Deepchecks recauda fondos y lanza una plataforma de validación de código abierto para modelos ML

Únase a altos ejecutivos en San Francisco los días 11 y 12 de julio para conocer cómo los líderes están integrando y optimizando las inversiones en IA para lograr el éxito. Más información

Deepchecks, una empresa especializada en operaciones de aprendizaje automático (MLOps), anunció hoy el lanzamiento de su plataforma de código abierto para la validación continua de modelos de aprendizaje automático (ML). Esta nueva oferta tiene como objetivo establecer un estándar para la seguridad y previsibilidad de ML, cerrando la brecha entre la investigación y la producción.

Además, la empresa aseguró $14 millones en fondos iniciales, con Alpha Wave Ventures liderando la ronda de inversión con la participación de Hetz Ventures y Grove Ventures.

A medida que el aprendizaje automático pasa de largos proyectos de investigación a ciclos de desarrollo ágiles similares a los de software, la industria necesita procesos y herramientas sólidos para garantizar implementaciones rápidas y de alta calidad. A diferencia del desarrollo de software tradicional, la naturaleza compleja y opaca de ML plantea desafíos para su implementación segura y predecible.

Deepchecks dice que aborda estos desafíos aprendiendo del desarrollo de software. La nueva oferta de la empresa permite a los desarrolladores obtener visibilidad y confianza en todo el ciclo de vida de ML, que abarca las operaciones de desarrollo, implementación y producción.

Evento

Transformar 2023

Únase a nosotros en San Francisco los días 11 y 12 de julio, donde los altos ejecutivos hablarán sobre cómo han integrado y optimizado las inversiones en IA para lograr el éxito y cómo evitar errores comunes.

Regístrate ahora

"Un gran desafío en la implementación de sistemas de IA es asegurarse de que hagan lo que se supone que deben hacer, sin ser dañinos, parciales o simplemente incorrectos", dijo Shir Chorev, cofundador y CTO de Deepchecks, a VentureBeat. . Esto es especialmente difícil debido a la naturaleza dinámica de los datos y la IA, y dado que la IA no tiene un sentido común inherente".

Transición de modelos en producción.

Chorev destacó el compromiso de su empresa de proporcionar a los profesionales herramientas fáciles de usar para crear y personalizar pruebas cruciales que identifiquen y prevengan problemas, como las pruebas de regresión. Estas pruebas se pueden crear y aplicar de manera reutilizable y eficiente.

Ella cree que esta asistencia ayuda a las empresas a superar un obstáculo importante: la transición de modelos confiables a la producción.

“Deepchecks aplica los principios continuos de prueba y validación del desarrollo de software a ML, lo que hace que el proceso de desarrollo sea más eficiente y ágil”, agregó. "Esto permite a los profesionales asumir la responsabilidad del rendimiento de sus modelos, la estabilidad de los sistemas que desarrollan y reutilizar fácilmente las pruebas de validación a lo largo del ciclo de vida de ML y en diferentes tareas organizacionales, minimizando el tiempo dedicado a tareas no críticas".

La nueva herramienta también brinda capacidades de monitoreo y análisis de causa raíz para entornos de producción. La empresa afirma que la plataforma ha tenido más de 500 000 descargas y ya la utilizan empresas conocidas como AWS, Booking y Wix, así como industrias altamente reguladas como las finanzas y la atención médica.

Deepchecks dijo que su versión empresarial ofrece funciones avanzadas de colaboración y seguridad.

IA mejorada...