De Hostel Dorm a Raising Seed Fund: ¡Un gran paso hacia nuestro futuro!

Hoy compartimos con el mundo el primero de, esperemos, muchos hitos del viaje de TrueFoundry. Nos complace anunciar que hemos elevado nuestra ronda inicial de 2,3 millones de dólares, liderada por Sequoia India y Surge, del sudeste asiático, a la que se unen Eniac Ventures y otros actores destacados, como Naval Ravikant, cofundador de AngelList, director de TI global de Deutsche Bank, Dilip Khandelwal, director de GitHub India, Maneesh Sharma, director de tecnología de Greenhouse Software, Mike Boufford, y Anthony Goldbloom, fundador de Kaggle, entre otros.

Cada empresa será una empresa de datos

Si bien estamos inmensamente orgullosos del viaje que hemos emprendido hasta ahora para llegar a este lugar, sigue siendo el primer gran paso hacia un viaje de 1000 millas que los tres, junto con nuestro equipo de Rockstar, tendremos que emprender antes de poder decir que realmente lo hemos logrado. Los datos, que se están convirtiendo en el nuevo petróleo, se han convertido en un viejo cliché y, a pesar de ello, no hemos visto a todo el mundo aprovechar todo su potencial. El aprendizaje automático ofrece inmensas oportunidades para las empresas, pero el desarrollo y el lanzamiento de modelos de aprendizaje automático es un proceso complejo y que requiere mucho tiempo para los ingenieros de software, los ingenieros de aprendizaje automático y los científicos de datos. Como resultado, casi el 90% de los modelos de aprendizaje automático no terminan en producción. En el caso de los modelos que se implementan, el 50% falla debido a la ausencia de sistemas de monitoreo y el 30% tiene que revertirse debido a problemas de escalado y latencia que a menudo se pasan por alto durante la fase de entrenamiento de los datos. Si bien las grandes empresas pueden cerrar esta brecha mediante el despliegue de grandes equipos de plataformas de aprendizaje automático de alta gama para diseñar y lanzar modelos de aprendizaje automático, es menos factible que las empresas más pequeñas y las empresas emergentes inviertan tan altas mientras construyen sus empresas.

El mundo necesita una solución más sencilla

Durante el tiempo que estuvimos en Facebook, reconocimos que las empresas más pequeñas que estaban en el mercado necesitaban mucho más tiempo para crear e implementar modelos de aprendizaje automático en comparación con las grandes empresas de tecnología. Por lo tanto, TrueFoundry nació de la idea de que ninguna empresa, grande o pequeña, debería perder las oportunidades del aprendizaje automático. Con nuestra plataforma automatizada, los científicos e ingenieros de datos pueden implementar modelos de aprendizaje automático a la velocidad y madurez de las grandes empresas tecnológicas, lo que reduce sus plazos de producción de varias semanas a unas pocas horas. Los datos son el nuevo petróleo y queremos que las empresas puedan utilizar el aprendizaje automático más rápido y generar un mayor valor empresarial. Nuestro objetivo es automatizar las tareas repetitivas del proceso de aprendizaje automático, como la infraestructura y las implementaciones, para que los científicos de datos y los ingenieros de aprendizaje automático puedan centrarse en tareas más creativas y de mayor valor. Esto permite a las empresas actualizar continuamente los modelos existentes y lanzar otros nuevos para obtener una ventaja competitiva. TrueFoundry tiene la misión de democratizar la producción y el monitoreo del aprendizaje automático para ofrecer un valor positivo a todos.

El mayor desafío para lograr este resultado son los requisitos heterogéneos de las diferentes organizaciones en función del nivel de madurez de sus flujos de trabajo de desarrollo de ML, y ahí es donde fallan la mayoría de los productos existentes. Por ejemplo, si una empresa emergente está intentando poner en producción su primer modelo, lo único que le importa es cómo implementar rápidamente su modelo, incluso sin preocuparse por las mejores prácticas. Por otro lado, una empresa en expansión que tiene varios equipos que crean modelos de aprendizaje automático se preocupa por las mejores prácticas en materia de seguimiento, control de versiones, escalado, CI/CD y monitoreo. La mayoría de los productos no logran alcanzar este equilibrio, ya que resulta demasiado complicado configurarlos para un desarrollador de aprendizaje automático o generan demasiadas deudas técnicas para una organización relativamente madura.

Nuestro enfoque

Desde Amazon Web Services (AWS), Google Cloud y Tensorflow hasta Kubernetes, somos independientes de las plataformas y nos integramos fácilmente con su paquete existente para una implementación perfecta. Como resultado, nuestra plataforma permite a los equipos de aprendizaje automático ser 10 veces más rápidos. Hacemos que sea muy fácil empezar (menos de 5 minutos de tiempo de configuración) y poner los modelos en producción, pero a medida que crecen sus necesidades, la plataforma ya admite el control de versiones, la supervisión, la configuración, la CI/CD, el escalado automático, etc., lo que se puede activar rápidamente. Pensamos que nuestra solución es: comience como Heroku y escale como AWS.

El equipo de Rockstar

Por último, todas estas cosas pueden sonar bien sobre el papel, construirlas y ejecutarlas es un problema completamente diferente. Ahí es donde hemos tenido la gran suerte de poder reunir a algunos de los mejores talentos disponibles en el Dominio que comparten la misma visión que la nuestra. Se han asegurado de que nos mantengamos fieles a nuestra visión y de que desarrollemos lo mejor de todo lo que podamos

Puedes leer más sobre esta noticia en
TechCrunch
Tiempos económicos
Business Insider
Inc 42

¿Todo esto te parece interesante? ¡Ponte en contacto con nosotros en anuraag@truefoundry.com y podemos charlar!