Comment Canva utilise Weights & Biases
L'équipe plateforme ML de Canva utilise Weights & Biases pour le suivi des expériences et s'appuie sur le W&B Registry comme point central pour séparer les modèles prêts pour la production des modèles expérimentaux et pour faire passer les modèles de l'expérimentation au déploiement. Des alias indiquent quel modèle est déployé en production ou utilisé pour les tests A/B.
Voir la preuve capturéeL’usage : comment Canva déploie Weights & Biases
Canva's ML platform team uses Weights & Biases for experiment tracking and uses the W&B Registry as a central hub to separate production-ready models from experimental ones and move models from experimentation to deployment. Aliases show which model is deployed to production or used for A/B testing.
Le témoignage du client
Le registre W&B nous simplifie la vie de bien des façons. Il réduit le bruit dans l'expérience utilisateur, puisque nous ne voyons plus que les modèles prêts pour la production. Il conserve toutes les informations de niveau production dont nous avons besoin.Traduction automatique de l’anglaisVoir l’original
The W&B Registry simplifies our lives in so many ways. It brings less noise to the user experience, as we are now only seeing models that are production-ready. It stores all the production-level information we need.Weave permet à nos ingénieurs d'évaluer les modifications apportées aux fonctionnalités du produit avec différents LLM en arrière-plan. Ils peuvent ainsi décider en connaissance de cause lequel utiliser, en tenant compte non seulement de la qualité, mais aussi du coût.Traduction automatique de l’anglaisVoir l’original
Weave enables our engineers to score changes to product features using different LLMs under the hood. This allows them to make an informed decision about which one to use, taking into consideration not just quality but also cost.Les autres outils IA utilisés par Canva
Autres relations publiques recensées sur usedby.
Explorer la stack IA de CanvaLes clients de Weights & Biases dans le secteur MarTech
Des entreprises du même secteur, avec une preuve publique.
Voir tous les clients de Weights & BiasesConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Weights & Biases. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
wandb.ai- Source publiée
- 10 avr. 2024
- Dernière vérification
- 11 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Canva.
- La date de publicationVérifié
Lue dans les métadonnées de la page, jamais devinée.
- Canva utilise Weights & BiasesVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Using the W&B Registry provided a clear separation between production and experimentation, while aliases made it much clearer for users to understand which model would be deployed to production or to carry out A/B testing.







