Stefan Webb : Pourquoi j’ai rejoint Zilliz
Bonjour ! Je m’appelle Stefan, et je suis récemment devenu Developer Advocate chez Zilliz, les créateurs de Milvus — la principale base de données vectorielle open source. Vous vous demandez peut-être : « Que fait un Developer Advocate ? » En termes simples, nous aidons les développeurs logiciels à réussir avec des technologies spécifiques par divers moyens, notamment la prise de parole en public, la création de contenu et l’engagement direct auprès de la communauté.
Dans cet article, j’aimerais partager mon parcours pour devenir Developer Advocate chez Zilliz.
Après avoir terminé mes études supérieures, j’ai passé plus de trois ans dans l’industrie en tant que chercheur en ML appliqué chez Meta et Twitter, où j’ai eu la chance de travailler avec des équipes exceptionnelles. Cependant, en novembre 2022, ma trajectoire professionnelle a pris un tournant inattendu. Comme beaucoup d’autres, j’ai été stupéfait par ChatGPT lors de sa sortie. C’était la première fois depuis ma jeunesse qu’une avancée technologique m’émerveillait vraiment — rappelant les bonds des graphismes EGA 16 couleurs au VGA 256 couleurs, puis au SVGA 16 millions de couleurs.
Mes recherches de doctorat portaient sur l’intersection des statistiques bayésiennes et du Deep Learning, avec un fort accent sur les modèles d’IA générative profonde. À l’époque, word2vec pour les word embeddings et les RNNs pour la modélisation du langage étaient considérés comme l’état de l’art. J’ai été stupéfait de voir à quelle vitesse la modélisation du langage et des images avait progressé au cours des quelques années depuis mon départ du monde universitaire.
Inspiré par ces avancées, j’ai décidé de m’immerger dans le nouveau paysage de l’IA générative, en explorant les LLMs, la génération texte-image, le prompt engineering, le fine-tuning et le RAG, pour n’en citer que quelques-uns. Tout au long de 2023, j’ai réfléchi à la manière de réorienter ma carrière vers l’IA générative, en expérimentant une idée de produit grand public et en conseillant des fondateurs de startups et des investisseurs dans la finance.
Avec le recul, j’ai réalisé que les aspects que j’appréciais le plus dans mes précédents postes étaient les interactions en face à face et l’engagement communautaire, en particulier dans le développement et la gestion de logiciels open source et le partage de connaissances sur les nouvelles technologies. J’adorais donner des conférences sur des idées de recherche émergentes et interagir avec la communauté open source. Découvrir qu’il existait des rôles dédiés à ces activités dans un domaine profondément technique a été une révélation.
Pourquoi Zilliz, précisément ? Au cœur de la révolution de l’IA générative se trouve le besoin critique d’un stockage et d’une récupération des données efficaces et évolutifs — un défi que les bases de données vectorielles sont particulièrement bien placées pour relever. Zilliz, grâce à sa base de données vectorielle open source Milvus, démocratise cette technologie puissante, autrefois le domaine exclusif des géants de la tech. En tant que base de données vectorielle open source la plus largement adoptée, Milvus offre un ensemble de fonctionnalités robuste qui s’avère inestimable dans divers secteurs.
Je suis enthousiaste à l’idée de contribuer à la croissance de la communauté open source Milvus, en mettant à profit ma passion pour le partage des connaissances et le développement open source. Si vous ou votre entreprise êtes intéressés par une collaboration, n’hésitez pas à me contacter sur LinkedIn. De plus, je suis le nouvel animateur de nos meetups Unstructured Data réguliers à San Francisco et dans la South Bay, et j’aimerais beaucoup vous y voir et découvrir ce que vous construisez. Au plaisir de vous y voir !
Continuer à lire
Zilliz Cloud Now Available in AWS Asia Pacific (Seoul)
Zilliz Cloud is now available in AWS Seoul — low-latency vector search, in-country data residency, and one-step migration for Korean AI teams. 31 regions across 5 clouds.
Vector Databases vs. Object-Relational Databases
Use a vector database for AI-powered similarity search; use an object-relational database for complex data modeling with both relational integrity and object-oriented features.
Vector Databases vs. Time Series Databases
Use a vector database for similarity search and semantic relationships; use a time series database for tracking value changes over time.