Tecton.ai, de startup die is opgericht door drie voormalige Uber-ingenieurs die het idee van de Machine Learning Feature Store naar de massa wilden brengen, kondigde vandaag een Series B van $ 35 miljoen aan, slechts zeven maanden na de aankondiging hun $ 20 miljoen Series A.
Toen we in april met het bedrijf spraken, werkte het met vroege klanten in een bètaversie van het product, maar vandaag kondigen ze naast de financiering ook de algemene beschikbaarheid van het platform aan.
Net als bij hun Serie A heeft deze ronde Andreessen Horowitz en Sequoia Capital co-leider van de investering. Het bedrijf heeft nu $ 60 miljoen opgehaald.
De reden dat deze twee bedrijven zo toegewijd zijn aan Tecton, is het specifieke probleem rond machine learning dat het bedrijf probeert op te lossen. “We helpen organisaties om machine learning in productie te nemen. Dat is het hele doel van ons bedrijf, iemand helpen bij het bouwen van een operationele machine learning-applicatie, dat wil zeggen een applicatie die hun fraudesysteem aandrijft of iets echts voor hen [...] en het voor hen gemakkelijk maakt om te bouwen, te implementeren en te onderhouden, ”CEO en mede-oprichter Mike Del Balso legde uit.
Ze doen dit door het concept van een feature store te bieden, een idee dat ze bedachten en dat op zichzelf een machine learning-categorie aan het worden is. Vorige week maakte AWS bekend de Sagemaker Feature store, wat het bedrijf zag als een belangrijke bevestiging van hun idee.
As Tecton definieert hetis een feature store een end-to-end managementsysteem voor machine learning dat de pijplijnen omvat om de gegevens om te zetten in zogenaamde feature-waarden, vervolgens al die feature-data opslaat en beheert en tenslotte een consistente set data bedient.
Del Balso zegt dat dit hand in hand gaat met de andere lagen van een machine learning-stack. "Wanneer je een machine learning-applicatie bouwt, gebruik je een machine learning-stack die een modeltrainingssysteem kan bevatten, misschien een modelserversysteem of een MLOps-laag die al het modelbeheer doet, en dan heb je een feature management-laag, een feature store die wij zijn - en dus zijn we een end-to-end levenscyclus voor de datapijplijnen, ”zei hij.
Met zoveel geld achter het bedrijf groeit het snel, van 17 medewerkers naar 26 sinds we in april spraken, met plannen om dat aantal tegen het einde van volgend jaar meer dan te verdubbelen. Del Balso zegt dat hij en zijn mede-oprichters zich inzetten voor het bouwen van een divers en inclusief bedrijf, maar hij erkent dat het niet gemakkelijk is om te doen.
“Het is eigenlijk iets waarvoor we een primair wervingsinitiatief hebben. Het is erg moeilijk, en het kost veel moeite, het is niet iets dat je zomaar als een tweede prioriteit kunt maken en het niet serieus kunt nemen, ”zei hij. Daartoe heeft het bedrijf diversiteitswervingsconferenties gesponsord en bijgewoond en heeft het zijn wervingsinspanningen gericht op het vinden van een diverse reeks kandidaten, zei hij.
In tegenstelling tot veel startups die we hebben gesproken, wil Del Balso terugkeren naar een kantooropstelling zodra het haalbaar is, en het zien als een manier om meer persoonlijke banden tussen werknemers op te bouwen.
