Menu Close

Slai मशीन लर्निंग के इर्द-गिर्द बुद्धिमान विकल्प बनाता है…

ऐसी दुनिया में जहां ट्विलियो मौजूद है, आप 193 देशों में अपने स्वयं के एसएमएस मैसेजिंग स्टैक को खड़ा करने का सपना नहीं देखेंगे और भगवान जाने कितने दूरसंचार ऑपरेटर हैं। मशीन लर्निंग (एमएल) की स्थिति पूरी तरह से भिन्न नहीं है; जब तक एमएल आपके सॉफ़्टवेयर का मूल नहीं है – और शायद यह नहीं है – आप पूरे बुनियादी ढांचे को इकट्ठा करने में समय क्यों बर्बाद करेंगे। उस सटीक मुद्दे को हल करने के लिए, स्लाइ मशीन लर्निंग के लिए एक डेवलपर-प्रथम मंच का निर्माण कर रहा है। यह मशीन-लर्निंग एप्लिकेशन को जल्दी से शिप करने के लिए डेवलपर्स को टूल से लैस करता है।

“आज, मशीन लर्निंग एक शोध अनुशासन बना हुआ है, और एक डेवलपर के लिए अपना मशीन लर्निंग एप्लिकेशन बनाना अभी भी बहुत कठिन है,” स्ली के सह-संस्थापक और सीईओ एली मेर्निट साझा करते हैं। “हमारी आशा है कि डेवलपर्स को अत्याधुनिक मशीन लर्निंग मॉडल बनाने का अधिकार है।”

कंपनी ने आज घोषणा की कि उसने टाइगर ग्लोबल के नेतृत्व में $ 3.5 मिलियन का सीड राउंड जुटाया है, जिसमें वाई कॉम्बिनेटर, चार्ज वेंचर्स, असंबद्ध वेंचर्स, ट्वेंटी टू वेंचर्स और सोमा कैपिटल के अतिरिक्त निवेश के साथ-साथ गाय पॉडजर्नी और जेसन वार्नर शामिल हैं।

कंपनी का उत्पाद डेवलपर्स को मशीन लर्निंग मॉडल पर ध्यान केंद्रित करने पर केंद्रित है, न कि आसपास के सभी केरफफल पर, जिसमें बहुत समय लगता है, लेकिन यह सीधे एप्लिकेशन में योगदान नहीं करता है।

कार्रवाई में Slai.ai का स्क्रीनशॉट। छवि क्रेडिट: स्लाइ.

“उत्पाद आपको डेटा स्रोत कनेक्ट करने देता है। वह आपका डेटाबेस या डेटा के साथ S3 बकेट हो सकता है जिसे आप मशीन लर्निंग मॉडल में भेजना चाहते हैं। और फिर मशीन लर्निंग मॉडल – बस कुछ पायथन कोड – डेटा में भविष्यवाणियां ढूंढता है। हमने इसे एक एपीआई में लपेटा है, जो उपयोगकर्ता द्वारा पास किए गए इनपुट पर सत्यापन जैसी चीजें करता है, या उपयोगकर्ता को वापस भेजे जाने से पहले आउटपुट पर कुछ प्रसंस्करण करता है, “मेर्निट बताते हैं। “वे घटक मशीन लर्निंग एप्लिकेशन का गठन करते हैं। और इसलिए आम तौर पर, अगर कोई इस सामान को हाथ से कर रहा था, तो उन्हें स्वयं एक वेब सर्वर स्थापित करना होगा। उन्हें कुछ वर्जनिंग सिस्टम स्थापित करना होगा, उन्हें मॉडल की निगरानी का कोई तरीका स्थापित करना होगा। और यह सब बहुत व्यस्त काम के बराबर है। हम वह सब उपयोगकर्ता के लिए करते हैं। उन्हें केवल इस बात पर ध्यान देना है कि उनका डेटा कहां से आ रहा है और वे किस प्रकार के मॉडल का उपयोग कर रहे हैं। बाकी उनके लिए संभाला जाता है। संक्षेप में, हम मशीन सीखने की विकास प्रक्रिया में जाने वाले सभी गोंद को खत्म कर देते हैं।”

प्लेटफॉर्म खुद को एमएल के लिए गिटहब के रूप में सोचता है – और अनुप्रयोगों में उपयोग के लिए मशीन सीखने के लिए मौजूदा व्यंजनों को फोर्क करना आसान बनाता है।

Leave a Reply

Your email address will not be published. Required fields are marked *