目次
Galileo
Neuton
Pinecone
Predibase
Snorkel AI
Vectice
Verta
ホームページ テクノロジー周辺機器 AI 年末レビュー: 2022 年に最も人気のあるデータ サイエンスと機械学習のスタートアップ 10 社

年末レビュー: 2022 年に最も人気のあるデータ サイエンスと機械学習のスタートアップ 10 社

Apr 12, 2023 pm 12:22 PM
機械学習 データサイエンス

企業が扱うデータの量は、組織内で生成されたデータと外部ソースから収集されたデータの両方で増え続けるため、競争上の優位性を得るためにこのデータを分析し「操作」する効果的な方法を見つけることがますます重要になり、その難しさはますます高まっています。

これにより、データ サイエンスと機械学習の分野における新しいツールやテクノロジーの必要性も高まっています。 「Fortune Business Insights」レポートによると、世界の機械学習市場は2021年に154億4,000万米ドルに達し、今年は211億7,000万米ドルに達し、2029年までに2,099億1,000万米ドルに成長すると予想されており、年間平均成長率は38.8%。

同時に、Allied Market Research のレポートによると、2020 年のデータ サイエンス プラットフォームの世界市場規模は 47 億米ドルで、2030 年までに 797 億米ドルに達すると予想されており、年平均成長が見込まれています。率は33.6%。

「データ サイエンス」と「機械学習」は、少し混同されたり、同じ意味で使用されたりすることがあります。これらは実際には 2 つの異なる概念ですが、データ サイエンスの実践が機械学習プロジェクトの鍵となるため、関連しています。

データ サイエンス修士の Web サイトの定義によると、データ サイエンスは、データ分析戦略の開発、分析用のデータの準備、データの開発など、科学的手法を使用してデータから意味と洞察を抽出する研究分野です。視覚化、およびデータ モデルの構築。

「Fortune Business Insights」レポートによると、機械学習は人工知能のより広範な分野の一部分であり、コンピューターに学習方法を教える(つまり、方法を模倣する)ためにデータ分析を使用することを指します。人間は学習します) アルゴリズムとデータベースのモデルを使用します。

##データ サイエンスおよび機械学習ツールの需要により、データ サイエンスまたは機械学習の分野で最先端のテクノロジーを開発する多くのスタートアップ企業が誕生しました。そのうちの 10 社を見てみましょう:

    アポリア
  • ベーステン
  • デシ
  • ガリレオ
  • ニュートン
  • 松ぼっくり
  • プレディベース
  • Snorkel AI
  • Vectice
  • Verta
Aporia

Aporia は、フルスタックで高度にカスタマイズ可能な機械学習の観測可能な包括的なプラットフォームを開発します。データ サイエンスと機械学習は、機械学習のモデルとデータを監視、デバッグ、解釈、改善するために使用できます。

Aporia は 2020 年に設立され、シード資金 500 万ドルを受け取ってから 10 か月後の 2022 年 3 月に、シリーズ A 資金調達で追加の 2,500 万ドルを受け取りました。

アポリアはこの資金を利用して、2023年初頭までに従業員の規模を3倍に増やすと同時に、米国でのプレゼンスを拡大し、テクノロジーがカバーするユースケースの範囲を拡大する予定です。

Baseten

Baseten は今年 4 月に正式リリースされ、機械学習モデルの開発から運用レベルのアプリケーションまでのプロセスを高速化できる製品を提供します。

Baseten によると、2021 年の夏から社内ベータ版が提供されているこのテクノロジーは、機械学習モデルを本番環境に導入するために必要なスキルの多くを自動化でき、データ サイエンス チームと機械学習チームが機械学習を統合するのに役立ちます。ビジネス プロセスでは、バックエンド、フロントエンド、または MLOps の知識は必要ありません。

Baseten は、CEO の Tuhin Srivastava 氏、CTO の Amir Haghighat 氏、主任研究員の Philip Howes 氏によって 2019 年に設立されました。彼らは全員、以前は電子商取引プラットフォーム開発者の Gumroad で働いていました。 Basetenは、800万ドルのシード資金調達に続き、今年4月にシリーズA資金調達で1,200万ドルを調達した。

Deci

Deci は、次世代の人工知能およびディープ ラーニング アプリケーションを構築するためのディープ ラーニング開発プラットフォームを開発しました。 Deci のテクノロジーは、サイズと複雑さが増大する機械学習モデルの要求にコンピューター ハードウェアが追いつけない「AI 効率ギャップ」に対処するために設計されています。

Deci のプラットフォームは、開発ライフサイクルの早い段階で本番環境を考慮に入れており、データ サイエンティストがこのギャップを埋め、モデルを本番環境にデプロイする際の問題解決にかかる時間とコストを削減するのに役立ちます。 Deci 氏によると、このプラットフォームには Deci 独自の AutoNAC (Automatic Neural Architecture Construction) テクノロジーが組み込まれており、AI 開発者がハードウェアを認識した「ニューラル アーキテクチャ検索」を活用してディープ ラーニング モデルを構築するのに役立つ「より効率的な開発パラダイム」を提供し、特定の生産需要を満たすことができます。ターゲット。

Deci は 2019 年に設立され、今年 7 月に Insight Partners 主導のシリーズ B 資金調達で 2,500 万米ドルを調達しました。わずか 7 か月前、Deci はシリーズ A 資金調達で 2,100 米ドルを受け取ったばかりでした。

Galileo

Galileo は、非構造化データ用の機械学習データ インテリジェンス プラットフォームを開発しました。これにより、データ サイエンティストは、機械学習のライフサイクル全体を通じて重大な機械学習エラーを検査、発見、修正できます。

今年 11 月初旬、Galileo はプラットフォームの無料版である Galileo Community Edition をリリースしました。これにより、自然言語処理に従事するデータ サイエンティストは、高品質のトレーニング データを使用してより迅速にモデルを構築できるようになります。

Galileo は、今年 5 月に 510 万米ドルのシード資金を受け取ったときにステルスモードから抜け出し、その後 11 月 1 日には Battery Ventures 主導のシリーズ A 資金調達で 1,800 万米ドルを受け取りました。 Galileo の共同創設者には、Google でクラウド AI プロジェクト管理の責任者を務めていた CEO の Vikram Chatterji 氏、Apple と Uber の元ソフトウェア エンジニアである Atindriyo Sanyal 氏、Google の音声認識システム エンジニアの元ソフトウェア エンジニアである Yash Sheth 氏が含まれています。

Neuton

2021 年に設立された Neuton は、自動化されたコードなしの「tinyML」プラットフォームと、マイクロコントローラーに埋め込んでエッジ デバイスのスマート化を可能にする小さな機械学習モデルを開発するためのその他のツールを開発しています。 。

Neuton の技術は、コンプレッサー ウォーター ポンプの予知保全、送電網の過負荷防止、部屋の占有検出、携帯端末の手書き認識、伝送障害予測、水質汚染監視装置など、幅広い用途で使用されています。

Pinecone

Pinecone が開発したベクトル データベースと検索テクノロジーは、主に人工知能と機械学習アプリケーションのサポートを提供します。 2021 年 10 月に、Pinecone は、ソフトウェアを研究室から運用アプリケーションに提供する Pinecone 2.0 をリリースしました。

Pinecone は 2019 年に設立され、昨年正式に立ち上げられ、2021 年 1 月にシードラウンドで 1,000 万米ドルの資金調達、今年 3 月にシリーズ A で 2,800 万米ドルの資金調達を受けました。

今年 10 月、Pinecone は機械学習検索インフラストラクチャのポートフォリオを拡張し、セマンティック検索機能とキーワード検索機能を組み合わせた新しい「ベクトル検索」ソリューションを開始しました。

ガートナーは、2021 年に Pinecone を人工知能と機械学習データの分野の「クール ベンダー」に指名しました。

Predibase

5 月、Predibase はステルス モードから抜け出し、データ サイエンティストや非専門家が「クラス最高」のアプリケーションを迅速に開発できるローコード機械学習プラットフォームを提供しました。機械学習インフラストラクチャ、機械学習モデル。このソフトウェアは現在、多くのフォーチュン 500 企業でベータ版が使用されています。

Predibase は、現実世界の問題を解決するための機械学習モデルを開発するために、従来の AutoML の代替としてそのテクノロジーを提供しています。このプラットフォームは宣言型機械学習を使用しており、Predibaseによれば、これによりユーザーは機械学習モデルを「設定」、つまり単純なファイルとして指定することができ、ユーザーが望むものをシステムに伝え、そのニーズを満たす最適な方法をシステムが見つけ出すことができるという。

Predibase は、CEO の Piero Molino、最高技術責任者の Travis Addair、最高製品責任者の Devret Rishi、スタンフォード大学准教授の Chris Re によって共同設立されました。Molino と Addair の両名は、かつて Uber で働いていました。 Uber 在籍中に、2 人はディープ ラーニング モデル用の Ludwig オープン ソース フレームワークと、ディープ ラーニング モデルのトレーニングを大規模なデータに拡張および配布するための Horovod オープン ソース フレームワークを開発しました (Predibase は Ludwig と Horovod に基づいて構築されています)

今年 5 月、Predibase は Greylock 主導のシードおよびシリーズ A 資金調達で 1,650 万米ドルを受け取りました。

Snorkel AI

Snorkel は 2019 年に設立され、スタンフォード大学人工知能研究所に由来し、同社の 5 人の創設者は機械学習開発用のラベル付きトレーニング データの不足の問題の解決に取り組みました。 。

Snorkel は、データ準備と機械学習モデルの開発とトレーニングの重要なステップであるプログラムによるタグ付けを使用して、今年 3 月に完全に商用化されたデータ中心システムである Snorkel Flow を開発しました。) 開発を加速します。人工知能と機械学習の分野。

Snorkelの評価額は2021年8月に10億ドルに達し、このスタートアップはシリーズC資金で8,500万ドルを確保し、その資金をエンジニアリングチームと営業チームの成長とプラットフォーム開発の加速に使用しました。

Vectice

Vectice は、自動化されたデータ サイエンスの知識の取得および共有ソリューションを開発しています。 Vectice のテクノロジーは、データ サイエンス チームがプロジェクト用に作成するデータセット、コード、モデル、ノートブック、実行、イラストなどの資産を自動的にキャプチャし、ビジネス要件から実稼働展開に至るプロジェクトのライフサイクル全体を通じてドキュメントを生成します。

Vectice のソフトウェアは、企業が透明性、ガバナンス、AI および機械学習プロジェクトとの連携を管理し、一貫したプロジェクト結果を提供できるように設計されていると言われています。

Vectice は CEO の Cyril Brignone と CTO Gregory Haardt によって 2020 年に設立され、今年 1 月にシリーズ A 資金調達で 1,260 万ドルを調達し、資金総額は 1,560 万ドルになりました。

Verta

Verta は、データ サイエンス チームと機械学習チームが人工知能と機械学習全体にわたって機械学習モデルを導入、配置、展開するために使用する人工知能/機械学習モデルの管理および運用ソフトウェアを開発しています。モデルのライフサイクル: 本質的に複雑なモデルの運用、管理、監視。

8 月、Verta は、ネイティブ統合エコシステムの追加、エンタープライズ セキュリティ、プライバシーとアクセス制御、モデル リスク管理に関する追加機能の追加など、MLOps プラットフォームのエンタープライズ機能を強化しました。

Verta は 2018 年に設立され、2020 年に正式リリースされました。今年、Gartner によってコア AI テクノロジー分野の「クール ベンダー」に選ばれました。

以上が年末レビュー: 2022 年に最も人気のあるデータ サイエンスと機械学習のスタートアップ 10 社の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

この記事では、SHAP: 機械学習のモデルの説明について説明します。 この記事では、SHAP: 機械学習のモデルの説明について説明します。 Jun 01, 2024 am 10:58 AM

機械学習とデータ サイエンスの分野では、モデルの解釈可能性が常に研究者や実務家に焦点を当ててきました。深層学習やアンサンブル手法などの複雑なモデルが広く適用されるようになったことで、モデルの意思決定プロセスを理解することが特に重要になってきました。 Explainable AI|XAI は、モデルの透明性を高めることで、機械学習モデルに対する信頼と自信を構築するのに役立ちます。モデルの透明性の向上は、複数の複雑なモデルの普及や、モデルを説明するための意思決定プロセスなどの方法によって実現できます。これらの方法には、特徴重要度分析、モデル予測間隔推定、ローカル解釈可能性アルゴリズムなどが含まれます。特徴重要度分析では、入力特徴に対するモデルの影響度を評価することで、モデルの意思決定プロセスを説明できます。モデルの予測間隔の推定

透明!主要な機械学習モデルの原理を徹底的に分析! 透明!主要な機械学習モデルの原理を徹底的に分析! Apr 12, 2024 pm 05:55 PM

平たく言えば、機械学習モデルは、入力データを予測された出力にマッピングする数学関数です。より具体的には、機械学習モデルは、予測出力と真のラベルの間の誤差を最小限に抑えるために、トレーニング データから学習することによってモデル パラメーターを調整する数学関数です。機械学習には、ロジスティック回帰モデル、デシジョン ツリー モデル、サポート ベクター マシン モデルなど、多くのモデルがあります。各モデルには、適用可能なデータ タイプと問題タイプがあります。同時に、異なるモデル間には多くの共通点があったり、モデル進化の隠れた道が存在したりすることがあります。コネクショニストのパーセプトロンを例にとると、パーセプトロンの隠れ層の数を増やすことで、それをディープ ニューラル ネットワークに変換できます。パーセプトロンにカーネル関数を追加すると、SVM に変換できます。これです

学習曲線を通じて過学習と過小学習を特定する 学習曲線を通じて過学習と過小学習を特定する Apr 29, 2024 pm 06:50 PM

この記事では、学習曲線を通じて機械学習モデルの過学習と過小学習を効果的に特定する方法を紹介します。過小適合と過適合 1. 過適合 モデルがデータからノイズを学習するためにデータ上で過学習されている場合、そのモデルは過適合していると言われます。過学習モデルはすべての例を完璧に学習するため、未確認の新しい例を誤って分類してしまいます。過適合モデルの場合、完璧/ほぼ完璧なトレーニング セット スコアとひどい検証セット/テスト スコアが得られます。若干修正: 「過学習の原因: 複雑なモデルを使用して単純な問題を解決し、データからノイズを抽出します。トレーニング セットとしての小さなデータ セットはすべてのデータを正しく表現できない可能性があるため、2. 過学習の Heru。」

宇宙探査と人類居住工学における人工知能の進化 宇宙探査と人類居住工学における人工知能の進化 Apr 29, 2024 pm 03:25 PM

1950 年代に人工知能 (AI) が誕生しました。そのとき、研究者たちは、機械が思考などの人間と同じようなタスクを実行できることを発見しました。その後、1960 年代に米国国防総省は人工知能に資金を提供し、さらなる開発のために研究所を設立しました。研究者たちは、宇宙探査や極限環境での生存など、多くの分野で人工知能の応用を見出しています。宇宙探査は、地球を超えた宇宙全体を対象とする宇宙の研究です。宇宙は地球とは条件が異なるため、極限環境に分類されます。宇宙で生き残るためには、多くの要素を考慮し、予防策を講じる必要があります。科学者や研究者は、宇宙を探索し、あらゆるものの現状を理解することが、宇宙の仕組みを理解し、潜在的な環境危機に備えるのに役立つと信じています。

C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 Jun 03, 2024 pm 01:25 PM

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

説明可能な AI: 複雑な AI/ML モデルの説明 説明可能な AI: 複雑な AI/ML モデルの説明 Jun 03, 2024 pm 10:08 PM

翻訳者 | Li Rui によるレビュー | 今日、人工知能 (AI) および機械学習 (ML) モデルはますます複雑になっており、これらのモデルによって生成される出力はブラックボックスになっており、関係者に説明することができません。 Explainable AI (XAI) は、利害関係者がこれらのモデルがどのように機能するかを理解できるようにし、これらのモデルが実際に意思決定を行う方法を確実に理解できるようにし、AI システムの透明性、信頼性、およびこの問題を解決するための説明責任を確保することで、この問題を解決することを目指しています。この記事では、さまざまな説明可能な人工知能 (XAI) 手法を検討して、その基礎となる原理を説明します。説明可能な AI が重要であるいくつかの理由 信頼と透明性: AI システムが広く受け入れられ、信頼されるためには、ユーザーは意思決定がどのように行われるかを理解する必要があります

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

フラッシュ アテンションは安定していますか?メタとハーバードは、モデルの重みの偏差が桁違いに変動していることを発見しました フラッシュ アテンションは安定していますか?メタとハーバードは、モデルの重みの偏差が桁違いに変動していることを発見しました May 30, 2024 pm 01:24 PM

MetaFAIR はハーバード大学と協力して、大規模な機械学習の実行時に生成されるデータの偏りを最適化するための新しい研究フレームワークを提供しました。大規模な言語モデルのトレーニングには数か月かかることが多く、数百、さらには数千の GPU を使用することが知られています。 LLaMA270B モデルを例にとると、そのトレーニングには合計 1,720,320 GPU 時間が必要です。大規模なモデルのトレーニングには、これらのワークロードの規模と複雑さにより、特有のシステム上の課題が生じます。最近、多くの機関が、SOTA 生成 AI モデルをトレーニングする際のトレーニング プロセスの不安定性を報告しています。これらは通常、損失スパイクの形で現れます。たとえば、Google の PaLM モデルでは、トレーニング プロセス中に最大 20 回の損失スパイクが発生しました。数値的なバイアスがこのトレーニングの不正確さの根本原因です。

See all articles