Fennel rejoint Databricks pour démocratiser l'accès à l'apprentissage automatique

Databricks va intégrer l'ingénierie des fonctionnalités en temps réel dans la plateforme Data Intelligence

Résumé
Fennel est un moteur de calcul incrémental moderne permettant de créer des pipelines d'ingénierie de fonctionnalités sur des données par lots, en streaming et en temps réel.


L'intégration des capacités d'ingénierie des fonctionnalités de Fennel dans la plateforme Data Intelligence de Databricks aidera les clients à itérer rapidement sur les fonctionnalités, à déployer des modèles avec des données fiables en temps réel et à améliorer la précision des modèles.
Fennel réduit la complexité et le temps nécessaires au développement et au déploiement de modèles d'apprentissage automatique : il prend en charge le traitement par lots unifié et le streaming de données en temps réel, son expérience utilisateur native Python est facile à utiliser et son moteur de calcul incrémental maintient les coûts bas.

Nous sommes ravis d'accueillir aujourd'hui l'équipe Fennel chez Databricks. Fennel améliore l'efficacité et la fraîcheur des données des pipelines d'ingénierie de fonctionnalités pour les données par lots, en streaming et en temps réel, en ne recalculant que les données modifiées. L'intégration des fonctionnalités de Fennel à la plateforme Data Intelligence de Databricks permettra aux clients d'itérer rapidement sur les fonctionnalités, d'améliorer les performances des modèles grâce à des signaux fiables et de fournir aux modèles GenAI un contexte personnalisé et en temps réel, le tout sans les frais généraux et les coûts liés à la gestion d'infrastructures complexes.

L'ingénierie des caractéristiques à l'ère de l'IA :

La qualité des modèles de machine learning dépend des données dont ils tirent leur apprentissage. C'est pourquoi l'ingénierie des caractéristiques est si cruciale : les caractéristiques capturent les schémas comportementaux et spécifiques au domaine sous-jacents dans un format facilement interprétable par les modèles. Même à l'ère de l'IA générative, où les grands modèles de langage sont capables d'opérer sur des données non structurées, l'ingénierie des caractéristiques reste essentielle pour fournir un contexte personnalisé, agrégé et en temps réel dans le cadre des invites. Malgré son importance, l'ingénierie des caractéristiques a toujours été difficile et coûteuse en raison de la nécessité de maintenir des pipelines ETL complexes pour le calcul de caractéristiques nouvelles et correctement transformées. De nombreuses organisations peinent à gérer à la fois les sources de données par lots et en temps réel et à assurer la cohérence entre les environnements d'apprentissage et de service, sans parler de la nécessité de maintenir une qualité élevée et des coûts faibles.

Fennel + Databricks :

Fennel répond à ces défis et simplifie l'ingénierie des fonctionnalités en fournissant une plateforme entièrement gérée pour créer et gérer efficacement les fonctionnalités et les pipelines de fonctionnalités. Elle prend en charge le traitement unifié des données par lots et en temps réel, garantissant ainsi la fraîcheur des fonctionnalités et éliminant les biais de formation. Grâce à son expérience utilisateur native Python, la création de fonctionnalités complexes est rapide, simple et accessible aux data scientists qui n'ont pas besoin d'apprendre de nouveaux langages ni de faire appel à des équipes d'ingénierie des données pour créer des pipelines de données complexes. Son moteur de calcul incrémental optimise les coûts en évitant les tâches redondantes, et ses outils de gouvernance des données de pointe contribuent à maintenir la qualité des données. En prenant en charge tous les aspects de la gestion des pipelines de fonctionnalités, Fennel contribue à réduire la complexité et le temps nécessaires au développement et au déploiement de modèles de machine learning, et aide les data scientists à se concentrer sur la création de fonctionnalités plus performantes pour améliorer les performances des modèles plutôt que sur la gestion d'infrastructures et d'outils complexes.



L'équipe Fennel, nouvellement recrutée, apporte une riche expérience en ingénierie de fonctionnalités modernes pour les applications de machine learning. L'équipe fondatrice a notamment dirigé les projets d'infrastructure d'IA chez Meta et Google Brain. Depuis sa création en 2022, Fennel a concrétisé sa vision : permettre aux entreprises et aux équipes de toute taille d'exploiter facilement le machine learning en temps réel pour créer des produits performants. Des clients comme Upwork et Cricut font confiance à Fennel pour développer des fonctionnalités de machine learning pour divers cas d'usage, notamment la prise de décision en matière de risque de crédit, la détection des fraudes, la confiance et la sécurité, le classement personnalisé et les recommandations de marketplace.

L'équipe Fennel rejoindra l'équipe d'ingénierie de Databricks afin de permettre à tous les clients de bénéficier des avantages de l'ingénierie des fonctionnalités en temps réel sur la plateforme Data Intelligence de Databricks. Restez connectés pour plus d'informations sur l'intégration et découvrez Fennel en action lors du Data + AI Summit, du 9 au 12 juin à San Francisco !


Source : Communiqué de presse