Startup Portfolio
Chalk AI 機械学習でデータインフラをシームレスに処理し、クラス最高の開発者体験を提供
Chalkは、革新的な機械学習チームが、ビジネスを際立たせるユニークな製品やモデルの構築に集中できるようにします。その裏では、Chalkがデータインフラをシームレスに処理し、クラス最高の開発者体験を提供します。その仕組みは次のとおりです。
Chalkは、機械学習のためのフィーチャーパイプラインを簡単に開発することができます。特殊なDSLではなく、使い慣れたライブラリやツールを使ってPython関数を定義します。そして、Chalkは、関数をRustベースのエンジンで並列実行するパイプラインに編成し、特徴量を計算するために必要なインフラを調整します。
まずはPydanticにインスパイアされたPythonクラスで機能を定義しましょう。スキーマを定義し、関係を指定し、メタデータを追加することで、チームで仕事を共有し再利用するのに役立ちます。
次に、Chalkに特徴量を計算する方法を指示します。Chalkは既存のデータストアからデータを取り込み、Pythonを使って特徴量解決器を用いて特徴量を計算することができます。特徴解決器は@onlineと@offlineというデコレーターで宣言され、他の特徴解決器の出力に依存することができます。リゾルバは、様々なデータソースを迅速に統合し、それらを結合し、モデルで使用することを容易にします。
特徴量とリゾルバを定義すると、Chalkはそれらを柔軟なパイプラインに編成し、モデルのトレーニングや実行を容易にします。
Chalkはフィーチャーエンジニアリングのワークフローをビルトインでサポートしています。Airflowを管理したり、複雑なストリーミングフローをオーケストレーションしたりする必要はありません。また、リゾルバパイプラインを宣言型キャッシュで実行したり、バッチデータをスケジュール通りに取り込んだり、低レイテンシで提供するために遅いソースをオンラインで簡単に利用できるようにしたりすることができます。
多くのデータソース(ベンダーのAPIなど)は、オンラインのユースケースには遅すぎるか、1回あたりの通話料が高い。Chalkは、システム全体にうまく統合された宣言型のキャッシュポリシーを定義することで、レイテンシーとコストを最適化できます。Redis、Memcached、DynamoDBなどのデータソースを管理したり、キャッシュウォーミングパイプラインのチューニングに時間をかけたりする必要はもうありません。
Chalkは、お客様のデータソースと統合し、フィーチャーパイプラインでデータを変換し、このデータをオンラインとオフラインのストレージに保存し、フィーチャー計算と分布に関するモニタリングを提供します。
デフォルトでは、ChalkはSaaSサービスとして動作し、Chalkはパイプラインを実行し、データをクラウド基盤上に保存します。しかし、Chalkはそのソフトウェアをお客様のAWSやGCPプロジェクトにデプロイすることも可能です。このモデルでは、環境はTerraformを介してプロビジョニングされ、Chalkのチームによって管理されます。
関連ニュース
Skyflow、LLMを利用する企業向けにデータプライバシーとセキュリティを強化
2024/07/24
Sakana AI、浮世絵の生成モデルを発表
2024/07/24
AIビデオ生成Luma AIの新機能「Loops」がデジタルマーケティングを変革
2024/07/24
Bilt Rewards 家賃支払いを価値ある機会に変える革新的なプログラム
2024/07/24
Chalk AI に興味がありますか?
最新ニュース
新しい精神医療システムを構築する"Headway"がSeries Dで$100Mを調達し、評価額は130%増の$2.3Bへ
2024/07/24
法務テクノロジーの世界的リーダーである"Clio"がSeries Fで$3Bの評価額で$900Mを調達
2024/07/24
イスラエル発の世界最小心臓ポンプElevate™を開発する"Magenta Medical"がSeries Eで$105Mを調達
2024/07/24
AI/MLを活用した神経学に特化した薬剤開発を行う"Brenig Therapeutics"がSeries Aで$65Mを調達
2024/07/24
AIを活用したコールセンターサービスの"Level AI"がSeries Cで$39.4Mを調達
2024/07/24