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

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。