Ir al contenido principal
usedby
AnyscaleusedbyHandshake

Cómo Handshake utiliza Anyscale

Handshake usa la plataforma gestionada de Ray de Anyscale para entrenar, ajustar y alojar LLM y modelos de recomendación de aprendizaje profundo, como redes neuronales de grafos y recomendadores de dos torres. Estos modelos impulsan la búsqueda de empleo adecuado, las recomendaciones y el contenido generado por LLM para estudiantes y empleadores.

ConfirmadoCaso de éxito del proveedor · Verificado el 7 oct 2026
Ver la prueba capturada

El uso: cómo Handshake implementa Anyscale

Handshake uses Anyscale's managed Ray platform to train, fine-tune and host LLMs and deep learning recommender models such as graph neural networks and two tower recommenders. These power job matching, recommendations and LLM-generated content for students and employers.

Otros resultados publicados

Cifras publicadas en el caso de estudio de Anyscale. usedby no las mide de forma independiente.

5x

5x faster iteration for AI workloads, accelerating time to market and innovation velocity

>50%

10x scalability and >50% cost savings for LLM GPUs

90%

90% higher engagement on jobs, a key business metric

30%

while saving 30% on costs versus comparable A100 workloads

En palabras del cliente

Iterar y escalar modelos de embeddings fundacionales (redes neuronales de grafos, recomendadores de dos torres) entrenados con más de 100-200 millones de interacciones era difícil y laborioso, hasta que migramos nuestros productores de features y nuestros trabajos de entrenamiento a Anyscale + Ray. Nuestra velocidad de experimentación con modelos profundos y dependencias se ha multiplicado por 5, y entrenamos con más datos a menor coste. Anyscale también nos ha permitido lanzar servicios de inferencia en tiempo real totalmente nuevos y experiencias de usuario en tiempo real que los científicos de datos pueden desplegar sin esperar a los expertos en ML Ops.
Traducción automática del inglés
Ver el originalIterating and scaling foundational embedding models (graph neural networks, two tower recommenders) trained over 100M-200M+ interactions was difficult and time-consuming until we migrated our feature producers and training jobs to Anyscale + Ray. Our experiment velocity with deep models and dependencies has 5x’ed while training on more data for cheaper. Anyscale has also enabled net-new real-time inference services and real-time user experiences that data scientists can roll out without waiting on ML Ops experts.
Scot Fang, TLM, Machine Learning, Handshake — Fuente

Otras herramientas de IA utilizadas por Handshake

Otras relaciones públicas registradas en usedby.

Arize AIConfirmadoDaytonaConfirmadoWriterConfirmadoCursorObservadoLovableObservadoDatadogSeñal
Explorar las herramientas de IA de Handshake

Otras empresas que utilizan Anyscale

Clientes de distintos sectores, con pruebas públicas.

AttentiveConfirmadoBedrock RoboticsConfirmadoBonsaiConfirmadoCanvaConfirmadoChef RoboticsConfirmadoCoactiveConfirmado
Ver todos los clientes de Anyscale

Más historias

Consultar la fuente

Basado en el caso de éxito publicado por Anyscale. Verificamos las pruebas públicas; los resultados son los que declara el proveedor.

anyscale.com
Última verificación
7 oct 2026
anyscale.comCaptura del caso de éxito de Anyscale sobre HandshakeAbrir la captura
Lo que dice la historia, y lo que verificamos

Lo que comparamos con la página.

  • La cifra: 50%Verificado

    Impresa palabra por palabra en la página, cerca del nombre de Handshake.

  • El pasaje citado arribaVerificado

    Copiado palabra por palabra de la página, cerca del nombre de Handshake.

  • Handshake usa AnyscaleVerificado

    Línea de nivel Confirmado.

  • El resultado en síNo verificado

    Lo citamos; no lo medimos.

The team’s velocity has increased significantly with Anyscale, which is essential for lean teams that have to move fast. Anyscale provides a platform that has transformed Handshake’s data scientists into full-stack machine learning engineers with only a lean team of 1-2 ML infrastructure engineers supporting and maintaining it.
De la página. anyscale.com