این روزها به هوش مصنوعی چه می گویید؟ ML با کت و شلوار
ML یا یادگیری ماشین امروزه بازار بزرگی است. این امر به لطف شرکتهای مدرن است که داده هایی مانند احتکارکنندگان و علم داده را به عنوان یک گروه کار در حال جمع آوری است. شواهد مورد اول را می توان در رشد ارسال شده توسط Databricks در سه ماهه اخیر یافت ، و دومی در میزان نقدینگی که شرکت های Big Tech مایل به انجام وظایف متمرکز بر ML هستند.
این روزها بازاری که Weights & Biases در آن بازی می کند فعال است. در این بیانیه آمده است که این استارتاپ فقط 100 میلیون دلار در سری C. بزرگ جمع آوری کرده است. Felicis ، Insight Partners ، Bond و Coatue در این معامله مشارکت داشتند.
بر اساس داده های Carta ، دورهای سری C متمرکز بر داده ها و تجزیه و تحلیل ها از ابتدای سال 2020 دارای ارزش متوسط 43.75 میلیون دلار و ارزش گذاری متوسط (پس از پول) حدود 416 میلیون دلار است. این امر باعث می شود تا با توجه به داده های تاریخی ، این دور به طور مضاعفی در مورد آنچه که ما انتظار داریم شرکت مطرح کند ، انجام شود.
از نظر محصول ، Weights & Biases در فضای “MLOps” یا بازار عملیات یادگیری ماشین بازی می کند. MLOps به طور طبیعی ، علیرغم اینکه یک دسته جدیدتر است ، مشابه DevOps است.
اعتبار تصویر: وزن ها و تعصبات محصول مورد نظر.
به گفته بنیانگذار Weights & Biases لوکاس بیوالد، دنیای نرم افزار مجموعه ای از ابزارها را دارد که توسعه دهندگان می توانند کد را به خوبی بنویسند و به کار گیرند. این می تواند شامل یک سرویس به سبک git (GitLab ، GitHub و غیره) ، نظارت (Atlassian ، Datadog و غیره) و موارد مشابه باشد.
او توضیح داد که هدف شرکت او ایجاد مجموعه ای از خدمات مشابه برای دنیای ML است. او توضیح داد که امروزه بسیاری از تیم های ML با ابزارهای موقتی یا بدون کمک نرم افزاری کار می کنند.
نیاز به چنین پشته ای می تواند شدید باشد. به گفته بیوالد ، تفاوت بین توسعه و دنیای ML در این است که در حالی که کد هنگام خرابی خراب می شود ، کار ML می تواند به شیوه های ظریف تری “بد رفتار کند”.
به طور طبیعی Weights & Biases را وارد کنید. زندگی محصول این استارتاپ با ردیابی آزمایش آغاز شد ، که بیوالد آن را به نسخه بندی کد در پشته DevOps تشبیه کرد. او توضیح داد که Git ، در حالی که برای نسخه بندی کدهایی که انسان می نویسد عالی است ، اما در مدیریت نسخه های مختلف کدهای کامپیوتری ، مانند آنچه از کار یادگیری ماشین به دست می آید ، تا حدودی ضعیف است. این همان موضوعی است که Weights & Biases می خواهد به آن بپردازد.
این تلاش مطمئناً توجه سرمایه گذاران را به خود جلب می کند. سرمایه گذار Felicis ، آیدین سنکوت به TechCrunch گفت که مدتی بود که به Weights & Biases توجه داشت ، اما سرمایه گذاران دیگر در دو دور قبلی خود پیش رفتند. این بار ، Senkut با پیش خالی کردن شرکت وارد جدول کلاه شد. در صورت بیلیالد ، Weights & Biases اگر Felicis هدایت این اتهام را بر عهده نداشت ، یک دور مشابه را پیش می برد ، هرچند بعداً.
TechCrunch قبل از چت با شرکت ، به طرح قیمت گذاری استارتاپ پرداخت. لیست قیمت آن در مقایسه با بهره وری که به نظر می رسد Weights & Biases با ارائه خدمات خود قصد ارائه آن را دارد ، ارزان به نظر می رسید. توجه داشته باشید که این به خودی خود یک تعریف نیست. قیمت گذاری پایین راهی برای انتقال ارزش از شرکت – و سرمایه گذاران – به مشتریان در کوتاه مدت است.
بیوالد گفت که Weights & Biases خدمات خود را قیمت گذاری می کند تا دسترسی به آن برای همه آسان باشد. سنکوت افزود که در میان بررسی های مشتری توسط Felicis در حین تلاش برای سرمایه گذاری ، مشتریان گفتند که این استارتاپ خدمات خود را با ضریب سه برابر قیمت گذاری می کند.
این سرمایه گذار افزود که او از این چشم انداز هیجان زده است زیرا شرکت های دیگر مانند Shopify به دنبال حرص و طمع طولانی مدت بر سر درآمدهای کوتاه مدت بوده اند.
صادقانه بگویم ، من علاقه زیادی به آنچه Weights & Biases می خواهد بسازد دارم. بیایید ببینیم یک چک 9 رقمی که زود به دست آمد چقدر می تواند به شرکت برسد. دفعه بعد که صحبت می کنیم ، وقت آن است که معیارهای رشد را با دقت بیشتری بررسی کرده و تاثیرات حاشیه خدمات رایگان آن را بررسی کنیم (مگر اینکه ، البته ، آن مورد خاص را در مورد خط فروش و بازاریابی خود قرار دهد).