我们有机会会见了埃罗·拉克索宁，作为旧金山IT新闻之旅的一部分的首席执行官。Valoh是芬兰语中”灯笼鲨”的词，是一种深沉的、自我启发的鱼。
Eero 认为自动化是提高生活质量的关键，深度学习使当今无法扩展的东西变得不可扩展，就像查看医疗图像和自动驾驶汽车一样可扩展。瓦洛海努力推动所有行业向前发展，并有能力更快地完成有意义的事情。
您可能还喜欢：
如何为Java进行深度学习
机器学习 （ML） 的可用性存在问题。它不再是模型的问题，它更多的是使模型易于投入生产。大型模型上的深层数据集使得处理这些模型变得微不足道。与软件和应用程序开发一样，现在对更高质量、性能更好的模型的需求需要更快地开发。
Valohai 正在提供工具，以更快地完成 ML，因为速度可以增加收入。从医学图像中检测癌细胞的能力，以便它可以扩展和产生数十亿。上市速度带来了巨大的竞争优势。自动驾驶汽车是谁先到达那里的竞赛。有一个竞争，看看你能以多快的速度把可扩展的模型在市场上。
Valohai 拥有生产规模深度学习和 ML 的配方，可解决实验可重复性和法规遵从性等固有的问题。如今，您需要能够解释决策方式以及模型的工作原理。GDPR 要求通过流程进行可追溯性，以便能够在发出请求时删除客户数据。
Valohai 为需要快速成长的公司快速加入团队，通过了解哪些模型在运行，谁在开发哪些模型，从而获得价值。数据科学家经常离职，公司需要知道他们做了什么，并且他们一直在遵循测试和文档程序。Valohai 提供了对已完成的每个实验的完整审计线索。
这很重要，因为深度学习和 ML 需要许多快速实验：
- 试错，了解需要多少数据才能得到答案
- 投入更多硬件，更快地从更多数据中获取结果
- 必须运行 TB 数据才能知道更改是否有效
Valohai 提供 ML 平台作为服务，在平台和工具方面一切都是开放的。存在企业重点，客户拥有数据
机器视觉是解决方案的核心用例。一家加拿大公司正在监控有毒的在线内容，并与加拿大国土安全部合作，阻止儿童色情制品。
无人机正在检测电线和变压器的维护需求。
其他使用案例包括电网中预防性和预测性维护的自动化。金融预测模型。电信公司未来负荷预测，将建造新塔以满足需求，并实时优化一天中的时间网络路径。
