Algorithmia était une plateforme d'opérations de machine learning (MLOps) qui permettait aux data scientists et aux développeurs de déployer, gérer et mettre à l'échelle des modèles de machine learning en tant qu'API prêtes pour la production. L'entreprise a été fondée en 2013 par Diego Oppenheimer et Kenny Daniel, et elle est devenue un acteur notable dans le domaine émergent des MLOps avant d'être acquise par DataRobot en 2021.
Historique
Algorithmia a été fondée en 2013 par Diego Oppenheimer et Kenny Daniel. L'entreprise a initialement commencé comme un marché pour les algorithmes, où les développeurs pouvaient publier et partager des algorithmes et gagner de l'argent lorsque d'autres les utilisaient. Cependant, l'accent s'est déplacé au fil du temps vers les MLOps d'entreprise, fournissant une plateforme pour déployer et gérer des modèles de machine learning dans des environnements de production.
En 2015, Algorithmia a levé 10,5 millions de dollars lors d'un tour de financement de série A mené par Madrona Venture Group, avec la participation de Gradient Ventures et d'autres investisseurs. L'entreprise a continué de croître, et en 2019, elle avait levé un total de 36 millions de dollars, y compris un tour de série B de 25 millions de dollars mené par Norwest Venture Partners.
La plateforme d'Algorithmia était utilisée par des organisations de divers secteurs, notamment la finance, la santé et le gouvernement, pour opérationnaliser des modèles de machine learning. La technologie de l'entreprise permettait aux utilisateurs de déployer des modèles construits avec des frameworks populaires tels que TensorFlow, PyTorch et scikit-learn, et de les gérer avec des fonctionnalités comme le versionnage, la surveillance et la mise à l'échelle.
En 2021, Algorithmia a été acquise par DataRobot, un fournisseur leader de plateformes d'IA d'entreprise. L'acquisition visait à combiner les capacités MLOps d'Algorithmia avec la plateforme d'apprentissage automatique automatisé (AutoML) de DataRobot, créant ainsi une solution plus complète de bout en bout pour le déploiement de l'IA.
Fonctionnalités
Algorithmia offrait une gamme de fonctionnalités pour soutenir le déploiement et la gestion des modèles de machine learning :
- Déploiement de modèles : Les utilisateurs pouvaient déployer des modèles en tant qu'API REST avec un effort minimal, prenant en charge plusieurs langages de programmation et frameworks.
- Gestion des modèles : La plateforme incluait des capacités de versionnage, de restauration et de tests A/B pour gérer les cycles de vie des modèles.
- Évolutivité : Algorithmia mettait automatiquement à l'échelle les déploiements de modèles en fonction de la demande, en utilisant des principes de calcul sans serveur.
- Surveillance et observabilité : La plateforme offrait des outils de surveillance pour suivre les performances des modèles, la latence et les métriques d'utilisation.
- Sécurité et gouvernance : Les fonctionnalités comprenaient le contrôle d'accès, les journaux d'audit et le support de conformité pour répondre aux exigences de sécurité des entreprises.
- Intégration : Algorithmia s'intégrait avec des outils populaires de science des données et des fournisseurs de cloud, y compris AWS, Azure et Google Cloud.
Impact et héritage
Algorithmia a joué un rôle significatif dans la popularisation du concept de MLOps, qui est la pratique consistant à appliquer les principes de DevOps aux systèmes de machine learning. La plateforme de l'entreprise a aidé à combler l'écart entre l'expérimentation en science des données et le déploiement en production, un défi auquel de nombreuses organisations sont confrontées.
Bien qu'Algorithmia ait été acquise par DataRobot, sa technologie et ses idées ont influencé le paysage plus large des MLOps. L'accent mis par la plateforme sur la mise à disposition des modèles en tant qu'API et son attention portée aux aspects opérationnels comme la surveillance et la gouvernance sont devenus des considérations standard dans les outils MLOps modernes.
Voir aussi
- machine learning
- intelligence artificielle
- data-science
- devops
- api
- serverless-computing
- TensorFlow
- PyTorch
- scikit-learn
- DataRobot