Vom Hostel Dorm zum Raising Seed Fund: Ein großer Schritt in Richtung unserer Zukunft!

Heute teilen wir der Welt den ersten von hoffentlich vielen Meilensteinen in TrueFoundry's Journey mit. Wir freuen uns, Ihnen mitteilen zu können, dass wir unsere Seed-Runde in Höhe von 2,3 Mio. USD unter der Leitung von Sequoia India und Surge aus Südostasien sowie Eniac Ventures und anderen prominenten Angels wie AngelList-Mitbegründer Naval Ravikant, Deutsche Bank Global CIO Dilip Khandelwal, Maneesh Sharma, Leiter von GitHub India, Mike Boufford, CTO von Greenhouse Software, und Anthony Goldbloom, unter anderem, aufgebracht haben.

Jedes Unternehmen wird ein Datenunternehmen sein

Wir sind zwar sehr stolz auf die Reise, die wir bisher unternommen haben, um diesen Ort zu erreichen, aber es ist immer noch der erste große Schritt auf dem Weg zu einer 1000-Meilen-Reise, die wir drei zusammen mit unserem Rockstar-Team unternehmen müssen, bevor wir sagen können, dass wir wirklich erfolgreich waren. Dass Daten das neue Öl werden, ist zu einem alten Klischee geworden, und trotzdem haben wir noch nicht gesehen, wie jeder sein volles Potenzial ausgeschöpft hat. Maschinelles Lernen bietet enorme Möglichkeiten für Unternehmen, doch die Entwicklung und Einführung von ML-Modellen ist ein zeitintensiver und komplexer Prozess für Softwareingenieure, ML-Ingenieure und Datenwissenschaftler. Infolgedessen landen fast 90% der ML-Modelle nicht in der Produktion. Bei den Modellen, die es bis zur Bereitstellung schaffen, scheitern 50%, weil keine Überwachungssysteme vorhanden sind, und 30% müssen aufgrund von Skalierungs- und Latenzproblemen, die während der Datentrainingsphase oft übersehen werden, rückgängig gemacht werden. Große Unternehmen können diese Lücke zwar überbrücken, indem sie große, hochwertige ML-Plattformteams einsetzen, um ML-Modelle zu entwerfen und auf den Markt zu bringen, aber für kleinere Unternehmen und Startups ist es weniger machbar, beim Aufbau ihrer Unternehmen so hohe Investitionen zu tätigen.

Die Welt braucht eine einfachere Lösung

Während unserer Zeit bei Facebook haben wir erkannt, dass kleinere Unternehmen auf dem Markt im Vergleich zu großen Technologieunternehmen deutlich mehr Zeit für die Entwicklung und Bereitstellung von Modellen für maschinelles Lernen benötigten. Daher wurde TrueFoundry aus der Idee heraus geboren, dass kein Unternehmen — ob groß oder klein — die Möglichkeiten des maschinellen Lernens verpassen sollte. Mit unserer automatisierten Plattform sind Datenwissenschaftler und Ingenieure in der Lage, Modelle für maschinelles Lernen mit der Geschwindigkeit und dem Reifegrad von Big Tech bereitzustellen und so ihre Produktionszeiten von mehreren Wochen auf wenige Stunden zu verkürzen. Daten sind das neue Öl und wir möchten Unternehmen in die Lage versetzen, maschinelles Lernen schneller zu nutzen und einen höheren Geschäftswert zu generieren. Unser Ziel ist es, sich wiederholende Aufgaben in der ML-Pipeline wie Infrastruktur und Bereitstellung zu automatisieren, damit sich Datenwissenschaftler und ML-Techniker auf höherwertige, kreativere Aufgaben konzentrieren können. Auf diese Weise können Unternehmen bestehende Modelle kontinuierlich aktualisieren und neue herausbringen, um sich einen Wettbewerbsvorteil zu verschaffen. TrueFoundry hat es sich zur Aufgabe gemacht, die Produktion und Überwachung von maschinellem Lernen zu demokratisieren, um allen einen positiven Mehrwert zu bieten.

Die größte Herausforderung bei der Erzielung dieses Ergebnisses sind die heterogenen Anforderungen verschiedener Organisationen, die vom Reifegrad ihrer ML-Entwicklungsworkflows abhängen — und genau hier versagen die meisten vorhandenen Produkte. Wenn ein Startup beispielsweise versucht, sein erstes Modell in die Produktion zu bringen, ist das einzige, was für es wichtig ist, wie Sie Ihr Modell schnell bereitstellen, auch ohne sich Gedanken über Best Practices machen zu müssen. Auf der anderen Seite kümmert sich ein Scale-Up, bei dem mehrere Teams Modelle für maschinelles Lernen entwickeln, um die Best Practices rund um Tracking, Versionierung, Skalierung, CI/CD und Überwachung. Die meisten Produkte schaffen es nicht, dieses Gleichgewicht zu finden, da es entweder zu kompliziert ist, sie von einem ML-Entwickler einzurichten, oder weil sie für ein relativ ausgereiftes Unternehmen zu viele technische Schulden mit sich bringen.

Unser Ansatz

Von Amazon Web Services (AWS), Google Cloud und Tensorflow bis hin zu Kubernetes — wir sind plattformunabhängig und lassen uns für eine nahtlose Implementierung einfach in Ihren bestehenden Stack integrieren. Unsere Plattform ermöglicht es ML-Teams dadurch, zehnmal schneller zu sein. Wir machen es wirklich einfach, loszulegen (<5 Minuten Einrichtungszeit) und Modelle in die Produktion zu bringen, aber wenn ihre Anforderungen reifen, unterstützt die Plattform bereits Versionskontrolle, Überwachungseinrichtung, CI/CD, Auto-Scaling usw., die schnell aktiviert werden können. Wir betrachten unsere Lösung als- starten Sie wie Heroku und skalieren Sie wie AWS.

Das Rockstar-Team

Schließlich mögen all diese Dinge auf dem Papier gut klingen, sie zu bauen und auszuführen ist eine ganz andere Aufgabe. Hier hatten wir das große Glück, einige der besten verfügbaren Talente auf dem Gebiet zu gewinnen, die dieselbe Vision wie wir teilen. Sie haben dafür gesorgt, dass wir unserer Vision treu bleiben und aus allem, was wir können, das Beste herausholen

Sie können mehr über diese Neuigkeiten lesen auf
TechCrunch
Wirtschaftliche Zeiten
Geschäfts-Insider
Inc. 42

Klingt das alles interessant für dich? Setzen Sie sich mit uns unter anuraag@truefoundry.com in Verbindung und wir können uns unterhalten!