Rejoignez-Nous sur

Investir dans Tecton – Andreessen Horowitz

Tecton Founders

News

Investir dans Tecton – Andreessen Horowitz

Les propriétés d'un système logiciel – performances, précision, sécurité, conformité et bien plus encore – sont traditionnellement dictées par le code utilisé pour le construire. En conséquence, une chaîne d'outils complète a été développée pour faciliter l'écriture, le débogage, la sécurisation et l'analyse du code.

Cependant, avec plus de systèmes logiciels construits autour des modèles AI et ML, les performances, la précision et la sécurité du système dépendent autant des données sur lesquelles le système fonctionne que du code sur lequel il est construit. La construction de systèmes ML est devenue un avantage concurrentiel, en particulier dans la différenciation des produits, avec des cas d'utilisation précieux, de la détection des fraudes aux moteurs de recommandation. De plus en plus, cet avantage concurrentiel dépend du ML utilisé pour les décisions en temps réel, nécessite de nouvelles données, est à faible latence et à grande échelle.

Malheureusement, l'outillage pour aider les scientifiques et ingénieurs de données qui construisent des systèmes AI / ML est beaucoup moins mature que les produits conçus pour aider au développement de logiciels. Les scientifiques des données travaillent souvent localement, forment des modèles et construisent les pipelines de données qui les alimentent. Mais intégrer ce modèle local dans une production à grande échelle est un processus long et ardu, soumis à des contraintes qui ne sont tout simplement pas présentes dans l'environnement de formation. De plus, les modèles formés hors ligne doivent être mis en ligne et fonctionner sur le même type de données (appelées fonctionnalités) afin de donner des résultats sensibles. Mais l'outillage pour standardiser, gouverner et collaborer autour des données ML est encore incroyablement immature.

Quand j'ai rencontré l'équipe Tecton pour la première fois, ils étaient les pionniers d'un projet au sein d'Uber appelé Michelangelo. Leur objectif était de démocratiser l'apprentissage automatique et l'IA en fournissant l'outillage pour la gestion des données dans les pipelines ML, il était donc aussi facile de construire un système ML que de coder une application simple.

L'objectif est simple à énoncer, mais pour savoir comment le faire, il a fallu des années d'expérience dans la construction de grands systèmes ML et AI au sein d'entreprises telles que Uber, Google, Airbnb et Facebook.

L'équipe de Michelangelo avait pour idée de créer une plate-forme, qu'ils appelaient un magasin de fonctionnalités pour gérer les signaux de données particuliers (c'est-à-dire les «fonctionnalités») importants pour les systèmes ML, tout comme vous géreriez du code. Le magasin de fonctionnalités a facilité le transfert entre les scientifiques des données qui identifient les fonctionnalités et les ingénieurs de données qui gèrent les systèmes qui les utilisent en production. Avec Michelangelo, les scientifiques et ingénieurs des données pouvaient extraire des fonctionnalités hors ligne pour former des modèles, puis les déplacer de manière cohérente vers la production.

Chez Uber, le magasin de fonctionnalités a considérablement amélioré le temps nécessaire à la mise en production des modèles ML et a fourni un référentiel normalisé et unifié des signaux les plus importants à l'entreprise. Il a également fourni une interface entre les scientifiques et les ingénieurs de données afin qu'ils puissent collaborer pour atteindre les objectifs avec moins d'erreurs. Aujourd'hui, Michel-Ange et son magasin de fonctionnalités alimentent des milliers de modèles en production.

Le magasin de fonctionnalités a suscité une attention immédiate dans toute l'industrie. Cependant, Mike, Jeremy et Kevin, qui ont travaillé sur le projet, savaient qu'il y avait beaucoup plus à construire pour poursuivre leurs objectifs de démocratisation du ML, alors ils ont créé Tecton.

Nous avons initialement effectué l'investissement de démarrage dans Tecton à la fin de 2018 et il était rapidement évident à quel point l'industrie voulait un meilleur outillage autour des données ML. Après avoir suivi un certain nombre d'engagements profonds avec les meilleures équipes ML et leur intérêt pour ce que Tecton construisait, nous avons investi dans Tecton’s A aux côtés de Sequoia. Nous sommes convaincus que ces systèmes continueront de s'appuyer de plus en plus sur des données et des modèles ML, et une toute nouvelle chaîne d'outils est nécessaire pour faciliter leur développement. Par conséquent, chez a16z, nous sommes extrêmement ravis de travailler avec Tecton pour aider à créer les pipelines de données AI et ML les plus sophistiqués.

***

Les opinions exprimées ici sont celles de chaque personne AH Capital Management, L.L.C. («A16z») personnel cité et ne sont pas le point de vue de a16z ou de ses filiales. Certaines informations contenues ici ont été obtenues auprès de sources tierces, y compris auprès de sociétés de portefeuille de fonds gérés par a16z. Bien que provenant de sources jugées fiables, a16z n'a pas vérifié ces informations de manière indépendante et ne fait aucune déclaration sur l'exactitude durable des informations ou leur pertinence pour une situation donnée. De plus, ce contenu peut inclure des publicités de tiers. A16z n'a pas examiné ces publicités et n'approuve aucun contenu publicitaire qui y est contenu.

Ce contenu est fourni à titre informatif uniquement et ne doit pas être considéré comme un conseil juridique, commercial, d'investissement ou fiscal. Vous devriez consulter vos propres conseillers sur ces questions. Les références à des titres ou des actifs numériques sont fournies à titre indicatif uniquement et ne constituent pas une recommandation d'investissement ni une offre de prestation de services de conseil en investissement. En outre, ce contenu n'est pas destiné ni destiné à être utilisé par des investisseurs ou des investisseurs potentiels, et ne peut en aucun cas être invoqué lors de la décision d'investir dans un fonds géré par a16z. (Une offre d'investissement dans un fonds a16z ne sera faite que par le mémorandum de placement privé, la convention de souscription et tout autre document pertinent de ce fonds et doit être lu dans son intégralité.) Tous les investissements ou sociétés de portefeuille mentionnés, mentionnés, ou décrits ne sont pas représentatifs de tous les investissements dans des véhicules gérés par a16z, et rien ne garantit que les investissements seront rentables ou que d'autres investissements réalisés à l'avenir auront des caractéristiques ou des résultats similaires. Une liste des investissements réalisés par des fonds gérés par Andreessen Horowitz (à l'exclusion des investissements pour lesquels l'émetteur n'a pas autorisé A16z à divulguer publiquement ainsi que des investissements inopinés dans des actifs numériques cotés en bourse) est disponible sur https://a16z.com/investments/.

Les tableaux et graphiques fournis dans le présent document sont fournis à titre informatif uniquement et ne doivent pas être pris en compte lors de toute décision d'investissement. Les performances passées ne représentent pas les résultats futurs. Le contenu ne parle qu'à la date indiquée. Toutes les projections, estimations, prévisions, cibles, perspectives et / ou opinions exprimées dans ces documents peuvent être modifiées sans préavis et peuvent différer ou être contraires aux opinions exprimées par d'autres. S'il te plait regarde https://a16z.com/disclosures pour plus d'informations importantes.



Traduction de l’article de dasrush : Article Original

BlockBlog

Le Meilleur de l'Actualité Blockchain Francophone & Internationale | News, Guides, Avis & Tutoriels pour s'informer et démarrer facilement avec Bitcoin, les Crypto-Monnaies et le Blockchain. En Savoir Plus sur L'Équipe BlockBlog

Commenter cet Article

Commenter cet Article

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Plus dans News

Les Plus Populaires

Acheter des Bitcoin

Acheter des Alt-Coins

Sécuriser vos Cryptos

Vêtements et Produits Dérivés

Top