MissingLink.ai מושקת כדי להאיץ את ההתקדמות של הלמידה העמוקה ולממש תוצאות עסקיות מהר יותר
|
דרוג:
תל אביב, וסן פרנסיסקו, 25 בספטמבר 2018, (BUSINESS WIRE) :
MissingLink.ai הושקה כפלטפורמת למידה עמוקה מקיפה לניהול מחזור החיים שמאפשרת למדעני ומהנדסי נתונים לקצר משמעותית את הזמן שלוקח לאמן ולספק תוצאות עסקיות אפקטיביות. כשמצלמות נמצאות בבתים, שטחי קמעונאות ובכיס של כל אדם בכדור הארץ כמעט, הכמות של נתוני תמונות ווידאו HD יוצרת ערכת נתונים לא מובנית שגדלה במהירות. IDC חוזה שכמות הנתונים הגלובליים שנתונים לניתוח נתונים תגדל פי 50 ל-5.2 זטה-בייט ב-2025. בה בעת, למידת מכונה מבטיחה להציל ולשפר חיים באופנים מעמיקים: זיהוי טוב יותר של סרטן ומחלות לב באמצעות דימות רפואי, דרכים בטוחות יותר באמצעות רכב אוטונומי, מרחבים ציבוריים בטוחים יותר באמצעות מצלמות קהל וגוף, קניות קלות יותר בשיטת חטוף ולך. היו הרבה דיבורים על ההבטחה של למידת מכונה לשחרר את הערך של אוסף הנתונים הזה שגדל כל הזמן, אבל האמת היא שכיום הערכת נתונים גוזלת יותר מדי זמן וכסף. מהנדסים מבזבזים יותר מדי זמן בניהול הכמות העצומה של נתונים, במקום באמת ללמוד מהם ולחולל שינויים. מדעני הנתונים האלה, שמאוד מבוקשים, למעשה מוציאים את זמנם בעשיית מה שיכול להיחשב DevOps, אבל הם יותר מכוונים למשימה של למידה עמוקה. פעולות למידה עמוקה -- DeepOps -- שילוב חדש של פילוסופיות תרבותיות, פרקטיקות וכלים למפתחי בינה מלאכותית, יאפשר לארגונים ליצור ולהפוך לאוטומטית את למידת המכונה שלהם בקצב מהיר יותר. בדומה ל-DevOps, DeepOps מדגיש את החשיבות של פרקטיקות שילוב והספקה שייעודיות לזרימות העבודה של למידת מכונה.
תפסיקו לבזבז זמן על משימות נחותות, תתמקדו בפתרון בעיות
MissingLink נוצרה מתוך רצון להפוך את הבעיה הזאת, כדי לאפשר לצוותים של מדעני ומהנדסי נתונים לנצל את הזמן שלהם לפתרון בעיות שמשנות את העולם במקום לעשות משימות נחותות.
"אנחנו נמצאים בנקודת מפנה עם כל הנתונים שאנחנו צריכים כדי לפתור בעיות באמת חשובות, כמו להציל חיים באמצעות גילוי סרטן ולאפשר נהיגה יותר בטוחה וחכמה ברחובות. אבל לעבור על כל הנתונים האלה כדי למצוא מהם את המשמעות קשה ודורש יותר מדי כוח אדם", אמר יוסי תגורי, מייסד משותף של MissingLink.ai. "MissingLink מאפשרת לכל מהנדס לבנות מכונות בינה מלאכותית מורכבות באופן שלא היה אפשרי קודם. אנחנו מסלקים הרבה מהעבודה השחורה, כך שהם יכולים להתמקד בעניינים היותר חשובים".
איך MissingLink עוזרת למהנדסי נתונים
פיתוח והפעלה של זרימת עבודה של למידה עמוקה צורכים הרבה משאבים וזמן. צריך לנהל הרבה ערכות נתונים וגרסאות של מודלים, כולל נתונים, ניסויים, משאבי חישוב וקוד.
באמצעות MissingLink, צוותי נתונים יכולים:
· להתחיל עם שלוש שורות של קוד: הגדרת ניסוי מצריכה עבודה מייגעת שכוללת ניתוח תחבירי של היומן, העתקת נתונים, ניהול מכונות, ביצוע ניסויים ידנית ורישום הניתוח ביומן. עם MissingLink, שלוש שורות קוד בלבד מאפשרות לכם ללא מאמץ לשלב קוד, נתונים ותשתית קיימת.
· לנהל נתונים כמו בקרת מקורות: בינה מלאכותית היא אחד התחומים שבחוד החנית של מדעי המחשב, אבל הענף עדיין משתמש באותם כלים ותיקים כמו מערכות קבצים. MissingLink מציעה אחסון נתונים שמודע לגרסה, שמבטל את הצורך להעתיק קבצים ורק מסנכרן שינויים בנתונים, והתוצאה היא זמן הטענה קצר יותר וחקירת נתונים פשוטה.
· להגיע לתוצאות מהר יותר: צריך להגדיר את הסביבה והמשאבים שנחוצים כדי לבצע ניסויים בקנה מידה גדול רק פעם אחת. אפשר להתקין ניסויים שיפעלו מראש באופן אוטומטי עם יכולת להגדיל/ להקטין אוטומטית משאבים לפי הצורך. MissingLink מאפשרת ניטור קל עם מעקב בזמן אמת אחרי ניסויים באמצעות דשבורדים חזותיים, שמאפשרים יכולת לקבל החלטות בזמן אמת.
· לשכפל ניסויים בקלות: היכולת לשכפל ניסויים קריטית להבנת בעיות ומיטוב פתרונות. MissingLink עוקבת אוטומטית אחרי כל הנתונים, הניסויים והקוד שלכם, ומאפשרת לכם לשכפל בקלות כל ניסוי בכל זמן.
· להגביר פרודוקטיביות: כשצוותים מבצעים ניסויי למידה עמוקה, הם צריכים לעקוב ולנהל אין ספור אלמנטים, גרסאות ונתונים. זאת עבודה חוזרת ומעייפת שגם מאוד מתסכלת אנשים וגם מבזבזת זמן וכסף לארגון. עם MissingLink, חלק מהלקוחות הצליחו לבצע פי עשרה יותר ניסויים באותו זמן, ואפילו לבצע עשרות ניסויים בו-זמנית.
· לנהל משאבים היברידיים באמצעות פקודה אחת: MissingLink מאפשרת לצוותים לנהל משאבי ענן מקומי וציבורי כסביבה אחת, ומאפשרת לכם להגדיל ולהקטין את משאבי החישוב שלכם בגמישות לפי הצורך.
· לשמור אצלכם נתונים וקוד: אין צורך להעלות את הנתונים והקוד של הניסויים שלכם, MissingLink שומרת על האבטחה והפרטיות שלהם ועוזרת להבטיח ציות של הענף.
· לטפל בקלות בערכות נתונים בקנה מידה גדול: פרויקטי למידה עמוקה של ראיית מחשב מביאים אתגרים נוספים. הגודל של קובצי תמונות ווידאו מאוד גדולים מייקר את האחסנה שלהם וביצוע ניסויים עליהם יכול לקחת הרבה מאוד זמן. MissingLink מספקת ניהול נתונים בקנה מידה גדול, שמאפשר לחברות להחזיק את הנתונים שלהן באתר הפיזי ולהתאים את השימוש בניסויים עם השינויים בצרכים שלכם.
מהנדסי נתונים בחברות כמו איידוק, ננית ו-Way2VAT מפיקים באמצעות MissingLink.ai ב-12-18 החודשים האחרונים וכבר יש אצלם תוצאות מהירות יותר, תפוקות באיכות גבוהה יותר וניהול קל יותר של עבודת הלמידה העמוקה.
לקוחות
"MissingLink.ai היא בדיוק מה שהיינו צריכים בשביל למידה עמוקה בקנה מידה גדול", אמר עידן בסוק, מנהל הבינה המלאכותית באיידוק, שמפתחת תוכנה מבוססת בינה מלאכותית שאושרה על ידי FDA לדימות רפואי. "אנחנו מעסיקים כישרונות מובילים במדע הנתונים כדי להתמקד באלגוריתמים והנדסה באיכות גבוהה. ביצוע עשרות ניסויים ביום מצריך שעות של עבודת DevOps, תחזוקה וזמן סרק. הפתרון של MissingLink מאפשר 10 דקות של הכנה ולחיצה על לחצן".
"בכל חודש אנחנו מבצעים מאות ניסויים על מיליוני נתונים של תמונות", אמר טור עברי, מייסד וסמנכ"ל טכנולוגיות של ננית, היצרנית של המוניטור לתינוקות החכם הפופולרי שמשתמש בלמידה עמוקה וראיית מחשב. "MissingLink היא אחד הפתרונות היחידים לניהול נתונים שיכול לטפל בגודל הזה, חוסך לנו הרבה זמן והופך את ניהול גרסאות הנתונים למאוד קל".
זמינות ומחירים
פלטפורמת הלמידה העמוקה של MissingLink זמינה עכשיו ומתחילה בגרסה חינם שתוכלו להגדיל עם התפתחותכם.
אודות MissingLink.ai
MissingLink.ai היא פלטפורמת למידה עמוקה חזקה שעוזרת למהנדסי נתונים לייעל ולהפוך לאוטומטי את כל מחזור הלמידה העמוקה: נתונים, קוד, ניסויים ומשאבים. היא מבטלת את העבודה השחורה ומקצרת משמעותית את הזמן שלוקח לאמן ולספק מודלים יעילים. משתמשים ב-MissingLink.ai מהנדסי נתונים בחברות כמו איידוק, ננית ו-Way2VAT. MissingLink היא חלק מ-Samsung NEXT. למידע נוסף, בקרו בבקשה באתרים MissingLink.ai ו-Samsung NEXT.
אנשי קשר
Text100 for MissingLink.ai מקור: MissingLink.ai |
| © כל הזכויות שמורות למערכת פרסום הודעות יחסי ציבור | בניית אתרים ע"י  |