Nilesh lidera a engenharia da Inferless, uma plataforma serverless com estado construída do zero para ajudar desenvolvedores a implantar modelos personalizados e de código aberto com baixas latências de inicialização e escalonamento automático eficiente. Ele ajudou centenas de empresas a otimizar sua infraestrutura em nuvem; desenvolveu uma plataforma de automação de anúncios baseada em aprendizado de máquina enquanto estava na Amazon; e publicou uma patente sobre a utilização de conteinerização de aplicações e várias outras sobre análise de código.
A expertise de Nilesh está na infraestrutura de aprendizado de máquina, Kubernetes, engenharia, infraestrutura de IA, implantação de modelos de IA, observabilidade e implantação de agentes de IA. Ele possui um Bacharelado em Tecnologia em Engenharia de Software de Computador pelo Delhi College of Engineering.
Neste episódio, o Dr. Darren participa de uma conversa estimulante com Nilesh Agarwar, cofundador e CTO da InfraLess. Nilesh explora a evolução da IA e o papel crucial da gestão de dados no cenário atual. Ele destaca os desafios que as organizações enfrentam em termos de segurança de dados, eficiência e a necessidade de arquiteturas de dados inovadoras. A discussão também aborda a importância da computação em borda, o potencial dos modelos híbridos de IA e o surgimento de hardware especializado para atender às demandas em evolução das aplicações de IA. Nilesh enfatiza a importância de integrar a IA nas pipelines de dados para melhorar o acesso e a segurança dos dados, enquanto aborda as complexidades de gerenciar múltiplos modelos e garantir o uso eficiente dos recursos computacionais. ## Conclusões * A IA mudou o foco da computação para a gestão de dados. * A eficiência dos dados é crucial para o treinamento eficaz de modelos. * As organizações estão cada vez mais preocupadas com a segurança dos dados. * Os armazéns de dados muitas vezes são inadequados para as necessidades modernas de dados. * Novas arquiteturas, como bancos de dados vetoriais, estão surgindo. * A IA pode melhorar o acesso aos dados por meio de consultas em linguagem natural. * Modelos híbridos dominarão o futuro da IA. * A computação em borda é essencial para aplicações em tempo real. * Hardware especializado se tornará mais prevalente na IA. * A limpeza de dados é crucial para prevenir a exposição de PII.