Si vous êtes un data scientist ou un ingénieur, à un moment donné, vous souhaitez mettre votre algorithme en production. Et cela signifie installer des bibliothèques, gérer les dépendances, déployer vos scripts et modèles, versionner, servir et manquer de calcul. Soyons honnêtes : le déploiement est difficile. Les outils que nous utilisons ne sont pas aussi utiles qu'ils pourraient l'être, car ils ne sont pas conçus pour nos besoins spécifiques. Et nous nous perdons dans des déploiements de modèles chronophages et la gestion de l'infrastructure. Ce n'est pas ce pour quoi nous sommes faits. Nous voulons nous assurer que notre temps est mieux utilisé là où nous sommes nécessaires, en développant des algorithmes et du code pour créer un impact. C'est pourquoi nous construisons UbiOps.