Бывшие сотрудницы «Яндекса» запустили сервис для аналитики моделей машинного обучения и прошли в Y Combinator Статьи редакции
Стартап привлёк $125 тысяч.
В рамках сделки Y Combinator получил 7% компании за $125 тысяч, сообщила vc.ru соосновательница стартапа Елена Самуйлова.
Это стандартные условия у венчурного фонда, который работает в формате бизнес-инкубатора для небольших компаний в сфере ИТ. Через Y Combinator прошло более тысячи стартапов, среди которых — Airbnb, Dropbox и Stripe.
По словам Елены Самуйловой, основная ценность сделки — доступ к специалистам и экспертам из других компаний, инвесторам и «очень важный сигнал рынку», так как отбор в акселератор проходит через высокую конкуренцию.
Evidently — это библиотека с открытым исходным кодом, которую могут использовать аналитики и разработчики, создающие модели машинного обучения. Как рассказали vc.ru в стартапе, инструмент не создаёт модель для анализа, а оценивает и отслеживает качество созданных на основе доступных данных моделей.
По словам Самуйловой, при использовании прогнозов моделей машинного обучения, нужен инструмент, показывающий, насколько данным можно доверять. Таким инструментом будет Evidently. Сейчас проект находится на ранней стадии разработки, команда планирует создать полноценную платформу для мониторинга.
Для отдельных пользователей и небольших команд инструмент будет бесплатным, но компания планирует зарабатывать на облачной версии платформы для команд, которые не хотят запускать её самостоятельно. Также компания рассматривает вариант создания продукта по open core модели и сделать платными некоторые функции для больших компаний — например, расширенные настройки доступа, безопасность и аудит логов.
Стартап запустили в 2020 году Елена Самуйлова и Эмели Драль, которые до этого работали в Yandex Data Factory. В декабре 2020 года они выпустили первую версию библиотеки.
Люди не доверяют даже себе, но доверяют нейронке, которая оценивает уровень доверия другой нейронки. Сразу можно констатировать, что уровень доверия будет интуитивно средний. А если что, то нейронка виновата.
Ну вы бы почитали сначала, ну. Нет там никакой второй нейронки, идея то инструмента оч грамотная - задетектить ситуацию, что в сетку полетели данные, которые сильно отличаются от тех, на которых она училась (а значит поведение будет непредсказуемое)
Это по простому тестирование нейросети. И нейросеть, как система тоже может тестироваться, как и все остальное.
Эта идея не новая, все кто только может сегодня тестируют создаваемые системы.
И думаю везде, где создают модели на основе нейросетей, возникал такой же вопрос, как это протестировать.
Наверняка, есть какие-то закрытые решения, написанные на коленке, которые похожи на то, что представили здесь.
Не поверю, что гугл не написал точно такой же процесс тестирования своей нейросети.
А вот продукта, который был бы универсален и имел точки интеграции для внедрения готовой тестовой коробки в существующую систему, я ещё ранее не видел.