Databricks рассказала, как FactSet ускорила цикл обучения моделей
Databricks опубликовала клиентский пример FactSet: с помощью AI Runtime компания сократила подготовку, обучение и развёртывание модели с дней до часов. Сценарий связан с регулярным переобучением системы Text-to-Formula.
Databricks сообщила, что FactSet использует AI Runtime для системы Text-to-Formula, которая преобразует запросы инвестиционных специалистов на естественном языке в формулы FactSet Query Language. После перехода к дообучаемым открытым моделям команда стала обновлять их примерно каждые две-три недели. По описанию Databricks, выбор serverless GPU для каждой задачи и обучение рядом с существующими Lakehouse workflows сократили время подготовки, обучения и развёртывания модели с дней до часов.
Почему это важно
Для команд, которые регулярно переобучают модели, инфраструктурные операции становятся частью цикла выпуска. Описанный Databricks сценарий показывает, как унификация вычислений и рабочих процессов может уменьшить это задерживающее звено.
Источник: Databricks Blog · По данным клиентского материала официального блога Databricks, опубликованного 14 октября 2026 года.