연말 리뷰: 2022년 가장 인기 있는 데이터 과학 및 머신러닝 스타트업 10곳

기업이 점점 더 많은 양의 데이터(조직 내에서 생성되고 외부 소스에서 수집됨)를 처리함에 따라 경쟁 우위를 확보하기 위해 이 데이터를 분석하고 "조작"하는 효과적인 방법을 찾는 것이 점점 더 중요해지고 있습니다.

이는 또한 데이터 과학 및 기계 학습 분야에서 새로운 도구와 기술에 대한 수요를 촉진합니다. 포춘 비즈니스 인사이트(Fortune Business Insights) 보고서에 따르면 글로벌 머신러닝 시장은 2021년 154억4000만 달러, 올해 211억7000만 달러에 달해 2029년까지 연평균 성장률 2099억1000만 달러로 성장할 것으로 예상된다. 38.8%.

동시에 Allied Market Research의 보고서에 따르면 데이터 과학 플랫폼의 글로벌 시장 규모는 2020년에 47억 달러였으며, 연평균 성장률 33.6%로 2030년에는 797억 달러에 이를 것으로 예상됩니다. .

'데이터 과학'과 '머신 러닝'은 때로는 약간 혼란스럽거나 같은 의미로 사용될 수도 있습니다. 이는 실제로 두 가지 다른 개념이지만 데이터 과학 관행이 기계 학습 프로젝트의 핵심이기 때문에 서로 관련되어 있습니다.

데이터 과학 석사 웹사이트의 정의에 따르면 데이터 과학은 데이터 분석 전략 수립, 분석을 위한 데이터 준비, 데이터 시각화 개발 및 구축을 포함하여 과학적 방법을 사용하여 데이터에서 의미와 통찰력을 추출하는 연구 분야입니다. 데이터 모델.

"Fortune Business Insights" 보고서에 따르면, 머신러닝은 인공 지능이라는 더 넓은 분야의 하위 섹션입니다. 이는 알고리즘을 사용하여 컴퓨터에게 학습 방법(즉, 인간 학습 방법을 모방)을 가르치는 데 데이터 분석을 사용하는 것을 말합니다. 그리고 데이터의 모델.

데이터 과학 및 기계 학습 도구에 대한 수요로 인해 데이터 과학 또는 기계 학습 분야에서 최첨단 기술을 개발하는 수많은 스타트업이 탄생했습니다. 그 중 10개를 살펴보겠습니다.

• Aporia
• Baseten
• Deci
• Galileo
• Neuton
• Pinecone
• Predibase
• Snorkel AI
• Vectice
• Verta

Aporia

Aporia는 고도로 사용자 정의 가능한 풀스택 기계 학습 관찰 장치를 개발합니다. 능력 플랫폼, 데이터 과학 및 기계 학습을 사용할 수 있습니다 기계 학습 모델 및 데이터를 모니터링, 디버깅, 해석 및 개선하는 플랫폼입니다.

아포리아는 2020년에 설립되어 시드 펀딩 500만 달러를 받은 지 10개월 만인 2022년 3월에 시리즈 A 펀딩 2,500만 달러를 추가로 받았습니다.

Aporia는 자금을 사용하여 2023년 초까지 인력 규모를 3배로 늘리는 동시에 미국에서의 입지를 확대하고 기술이 적용되는 사용 사례의 범위를 확대할 것입니다.

Baseten

Baseten은 올해 4월 공식 출시되어 머신러닝 모델 개발부터 프로덕션 수준 애플리케이션까지 프로세스 속도를 높일 수 있는 제품을 제공합니다.

Baseten에 따르면 2021년 여름부터 내부 베타 버전인 이 기술은 기계 학습 모델을 프로덕션에 적용하는 데 필요한 많은 기술을 자동화할 수 있어 데이터 과학 및 기계 학습 팀이 기계 학습을 비즈니스 프로세스에 통합하는 데 도움이 됩니다. 백엔드 없음 , 프런트엔드 또는 MLOps 지식이 필요합니다.

Baseten은 이전에 전자상거래 플랫폼 개발업체 Gumroad에서 근무했던 Tuhin Srivastava CEO, Amir Haghighat 최고기술책임자(CTO), 최고 과학자 Philip Howes가 2019년에 설립했습니다. Baseten은 초기 800만 달러의 시드 펀딩에 이어 올해 4월 시리즈 A 펀딩에서 1,200만 달러를 모금했습니다.

Deci

Deci는 차세대 인공 지능 및 딥 러닝 애플리케이션을 구축하기 위한 딥 러닝 개발 플랫폼을 개발했습니다. Deci의 기술은 컴퓨터 하드웨어가 크기와 복잡성이 증가하는 기계 학습 모델의 요구를 따라갈 수 없는 "AI 효율성 격차"를 해결하도록 설계되었습니다.

Deci의 플랫폼은 개발 수명 주기 초기에 프로덕션을 고려하여 데이터 과학자가 이러한 격차를 해소하고 프로덕션에 모델을 배포할 때 문제 해결에 드는 시간과 비용을 줄이는 데 도움이 됩니다. Deci에 따르면 이 플랫폼은 Deci의 독점 AutoNAC(Automatic Neural Architecture Construction) 기술을 통합하여 AI 개발자가 하드웨어 인식 "신경 아키텍처 검색"을 활용하여 특정 생산 수요를 충족하는 딥 러닝 모델을 구축할 수 있도록 "보다 효율적인 개발 패러다임"을 제공합니다. 목표.

Deci는 2019년에 설립되었으며 올해 7월 Insight Partners가 주도하는 시리즈 B 파이낸싱에서 2,500만 달러를 받았습니다. 불과 7개월 전 Deci는 시리즈 A 파이낸싱에서 2,100만 달러를 받았습니다.

Galileo

Galileo는 구조화되지 않은 데이터를 위한 기계 학습 데이터 인텔리전스 플랫폼을 개발했습니다. 이를 통해 데이터 과학자는 기계 학습 수명 주기 전반에 걸쳐 중요한 기계 학습 오류를 검사, 발견 및 수정할 수 있습니다.

올해 11월 초 Galileo는 무료 버전의 플랫폼인 Galileo Community Edition을 출시했습니다. 이를 통해 자연어 처리에 종사하는 데이터 과학자는 고품질 교육 데이터를 사용하여 모델을 더 빠르게 구축할 수 있습니다.

갈릴레오는 올해 5월 510만 달러의 시드 펀딩을 받으며 스텔스 모드에서 벗어났고, 이어 11월 1일에는 배터리 벤처스(Battery Ventures)가 주도하는 시리즈 A 파이낸싱에서 1,800만 달러를 받았다. Galileo의 공동 창립자에는 Google의 클라우드 AI 프로젝트 관리 책임자였던 CEO Vikram Chatterji, 전직 Apple 및 Uber의 소프트웨어 엔지니어인 Atindriyo Sanyal, 전직 Google 음성 인식 시스템 엔지니어인 Yash Sheth가 포함됩니다.

Neuton

2021년에 설립된 Neuton은 마이크로 컨트롤러에 내장되어 엣지 장치를 스마트하게 만들 수 있는 작은 기계 학습 모델을 개발하기 위한 자동화된 코드 없는 "tinyML" 플랫폼과 기타 도구를 개발합니다.

Neuton의 기술은 압축기 워터 펌프의 예측 유지 관리, 그리드 과부하 방지, 실내 점유 감지, 휴대용 장치의 필기 인식, 전송 오류 예측 및 수질 오염 모니터링 장비를 포함한 광범위한 응용 분야에서 사용되고 있습니다.

Pinecone

Pinecone에서 개발한 벡터 데이터베이스 및 검색 기술은 주로 인공 지능 및 기계 학습 애플리케이션을 지원합니다. 2021년 10월 Pinecone은 연구 실험실에서 생산 애플리케이션으로 소프트웨어를 가져오는 Pinecone 2.0을 출시했습니다.

파인콘은 2019년 설립돼 지난해 정식 출시됐으며, 2021년 1월 시드라운드 펀딩 1000만달러, 올해 3월 시리즈A 펀딩 2800만달러를 받았다.

올해 10월 Pinecone은 의미론적 검색 기능과 키워드 검색 기능을 결합한 새로운 "벡터 검색" 솔루션을 출시하여 기계 학습 검색 인프라 포트폴리오를 확장했습니다.

Gartner는 Pinecone을 2021년 인공지능 및 머신러닝 데이터 분야의 '쿨 벤더'로 선정했습니다.

Predibase

올해 5월, Predibase는 데이터 과학자와 비전문가가 "동급 최고의" 기계 학습 인프라를 통해 기계 학습 모델을 빠르게 개발할 수 있는 로우 코드 기계 학습 플랫폼으로 스텔스 모드에서 벗어났습니다. . 이 소프트웨어는 현재 많은 Fortune 500대 기업에서 베타 버전으로 사용되고 있습니다.

Predibase는 실제 문제를 해결하기 위한 기계 학습 모델을 개발하기 위해 기존 AutoML의 대안으로 기술을 제공합니다. 이 플랫폼은 선언적 기계 학습을 사용합니다. Predibase는 이를 통해 사용자가 기계 학습 모델을 "구성" 또는 간단한 파일로 지정하여 시스템에 사용자가 원하는 것을 알려주고 시스템이 해당 요구를 충족하는 가장 좋은 방법을 찾을 수 있도록 한다고 말합니다.

Predibase는 CEO Piero Molino, CTO Travis Addair, CPO Devvret Rishi, Stanford University 부교수 Chris Molino와 Addair가 공동 창립했습니다. 두 사람은 Uber에 재직하는 동안 딥 러닝 모델을 위한 Ludwig 오픈 소스 프레임워크와 딥 러닝 모델 훈련을 대규모 데이터로 확장 및 배포하기 위한 Horovod 오픈 소스 프레임워크를 개발했습니다(Predibase는 Ludwig 및 Horovod를 기반으로 구축되었습니다.)

올해 5월 , Predibase는 Greylock이 주도하는 시드 및 시리즈 A 자금 조달로 1,650만 달러를 받았습니다.

Snorkel AI

Snorkel은 2019년에 설립되었으며 Stanford University Artificial Intelligence Laboratory에서 시작되었습니다. 회사의 창립자 5명은 기계 학습 개발을 위한 레이블이 지정된 교육 데이터가 부족한 문제를 해결하기 위해 노력했습니다.

스노클은 데이터 준비와 기계 학습 모델 개발 및 교육의 핵심 단계인 프로그래밍 방식 라벨링을 통해 육체 노동을 가속화하는 데이터 중심 시스템인 스노클 플로우(Snorkel Flow)를 개발했으며 올해 3월 개발을 전면 출시했습니다. 지능과 머신러닝의

Snorkel의 가치는 2021년 8월에 10억 달러에 도달했습니다. 이때 스타트업은 엔지니어링 및 영업 팀을 성장시키고 플랫폼 개발을 가속화하기 위해 자금을 사용하여 시리즈 C 자금으로 8,500만 달러를 확보했습니다.

Vectice

Vectice는 자동화된 데이터 과학 지식 캡처 및 공유 솔루션을 개발합니다. Vectice의 기술은 데이터 세트, 코드, 모델, 노트북, 실행 및 일러스트레이션을 포함하여 프로젝트를 위해 데이터 과학 팀이 생성하는 자산을 자동으로 캡처하고 비즈니스 요구 사항에서 프로덕션 배포에 이르기까지 프로젝트 수명주기 전반에 걸쳐 문서를 생성합니다.

Vectice의 소프트웨어는 기업이 투명성, 거버넌스, AI 및 기계 학습 프로젝트와의 조정을 관리하고 일관된 프로젝트 결과를 제공할 수 있도록 설계되었다고 합니다.

Cyril Brignone CEO와 Gregory Haardt CTO가 2020년에 설립한 Vectice는 올해 1월 시리즈 A 펀딩에서 1,260만 달러를 유치하여 총 펀딩 금액이 1,560만 달러에 이르렀습니다.

Verta

Verta는 데이터 과학 및 기계 학습 팀이 전체 AI 및 ML 모델의 배포, 운영, 관리 및 모니터링에 내재된 복잡성을 배포, 운영, 관리 및 모니터링할 수 있도록 지원하는 AI/ML 모델 관리 및 운영 소프트웨어를 개발합니다. 수명주기.

올해 8월 Verta는 기본 통합 에코시스템 추가, 기업 보안, 개인 정보 보호 및 액세스 제어, 모델 위험 관리 관련 추가 기능을 포함하여 MLOps 플랫폼의 기업 기능을 강화했습니다.

Verta는 2018년에 설립되어 2020년에 공식 출시되었습니다. 올해 Gartner가 선정한 AI 핵심 기술 분야의 'Cool Vendor'로 선정되었습니다.

위 내용은 연말 리뷰: 2022년 가장 인기 있는 데이터 과학 및 머신러닝 스타트업 10곳의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!