آیا dltHub می تواند مشکل کتابخانه پایتون را برای هوش مصنوعی حل کند؟ Dig Ventures اینطور فکر می کند
به گزارش سایت نود و هشت زوم آیا dltHub می تواند مشکل کتابخانه پایتون را برای هوش مصنوعی حل کند؟ Dig Ventures اینطور فکر می کند
که در این بخش به محتوای این خبر با شما کاربران گرامی خواهیم پرداخت
پایتون زبان برنامه نویسی ترجیحی در هوش مصنوعی است، با این حال، اکثر سازمان ها نمی توانند توسعه دهندگان پایتون خود را در زیرساخت داده های قدیمی بگنجانند. این بدان معناست که آنها از جذب مزایای هوش مصنوعی به سازمان غافل می شوند. با این حال، کمبود کتابخانه python منبع باز برای توسعه دهندگان طراحی شده پیرامون گردش کار هوش مصنوعی وجود دارد.
DLT (مخفف ابزار بارگذاری داده)، یک استارت آپ مستقر در برلین، فکر می کند که ممکن است راه حلی داشته باشد. دقیقاً همان کتابخانه python منبع باز را می سازد که ادعا می کند برای این موج جدید هوش مصنوعی طراحی شده است.
این استارتآپ میگوید کتابخانهاش با گردشهای کاری موجود، از جمله گردشهای کاری پایتون که قبلاً بارگذاری دادهها انجام نمیشد، مانند نوتبوک Google Colab، یک تابع AWS Lambda، یک Airflow DAG یا اسناد به کمک GPT-4 یا زمینهای بازی توسعه GPT-4 ادغام میشود. .
این استارتاپ اکنون 1.5 میلیون دلار سرمایه اولیه را از Dig Ventures که توسط راس میسون که پروژه Mule را ایجاد کرده و MuleSoft (MULE:NYSE) تأسیس کرده است، جمع آوری کرده است. بنیانگذاران هوش مصنوعی و شرکتهایی از جمله Huggingface، Instana، Miro و Matillion به این دور میپیوندند.
مدیرعامل متهاوس کرزیکوفسکی از طریق ایمیل به من گفت: «بیشتر برنامههای GPT-4 که در رسانهها به نمایش گذاشته میشوند، دموور هستند. کاربرانی که آنها را امتحان می کنند به سرعت آنها را رها می کنند. سایر ابزارهای هوش مصنوعی که VCها اخیراً پول زیادی را جمع کرده اند (پایگاه های داده برداری / چارچوب ها) چالش های مشابه زیادی دارند.”
او میگوید dlt اکنون دارای یک جامعه رو به رشد از توسعهدهندگان پایتون است و در حال «استقرار در تولید در چندین شرکت فناوری پیشرفته» از جمله شرکت تحویل نرمافزار مستقر در سانفرانسیسکو Harness، که قبلاً به آن پرداختیم.
در بیانیه ای، الکساندر باتلر، مهندس ارشد داده در هارنس گفت: “اهرم dlt عملیات داده ما را تغییر داده است. این … سرعت تیم DataOps ما را تسریع کرده است: ما زمان کمتری را در EL (استخراج و بارگذاری) و بیشتر در T صرف می کنیم در حالی که همچنان می توانیم استخراج کننده های خود را عمیقاً با تکامل نیازهای تجاری شخصی سازی کنیم.
جولین چاموند، مدیر ارشد فناوری/هم بنیانگذار Huggingface و یک سرمایهگذار فرشته در dltHub افزود: «انقلاب یادگیری ماشینی کنونی با انفجار کامبرین ابزارهای منبع باز پایتون فعال شده است که به قدری در دسترس شدهاند که طیف وسیعی از پزشکان میتوانند از آن استفاده کنند. آنها dlt به عنوان یک کتابخانه پایتون با استفاده ساده، اولین ابزاری است که این موج جدید از مردم می توانند از آن استفاده کنند.
در رابطه با رقبای بالقوه، کرزیکوفسکی اذعان میکند که استارتآپها «با شرکتهای ETL مانند Meltano، Stitch Data، Airbyte و تا حدی Fivetran رقابت میکنند».
با این حال، او میگوید که «از یک تصویر بزرگتر، ما در فضای شرکتهای انبار داده مانند Snowflake، Databricks، Microsoft Fabric فعالیت میکنیم که همچنین میخواهند برای آوردن هوش مصنوعی به شرکت بسازند.»
امیدواریم از این مقاله مجله نود و هشت زوم نیز استفاده لازم را کرده باشید و در صورت تمایل آنرا با دوستان خود به اشتراک بگذارید و با امتیاز از قسمت پایین و درج نظرات باعث دلگرمی مجموعه مجله 98zoom باشید
لینک کوتاه مقاله : https://5ia.ir/XfzyYY
کوتاه کننده لینک
کد QR :
آخرین دیدگاهها