アレクサンドル・グジュヴァ私がZillizに入社した理由
私の名前はアレクサンドル・グシュヴァで、Zillizでパフォーマンスの最適化に取り組んでいます。
Zillizに入社したのは、競合他社に打ち勝つためです。そして、自分の専門性をフルに発揮できると思ったからです。
私は15年間金融業界に身を置き、アルゴ取引シミュレーションの時系列予測を高速化するために、CPUとGPUの両方で近似最近傍探索（ANNS）アプローチを使い始めました。私が作成した計算エンジンは、ANNSのおかげで、ベースラインよりも数桁速くシミュレーションを実行できるようになった。
その後、Meta社で約2年間、FAISSライブラリにパフォーマンス関連のコードを追加し、その強力な機能を利用して、Meta社がAdsに使用する巨大な推薦モデルを圧縮するためのベクトルコーデックを適用してきました。私のコード提供により、FAISSライブラリの作者の一人とみなされるようになりました。
全体として、私はキャリアの中で200万行以上のコードを書きました。
Zillizという会社が私にとって興味深かったのは、NVIDIA Raftとの統合、様々なハードウェアプラットフォームでの実験、高度な類似検索手法など、様々な方法で製品の高速化を図っていることを知ったからです。そのため、必要なエンジニアリングや研究活動は、pythonkeyのようなスタイルではなく、かなり非自明なものであるという確信を得ました :)多くの企業がこれを使用していることは、その製品が競争力があることを示している。
Zillizのエンジニアリング担当副社長であるJames Luan氏は、テクニカルインタビューの中で、同社はベクトルデータベースの分野でトップ1になることを目指している。現在、ベクトル・データベースは非常に急速に発展している分野であり、それは非常に高い競争力を意味している。このジェームズの言葉は、私の考え方と合致しており、とても身近で自然なものだったので、最終的にジーリズに入団することになりました。また、ベクターデータベースの分野では、データを修正したり、サンプルごとにメタデータを追加する必要があるなど、従来の類似検索アプリケーションに新たな課題が生じるため、興味を持ちました。
私は、Milvus OSSに自分の改良を寄付し続け、Zilliz製品を可能な限り最高のものにするために、もっともっと関わっていくつもりです。もしかしたら、ANNSを使った時系列予測の知識を、ある瞬間に生かせるかもしれません。
Alexandr GuzhvaAlexandr Guzhva is the Principal Engineer at Zilliz. Before joining Zilliz, he spent 15 years in the finance industry, working as a Quantitative Developer on designing software for algo-trading, time series prediction and performance optimization for CPU/GPU hardware. He is one of the authors of the FAISS library, which he helped to optimize during his work in Meta. Overall, he has been using methods from the similarity search for 10 years. Alexandr holds PhD in CS and MS in Physics from Lomonosov Moscow State University.
読み続けて
Milvus WebUI: A Visual Management Tool for Your Vector Database
Milvus WebUI is a built-in GUI introduced in Milvus v2.5 for system observability. WebUI comes pre-installed with your Milvus instance and offers immediate access to critical system metrics and management features.
Long List of Awesome DeepSeek Integrations You Should Know
Discover how DeepSeek's affordable AI ecosystem challenges Silicon Valley giants with powerful integrations for developers and businesses—from RAG systems to productivity tools, all at 90% lower cost.
Producing Structured Outputs from LLMs with Constrained Sampling
Discuss the role of semantic search in processing unstructured data, how finite state machines enable reliable generation, and practical implementations using modern tools for structured outputs from LLMs.