기업은 조직 내에서 생성되었든 외부 소스에서 수집되었든 관계없이 점점 더 많은 데이터를 처리해야 합니다. 경쟁 우위를 확보하기 위해 이 모든 데이터를 분석하고 "운영"하는 효과적인 방법을 찾는 방법이 점점 더 어려워지고 있습니다.
이는 또한 데이터 과학 및 기계 학습 분야에서 새로운 도구 및 정보 기술에 대한 수요를 촉진합니다. 포춘 비즈니스 인사이트 보고서(Fortune Business Insights Report)에 따르면 전 세계 머신러닝 시장 규모는 2021년에만 154억4000만 달러에 달하고, 올해 211억7000만 달러, 2029년에는 2099억1000만 달러로 성장해 연평균 성장률 38.8%를 기록할 것으로 예상된다. %.
동시에 공동 시장 조사 보고서에 따르면 글로벌 데이터 사이언스 플랫폼 시장 규모는 2020년 47억 달러였으며, 연평균 성장률 33.6%로 2030년에는 797억 달러에 이를 것으로 예상됩니다.
"데이터 과학"과 "기계 학습"의 개념은 때때로 쉽게 혼동되거나 같은 의미로 사용되기도 하지만 실제로는 서로 다른 두 개념이며 둘 사이에는 상관 관계가 있습니다. 데이터 과학의 실천은 기계 학습의 핵심이기 때문입니다. 프로젝트.
데이터 과학 석사 웹사이트에 따르면 데이터 과학은 데이터 분석 전략 개발, 분석용 데이터 준비, 데이터 시각화 개발, 데이터 모델 구축 등 데이터에서 의미와 통찰력을 추출하기 위해 과학적 방법을 사용하는 연구 분야입니다.
Fortune Business Insights 보고서에 따르면, 기계 학습은 더 넓은 인공 지능 분야의 다음 하위 섹션입니다. 기계 학습은 데이터 분석을 사용하여 인간 학습을 모방하는 알고리즘과 데이터 기반 모델을 사용하여 학습하는 방법을 컴퓨터에 가르칩니다. . 방법.
데이터 과학 및 기계 학습 도구에 대한 시장 수요로 인해 다음 10개를 포함하여 데이터 과학 또는 기계 학습 분야에서 최첨단 기술을 개발하는 수많은 스타트업 회사가 탄생했습니다.
2020년에 설립된 Aporia는 풀스택, 고도로 사용자 정의 가능한 기계 학습 관찰 가능 장치를 개발합니다. 데이터 과학 및 기계 학습 팀이 기계 학습 모델 및 데이터를 모니터링, 디버깅, 해석 및 개선하는 데 사용할 수 있는 포괄적인 플랫폼입니다.
Aporia는 시드 펀딩에서 500만 달러를 모금했으며, 2022년 3월 시리즈 A 펀딩에서 2,500만 달러를 모금했습니다.
Aporia는 이 자금을 사용하여 2023년까지 직원 수를 3배로 늘리고 미국에서의 사업 규모와 기술이 적용되는 사용 시나리오 범위를 확장할 것입니다.
개발자: Black Crow AI A 온라인 소비자 직접 판매자가 모델을 사용하여 쇼핑 시 방문자 행동과 미래 가치를 예측할 수 있도록 하는 전자 상거래 애플리케이션을 위한 기계 학습 플랫폼입니다. 이 소프트웨어는 수십억 개의 데이터 포인트를 실시간으로 분석하여 고객 경험을 향상하고 이탈을 관리하며 마케팅 지출을 최적화합니다.
Black Crow AI는 2020년에 설립되어 올해 3월 시리즈 A 파이낸싱에서 2,500만 달러를 유치하여 총 펀딩 금액이 3,000만 달러에 이르렀습니다. Black Crow AI는 자금을 사용하여 디지털 상거래 및 인접 업종에서 새롭고 사용 가능한 기계 학습 시나리오의 발견을 가속화할 것입니다.
Comet의 플랫폼은 데이터 과학자 및 데이터 과학 팀과 모델 구축 및 훈련, 실험 추적, 모델 생산 모니터링을 포함한 전체 기계 학습 수명주기를 최적화하여 가시성, 협업 및 생산성을 향상시키는 기능입니다.
Comet은 2017년에 설립되었으며 작년 11월 시리즈 B 자금 조달에서 5천만 달러를 받았습니다. 그러나 회사는 연간 반복 수익이 5배 증가했으며 전 세계 직원 규모가 3배로 늘어났다고 밝혔습니다. 우버와 자포스.
dotData 소프트웨어가 제공됩니다. 인공 지능 또는 기계 학습 모델 구축을 위한 엔터프라이즈 AI 자동화 기능입니다. 기계 학습 개발 프로세스에서 기능 엔지니어링은 기계 학습 모델을 개발하고 훈련하는 데 사용되는 데이터에서 중요한 숨겨진 패턴을 찾는 중요한 단계입니다.
dotData의 주력 제품은 dotData Enterprise 예측 분석 자동화 소프트웨어이며, dotData Cloud AI 자동화 플랫폼, dotData Py 및 dotData Py Lite 도구, 실시간 AI 모델용 dotData Stream을 포함한 관련 제품도 제공합니다.
dotData는 2018년에 설립되었으며 NEC에서 분사된 회사입니다. 올해 4월 시리즈 B 자금 조달에서 3,160만 달러를 유치하여 총 자금 조달 금액이 7,460만 달러에 이르렀습니다. dotData는 이러한 외부 자금을 사용하여 자체 제품 개발을 가속화해 왔습니다. + 의 노코드 "tinyML" 플랫폼 및 마이크로컨트롤러에 내장되어 엣지 장치를 스마트하게 만들 수 있는 작은 기계 학습 모델을 개발하기 위한 기타 도구입니다.
6, Pinecone
Pinecone은 벡터 데이터베이스 및 검색을 개발했습니다. 인공지능과 머신러닝 애플리케이션을 강화하는 기술. 지난 10월 Pinecone은 연구실에서 생산 응용 프로그램으로 소프트웨어를 가져오는 Pinecone 2.0을 출시했습니다.
Gartner는 Pinecone을 2021년 인공 지능 및 기계 학습 데이터 분야의 "멋진 공급업체"로 선정했습니다. 
Snorkel은 2019년에 설립되었으며 스탠포드 대학교 인공 지능 연구소에서 시작되었습니다. , 회사의 5명의 창업자들은 머신러닝 개발을 위한 라벨링된 훈련 데이터가 부족한 문제를 해결하기 위해 이 실험실에서 일하고 있었습니다.
Snorkel은 올해 3월 Snorkel Flow를 출시했습니다. 이 시스템은 데이터 준비, 기계 학습 모델 개발 및 훈련 프로세스의 일부이기도 한 프로그래밍 방식 라벨링을 사용하여 인공 지능 및 기계 학습 개발을 가속화하는 데이터 중심 시스템입니다. 중요한 단계입니다.
Snorkel의 가치는 2021년 8월에 10억 달러를 넘어섰으며, 이때 스타트업은 엔지니어링 및 영업 팀을 확장하고 플랫폼 개발을 가속화하기 위해 시리즈 C 자금으로 8,500만 달러를 확보했습니다.
Striveworks는 2018년에 설립되어 출시되었습니다. MLOps 기술은 주로 규제가 엄격한 산업을 위해 개발되었습니다.
Striveworks의 주력 제품인 Chariot Platform은 주로 운영 데이터 과학을 위해 설계되어 인공 지능 또는 기계 학습 솔루션을 만드는 부담을 덜어줍니다. 시스템은 클라우드, 온프레미스 또는 네트워크 에지에서 데이터 수집 및 준비 프로세스는 물론 기계 학습 모델의 교육, 검증, 배포 및 모니터링을 모두 감독합니다.
Tecton이 기계를 개발했습니다. 학습 기능 라이브러리 플랫폼은 기계 학습 애플리케이션의 배포 속도를 몇 달에서 몇 분으로 단축할 수 있습니다. Tecton의 기술은 원시 데이터를 자동으로 변환하고 훈련 데이터 세트를 생성하며 대규모 온라인 추론 기능을 제공할 수 있습니다.
Tecton은 2019년에 설립되었습니다. 설립자는 Uber Michelangelo 기계 학습 플랫폼을 개발했으며 이후 2020년 4월에 회사는 스텔스 모드에서 벗어났습니다.
Verta의 플랫폼은 데이터 과학에 사용될 수 있습니다. 전체 AI 및 기계 학습 모델 수명주기 동안 모델을 배포, 운영, 관리 및 모니터링하는 기계 학습 팀.
Verta는 이번 달 Gartner에서 핵심 AI 기술 부문의 'Cool Vendor'로 선정되었습니다.
위 내용은 중간 검토: 2022년에 주목받는 10개의 데이터 과학 및 기계 학습 스타트업의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
