En un mundo donde existe Twilio, no soñaría con tener su propia pila de mensajes SMS en 193 países y Dios sabe cuántos operadores de telecomunicaciones. La situación del aprendizaje automático (ML) no es del todo diferente; a menos que ML sea fundamental para su software, y probablemente no lo sea, ¿por qué perdería el tiempo ensamblando una infraestructura completa? Para resolver ese problema preciso, Slai está construyendo una plataforma para desarrolladores para el aprendizaje automático. Equipa a los desarrolladores con las herramientas para enviar rápidamente aplicaciones de aprendizaje automático.
“Hoy en día, el aprendizaje automático sigue siendo una disciplina de investigación y todavía es muy difícil para un desarrollador crear su propia aplicación de aprendizaje automático”, comparte Eli Mernit, cofundador y director ejecutivo de Slai. “Nuestra esperanza es que los desarrolladores estén capacitados para construir modelos de aprendizaje automático de última generación”.
La compañía anunció hoy que recaudó una ronda inicial de $ 3.5 millones liderada por Tiger Global, con una inversión adicional de Y Combinator, Charge Ventures, Uncorrelated Ventures, Twenty Two Ventures y Soma Capital, junto con ángeles como Guy Podjarny y Jason Warner.
El producto de la empresa se centra en permitir que los desarrolladores se concentren en los modelos de aprendizaje automático, en lugar de en todo el alboroto circundante que consume mucho tiempo, pero que no contribuye directamente a la aplicación en sí.
Captura de pantalla de Slai.ai en acción. Créditos de imagen: Slai
“El producto te permite conectar una fuente de datos. Esa podría ser su base de datos o un depósito S3 con datos que desea enviar a un modelo de aprendizaje automático. Y luego, el modelo de aprendizaje automático, solo un poco de código de Python, encuentra predicciones en los datos. Hemos envuelto eso en una API, que hace cosas como la validación de la entrada que el usuario pasa, o realiza algún procesamiento en la salida antes de que se envíe de vuelta al usuario”, explica Mernit. “Esos componentes constituyen una aplicación de aprendizaje automático. Y, por lo general, si alguien estuviera haciendo esto a mano, tendría que configurar un servidor web por sí mismo. Tendrían que configurar algún sistema de control de versiones, tendrían que configurar alguna forma de monitorear el modelo. Y todo esto equivale a mucho trabajo. Hacemos todo eso por el usuario. Todo en lo que tienen que concentrarse es de dónde provienen sus datos y qué tipo de modelo están utilizando. El resto lo manejan ellos. En pocas palabras, eliminamos todo el pegamento que interviene en el proceso de desarrollo del aprendizaje automático”.
La plataforma se considera a sí misma como GitHub para ML, y facilita la bifurcación de recetas existentes para el aprendizaje automático para su uso en aplicaciones.
Source link