À propos
Snapshard est un cabinet d'ingénierie ML expert. Des systèmes en production, à grande échelle.
Nous construisons des systèmes de ML en production, de bout en bout. Le travail couvre l'infrastructure ML et l'ingénierie de plateforme, l'inférence optimisée et le déploiement, la recherche appliquée, et l'entraînement et le fine-tuning de LLM. Nous travaillons à distance avec des clients du monde entier.

Fondateur
Ilyas Malik
Fondateur et ingénieur principal
Ilyas pilote chaque mission Snapshard de bout en bout. Le cabinet existe parce que les aspects les plus difficiles de la mise en production du ML (rendre la recherche reproductible à grande échelle, obtenir une inférence assez rapide et économique pour être déployée, bâtir une infrastructure qui survit à une année d'itérations) restent ceux que la plupart des équipes sous-estiment.
MSc en sciences statistiques de l'Université d'Oxford et diplôme d'ingénieur de l'École Polytechnique (majeure en mathématiques appliquées). Recherche publiée à NeurIPS 2022 (apprentissage par renforcement distributionnel, avec IBM Research) et à ICML 2021 (conception d'expériences bayésiennes amortie, avec le groupe d'informatique d'Oxford).
Parcours : recherche en IA chez IBM Research Singapour, Applied Scientist au sein de l'équipe Supply Chain Science d'Amazon, et trois ans comme responsable R&D en IA chez Arcturus Studio (deep learning 3D, réseaux de neurones sur graphes, super-résolution de textures). En parallèle : cofondateur et ingénieur ML principal de Gradients, une plateforme d'AutoML distribué pour le fine-tuning de LLM et de modèles de diffusion.
- NeurIPS 2022
- RL distributionnel
- ICML 2021
- Conception d'expériences bayésiennes
- Oxford
- MSc en sciences statistiques
- École Polytechnique
- Ingénierie, mathématiques appliquées
Publications choisies
Recherche évaluée par les pairs.
Distributional Reinforcement Learning for Risk-Sensitive Policies
Shiau Hong Lim, Ilyas Malik
NeurIPS 2022
Deep Adaptive Design: Amortizing Sequential Bayesian Experimental Design
Adam Foster, Desi R. Ivanova, Ilyas Malik, Tom Rainforth
ICML 2021
Liste complète sur Google Scholar.
Ce en quoi nous croyons
Une liste courte. Nous essayons de nous y tenir.
Rigueur de niveau recherche
Les décisions reposent sur des benchmarks, des ablations et la littérature. Ce qui est su et ce qui est supposé sont annoncés comme tels.
Responsabilité de bout en bout
Un seul responsable technique, du cadrage à la mise en production. Aucune rupture entre stratégie, modélisation et infrastructure.
Conçu pour la production
Latence, coût, fiabilité et observabilité sont des contraintes de premier plan, pas des correctifs après la démo.
Informations sur la société
- Entité juridique
- Snapshard LLC
- Création
- 2026 · Wyoming
- Siège social
- 30 N Gould St Ste N, Sheridan, WY 82801
Un système de ML à livrer ?
Présentez-nous votre projet. Un appel de 30 minutes suffit pour voir si nous sommes faits pour travailler ensemble.