Rumah >Peranti teknologi >AI >Kajian pertengahan tahun: Sepuluh permulaan sains data dan pembelajaran mesin yang hangat pada tahun 2022
Perusahaan perlu berurusan dengan lebih banyak data, sama ada ia dijana dalam organisasi atau dikumpulkan daripada sumber luar Bagaimana untuk mencari cara yang berkesan untuk menganalisis dan "mengendalikan" semua data ini untuk mendapatkan kelebihan daya saing semakin berubah dan lebih mencabar.
Ini juga telah mendorong permintaan untuk alatan baharu dan teknologi maklumat dalam bidang sains data dan pembelajaran mesin. Menurut Laporan Fortune Business Insights, saiz pasaran pembelajaran mesin global akan mencecah AS$15.44 bilion pada 2021 sahaja, dan dijangka mencecah AS$21.17 bilion tahun ini dan meningkat kepada AS$209.91 bilion menjelang 2029, dengan kadar pertumbuhan tahunan kompaun sebanyak 38.8 %.
Pada masa yang sama, menurut laporan penyelidikan pasaran bersama, saiz pasaran platform sains data global ialah AS$4.7 bilion pada 2020 dan dijangka mencecah AS$79.7 bilion menjelang 2030, dengan kadar pertumbuhan tahunan kompaun sebanyak 33.6%.
Konsep "sains data" dan "pembelajaran mesin" kadang-kadang mudah dikelirukan atau digunakan secara bergantian, tetapi sebenarnya ia adalah dua konsep yang berbeza dan terdapat perkaitan antaranya kerana Amalan sains data adalah kunci kepada mesin. projek pembelajaran.
Menurut laman web Sarjana Sains Data, sains data ialah bidang pengajian yang menggunakan kaedah saintifik untuk mengekstrak makna dan pandangan daripada data, termasuk membangunkan strategi analisis data, menyediakan data untuk analisis, membangunkan visualisasi data dan membina model data, dsb.
Menurut Laporan Fortune Business Insights, pembelajaran mesin ialah sub-bahagian seterusnya dalam bidang kecerdasan buatan yang lebih luas Ia menggunakan analisis data untuk mengajar komputer cara belajar menggunakan model berdasarkan algoritma dan data Tiru cara manusia belajar.
Permintaan pasaran untuk sains data dan alatan pembelajaran mesin telah melahirkan sejumlah besar syarikat permulaan membangunkan teknologi termaju dalam bidang sains data atau pembelajaran mesin, termasuk 10 syarikat berikut:
Ditubuhkan pada 2020, Aporia telah membangunkan platform kebolehmerhatian pembelajaran mesin bertindan penuh dan boleh disesuaikan yang boleh digunakan oleh pasukan sains data dan pembelajaran mesin untuk memantau dan nyahpepijat , mentafsir dan menambah baik model dan data pembelajaran mesin.
Aporia mengumpulkan $5 juta dalam pembiayaan benih, diikuti oleh $25 juta dalam pembiayaan Siri A pada Mac 2022.
Aporia akan menggunakan dana tersebut untuk meningkatkan tiga kali ganda saiz pekerjanya menjelang 2023, serta mengembangkan skala perniagaannya di Amerika Syarikat dan julat senario penggunaan yang diliputi oleh teknologinya.
Black Crow AI telah membangunkan platform pembelajaran mesin untuk aplikasi e-dagang, membenarkan peniaga terus kepada pengguna dalam talian menggunakan Model mereka meramalkan tingkah laku pelawat dan nilai masa depan apabila membeli-belah. Perisian ini menganalisis berbilion titik data dalam masa nyata untuk meningkatkan pengalaman pelanggan, mengurus churn dan mengoptimumkan perbelanjaan pemasaran.
Black Crow AI diasaskan pada 2020 dan menerima AS$25 juta dalam pembiayaan Siri A pada Mac tahun ini, menjadikan jumlah pembiayaan berjumlah AS$30 juta. Black Crow AI akan menggunakan dana tersebut untuk mempercepatkan penemuan senario pembelajaran mesin baharu yang boleh digunakan dalam perdagangan digital dan menegak bersebelahan.
Platform Comet menyediakan ahli sains data dan pasukan sains data dengan keupayaan untuk mengurus dan mengoptimumkan keseluruhan kitaran hayat pembelajaran mesin, termasuk model pembinaan dan latihan, penjejakan percubaan dan pemantauan pengeluaran model, untuk meningkatkan keterlihatan, kerjasama dan produktiviti.
Comet, yang diasaskan pada 2017, mengumpul $50 juta dalam pembiayaan Siri B pada November tahun lalu, tetapi syarikat itu berkata pendapatan berulang tahunannya telah meningkat lima kali ganda dan tenaga kerja globalnya telah meningkat tiga kali ganda termasuk Ancestry, Etsy, Uber dan Zappos.
Perisian dotData menyediakan kejuruteraan ciri automatik dan fungsi automasi AI perusahaan untuk membina model kecerdasan buatan atau pembelajaran mesin. Dalam proses pembangunan pembelajaran mesin, kejuruteraan ciri ialah langkah kritikal dalam mencari corak tersembunyi yang penting dalam data yang digunakan untuk membangunkan dan melatih model pembelajaran mesin).
Produk utama dotData ialah perisian automasi analitik ramalan dotData Enterprise, di samping produk berkaitan termasuk platform automasi dotData Cloud AI, alat dotData Py dan dotData Py Lite serta dotData Stream untuk model AI masa nyata.
DotData diasaskan pada 2018 sebagai syarikat yang dipisahkan daripada NEC Ia menerima pembiayaan Siri B sebanyak AS$31.6 juta pada April tahun ini, menjadikan jumlah pembiayaan berjumlah AS$74.6 juta. dotData telah menggunakan dana luaran ini untuk mempercepatkan pembangunan produknya sendiri.
Ditubuhkan pada 2021, Neuton membangunkan platform “tinyML” automatik tanpa kod dan alatan lain untuk membangunkan model pembelajaran mesin Tiny yang boleh dibenamkan mikropengawal untuk dibuat peranti tepi pintar.
Teknologi Neuton memasuki pelbagai aplikasi, termasuk penyelenggaraan ramalan pam air pemampat, mencegah beban grid, pengesanan penghunian bilik, pengecaman tulisan tangan pada peranti pegang tangan, ramalan kegagalan kotak gear dan peralatan pemantauan pencemaran air, dsb.
Pinecone membangunkan pangkalan data vektor dan teknologi carian yang memperkasakan kecerdasan buatan dan aplikasi pembelajaran mesin. Oktober lalu, Pinecone melancarkan Pinecone 2.0, mengambil perisian daripada makmal penyelidikan kepada aplikasi pengeluaran.
Pinecone diasaskan pada 2019. Ia keluar daripada mod senyap tahun lepas dan menerima AS$10 juta dalam pembiayaan pusingan benih pada Januari 2021 dan AS$28 juta dalam pembiayaan Siri A pada Mac tahun ini.
Gartner menamakan Pinecone sebagai "Penjual Keren" dalam bidang kecerdasan buatan dan data pembelajaran mesin pada tahun 2021.
Snorkel diasaskan pada 2019 dan berasal dari Makmal Kecerdasan Buatan Universiti Stanford. Lima pengasas syarikat bekerja di makmal ini untuk menyelesaikan masalah kekurangan data latihan berlabel dalam pembangunan pembelajaran mesin.
Snorkel melancarkan Snorkel Flow pada Mac tahun ini, sistem berpusatkan data yang mempercepatkan pembangunan kecerdasan buatan dan pembelajaran mesin melalui penggunaan teg terprogram, yang juga digunakan untuk penyediaan data dan pembangunan model pembelajaran mesin dan Satu langkah kritikal dalam proses latihan.
Penilaian Snorkel melepasi $1 bilion pada Ogos 2021, apabila syarikat permulaan itu menerima $85 juta dalam pembiayaan Siri C untuk mengembangkan pasukan kejuruteraan dan jualannya serta mempercepatkan pembangunan platform.
Ditubuhkan dan dilancarkan pada 2018, Striveworks terutamanya membangunkan teknologi MLOps untuk industri yang sangat dikawal selia.
Produk utama Striveworks, Chariot Platform, direka terutamanya untuk sains data operasi, meringankan beban mencipta kecerdasan buatan atau penyelesaian pembelajaran mesin. Sistem ini menyelia proses pemerolehan dan penyediaan data, serta latihan, pengesahan, penggunaan dan pemantauan model pembelajaran mesin—semuanya di awan, di premis atau di pinggir rangkaian.
Tecton telah membangunkan platform perpustakaan fungsi pembelajaran mesin yang boleh memendekkan kelajuan penggunaan aplikasi pembelajaran mesin dari bulan kepada beberapa minit . Teknologi Tecton boleh menukar data mentah secara automatik, menjana set data latihan dan menyediakan keupayaan inferens dalam talian berskala besar.
Tecton telah diasaskan pada 2019. Pengasas membangunkan platform pembelajaran mesin Uber Michelangelo Kemudian, syarikat itu keluar daripada mod siluman pada April 2020.
Platform Verta boleh digunakan oleh sains data dan pasukan pembelajaran mesin untuk menggunakan dan beroperasi sepanjang keseluruhan kecerdasan buatan dan kitaran hayat model pembelajaran mesin , pengurusan dan model pemantauan.
Verta telah dinamakan sebagai "Penjual Keren" untuk teknologi AI teras oleh Gartner bulan ini.
Atas ialah kandungan terperinci Kajian pertengahan tahun: Sepuluh permulaan sains data dan pembelajaran mesin yang hangat pada tahun 2022. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!