebooks Jupyter en el centro de la experiencia del usuario. Eso es, después de todo, con lo que la mayoría de los científicos de datos ya están familiarizados. Luego creó las funciones de colaboración en torno a eso, así como herramientas para extraer datos de servicios de terceros y herramientas de programación para iniciar trabajos dentro de la plataforma a intervalos regulares.
Deepnote ya es bastante popular entre los estudiantes. Jurových también señaló que muchos profesores ya usan Deepnote para publicar ejercicios interactivos para sus alumnos. Con el tiempo, la compañía obviamente quiere incorporar más negocios, pero por el momento, se enfoca principalmente en construir su producto. Dada su naturaleza colaborativa, el equipo también cree que el servicio crecerá naturalmente a través del boca a boca a medida que las personas inviten a otras a colaborar en los productos.
“La ciencia de datos está atrasada por los beneficios de las herramientas que son nativas de la nube y la colaboración”, dijo Vas Natarajan, socio de Accel. “Este es un mercado dinámico y de rápido crecimiento que exige un sucesor para las herramientas existentes. Jakub y su equipo están creando un software potente para modernizar el flujo de trabajo de la ciencia de datos para los equipos”.
La nueva financiación se destinará principalmente a contratar y desarrollar el producto, con un enfoque en la experiencia general del usuario. Incluso dentro de la comunidad de ciencia de datos, hay una variedad de casos de uso, después de todo, y un ingeniero de PNL tiene necesidades diferentes a las de un ingeniero de visión por computadora.
Source link