Hoje, estamos entusiasmados em receber o time de erva -doce no Databricks. A erva-doce melhora a eficiência e a frescura dos dados dos pipelines de engenharia de recursos para lotes, streaming e dados em tempo real, recomputando apenas os dados que mudaram. Integrar as capacidades de Fennel no Databricks Data Intelligence Platform ajudará os clientes a iterar rapidamente sobre os recursos, melhorar o desempenho do modelo com sinais confiáveis ​​e fornecer aos modelos Genai um contexto personalizado e em tempo real-tudo sem a sobrecarga e o custo do gerenciamento de infraestruturas complexas.

Engenharia de recursos na era da AI
Os modelos de aprendizado de máquina são tão bons quanto os dados que aprendem. É por isso que a engenharia de recursos é tão crítica: os recursos capturam os padrões subjacentes específicos de domínio e comportamentais em um formato que os modelos podem interpretar facilmente. Mesmo na era da IA ​​generativa, onde grandes modelos de idiomas são capazes de operar com dados não estruturados, a engenharia de recursos permanece essencial para fornecer contexto personalizado, agregado e em tempo real como parte dos avisos. Apesar de sua importância, a engenharia de recursos tem sido historicamente difícil e cara devido à necessidade de manter pipelines ETL complexos para calcular recursos novos e corretamente transformados. Muitas organizações lutam para lidar com fontes de dados em lote e em tempo real e garantir a consistência entre os ambientes de treinamento e serviço-sem mencionar isso, mantendo a qualidade alta e os custos baixos.

Fennel + Databricks
A erva-doce aborda esses desafios e simplifica a engenharia de recursos, fornecendo uma plataforma totalmente gerenciada para criar e gerenciar com eficiência os recursos e os pipelines de recursos. Ele suporta lote unificado e processamento de dados em tempo real, garantindo a frescura e eliminando a inclinação que serve para o treinamento. Com sua experiência no usuário nativo do Python, a criação de recursos complexos é rápida, fácil e acessível para cientistas de dados que não precisam aprender novos idiomas ou depender de equipes de engenharia de dados para criar pipelines de dados complexos. Seu mecanismo de computação incremental otimiza os custos, evitando o trabalho redundante e suas melhores ferramentas de governança de dados da categoria ajudam a manter a qualidade dos dados. Ao lidar com todos os aspectos do gerenciamento de pipeline de recursos, a erva -doce ajuda a reduzir a complexidade e o tempo necessários para desenvolver e implantar modelos de aprendizado de máquina e ajuda os cientistas de dados a se concentrar na criação de melhores recursos para melhorar o desempenho do modelo, em vez de gerenciar infraestrutura e ferramentas complicadas.

A equipe de erva -doce traz uma riqueza de experiência em engenharia de recursos modernos para aplicações de aprendizado de máquina, com a equipe fundadora liderou os esforços de infraestrutura de IA no Meta e no Google Brain. Desde a sua fundação em 2022, a erva-doce conseguiu executar sua visão para facilitar a empresa para empresas e equipes de qualquer tamanho para aproveitar o aprendizado de máquina em tempo real para criar produtos deliciosos. Clientes como Upwork, Cricut e outros dependem da erva -doce para criar recursos de aprendizado de máquina para uma variedade de casos de uso, incluindo decisão de risco de crédito, detecção de fraude, confiança e segurança, classificação personalizada e recomendações de mercado.

A equipe do FenLe se juntará à Organização de Engenharia dos Databricks para garantir que todos os clientes possam acessar os benefícios da engenharia de recursos em tempo real na plataforma de inteligência de dados do Databricks. Fique atento para mais atualizações sobre a integração e veja a erva -doce em ação no Data + AI Summit 9 a 12 de junho em São Francisco!