Deepnote recauda $ 3.8M para construir una mejor plataforma de ciencia de datos

Deepnote, una 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, también como un número de ángeles inversores, incluidos OpenAI Greg Brockman, Dylan Field de Figma, Elad Gil, Naval Ravikant, Daniel Gross y Lachy Groom.

Construido alrededor de las notebooks 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 ciencias de datos, por ejemplo, simplemente puede venir a Deepnote y comenzar.

En su forma actual, Deepnote no cobra por su servicio, a pesar del hecho de que permite a sus usuarios trabajar con grandes conjuntos de datos y entrenar sus modelos en máquinas basadas en la nube con GPU conectadas.

Sin embargo, como me dijo Jakub Jurových, cofundador y CEO de Deepnote (y ex ingeniero de Mozilla), cree que la característica más importante del servicio es su capacidad para permitir que los usuarios colaboren. “En los últimos años, comencé a hacer mucho trabajo de ciencia de datos y ayudé a un par de compañías 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 tiene un equipo más grande, rápidamente se encuentra con problemas porque el conjunto actual de herramientas nunca tuvo la intención de hacer este tipo de trabajo. “Si soy un científico de datos por entrenamiento, paso la mayor parte del 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 entrenamiento paralelo no es algo que estoy buscando”.

Cuando comenzó este proyecto a principios de 2019, el equipo de Deepnote decidió colocar los portátiles Jupyter en el centro de la experiencia del usuario. Después de todo, eso es con lo que la mayoría de los científicos de datos ya están familiarizados. Luego construyó las características 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 maestros ya usan Deepnote para publicar ejercicios interactivos para sus alumnos. Con el tiempo, la compañía obviamente quiere atraer más negocios, pero por el momento, se centra principalmente en desarrollar su producto. Dada su naturaleza colaborativa, el equipo también cree que el servicio crecerá naturalmente de boca en boca a medida que las personas inviten a otros a colaborar en productos.

“La ciencia de datos está atrasada por los beneficios de las herramientas nativas de la nube y la colaboración”, dijo Accel compañero Vas Natarajan. “Este es un mercado dinámico y de rápido crecimiento que exige un sucesor de las herramientas existentes. Jakub y su equipo están creando un poderoso software para modernizar el flujo de trabajo de 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 diferentes necesidades que un ingeniero de visión por computadora.