机器学习是智能算法和统计模型的演进,可通过经验改进软件,而无需明确地编写实现这些改进的代码。例如,预测分析应用可以通过使用机器学习,随着时间的推移变得更加精准。
但是机器学习也带来了挑战。开发机器学习模型和系统需要融合数据科学、数据工程和开发技能,获取和管理开发和训练机器学习模型所需的数据,也是一项严峻的任务。而要在现实的生产系统中运用机器学习技术,也是一个极大的障碍。
下面我们筛选了12家初创公司,有的已经成立了几年时间,有的刚刚起步,但他们都在致力于解决与机器学习相关的各种挑战。
AI.Reverie
联合创始人、首席执行官:Daeil Kim
总部:美国纽约
AI.Reverie开发用于数据生成、数据标记和数据增强任务的AI和机器获取技术,以强化计算机视觉。AI.Reverie的仿真平台用于帮助获取、整理和注释训练计算机视觉算法和改善AI应用所需的大量数据。
今年10月,AI.Reverie被Gartner评为AI核心技术领域的一家“Cool Vendor”。
Anodot
联合创始人首席执行官:David Drai,
总部:美国加利福尼亚州红木城
Anodot的Deep 360自主业务监控平台利用机器学习持续监控各项业务指标,检测重大异常情况,帮助预测业务绩效。
Anodot的算法会对业务进行上下文理解,提供实时警报,帮助用户降低事件成本高达80%。
Anodot已经在异常评分、季节性和相关性等领域获得多项技术专利和算法专利。今年早些时候,Anodot在C轮融资中获得3500万美元,总融资金额达到6250万美元。
BigML
联合创始人、首席执行官:Francisco Martin,
总部:美国俄勒冈州科瓦利斯
BigML提供了一个全面的、托管的机器学习平台,可以轻松构建和共享数据集和数据模型,制定高度自动化的数据驱动型决策。BigML可编程、可扩展的机器学习平台可以自动执行分类、回归、时间序列预测、聚类分析、异常检测、关联发现和主题建模等任务。
BigML Preferred Partner Program支持推荐合作伙伴,以及那些销售BigML和监督实施项目的合作伙伴。例如,合作伙伴A1 Digital已经在BigML平台上开发了一个零售应用,可以帮助零售商预测“销售侵蚀”的发生——当一种产品的促销或者其他营销活动可能导致其他产品需求减少的情况。
StormForge
创始人、首席执行官:Matt Provo,
总部:美国马萨诸塞州剑桥
StormForge提供基于机器学习的云原生应用测试和性能优化软件,可以帮助企业组织优化Kubernetes中的应用性能。
StormForge的前身是Carbon Relay,开发的Red Sky Ops工具让DevOps团队可以用来管理Kubernetes中的各种应用配置,无论运行在什么IT环境中,都可以对其进行自动调整以实现最佳性能。
本周StormForge收购了德国公司Stormforger及其性能测试即平台技术,同时更名为StormForge,并将其集成产品更名为StormForge平台,这是一个面向DevOps和IT专业人员的综合系统,可以主动且自动地测试、分析、配置、优化和发布容器化应用。
今年2月,StormForge获得了来自Insight Partners的6300万美元资金。
Comet.ML
联合创始人、首席执行官:Gideon Mendels,
总部:美国纽约
Comet.ML提供了一个云托管的机器学习平台,用于构建可靠的机器学习模型,帮助数据科学家和AI团队跟踪数据集、代码更改、实验历史和生产模型。
Comet.ML成立于2017年,到目前为止已经累计融资680万美元,其中包括2020年4月获得的450万美元。
Dataiku
联合创始人、首席执行官:Florian Douetteau
总部:美国纽约
Dataiku的Dataiku DSS(Data Science Studio)平台旨在将AI和机器学习从实验室带入到数据驱动型企业的广泛应用中。数据分析师和数据科学家在一系列机器学习、数据科学和数据分析任务中使用Dataiku DSS。
今年8月,Dataiku在D轮融资中获得了1亿美元,总融资金额达到了2.47亿美元。
Dataiku的合作伙伴生态系统包括分析顾问、服务合作伙伴、技术合作伙伴和VAR。
DotData
创始人、首席执行官:Ryohei Fujimaki
总部:美国加利福尼亚州圣马特奥
DotData的DotData Enterprise机器学习和数据科学平台可以将AI和商业智能开发项目的时间从几个月缩短到几天。DotData的目标是让数据科学流程足够简单,以至几乎所有人(不仅仅是数据科学家)都可以从中受益。
DotData的平台基于AutoML 2.0引擎的,该引擎执行机器学习和数据科学任务的全周期自动化。今年7月DotData首次推出了DotData Stream,一种支持实时预测功能的容器化AI/ML模型。
Eightfold.AI
联合创始人、首席执行官:Ashutosh Garg
总部:美国加利福尼亚山景城
Eightfold.AI开发的Talent Intelligence Platform是一套人力资源管理系统,将人工智能深度学习和机器学习技术用于吸引人才、管理、开发、经验和多元化。例如,Eightfold系统使用AI和ML让候选人的能力与职位要求更好地进行匹配,通过减少无意识的偏见来提高员工的多元化。
今年10月下旬,Eightfold.AI宣布获得1.25亿美元的融资,使得Eightfold.AI的估值突破了10亿美元。
H2O.ai
联合创始人、首席执行官:Sri Ambati,
总部:美国加利福尼亚山景城
H2O.ai致力于实现人工智能的“全民化”。
H2O.ai的H2O开源AI和机器学习平、H2O AI Driveless自动机器学习软件、H2O MLOps和其他工具主要用于在金融服务、保险、医疗、电信、零售、制药和数字营销等领域。
H2O.ai最近与数据科学平台开发商KNIME展开合作,将AutoMl的无驱动程序AI与KNIME Server进行集成,在整个数据科学生命周期(从数据访问到优化和部署)中进行工作流管理。
Iguazio
联合创始人、首席执行官:Asaf Somekh
总部:美国纽约
Iguazio面向实时机器学习应用的Data Science Platform平台可以实现机器学习工作流的自动化和加速,从而帮助企业大规模开发、部署和管理AI应用,改善业务成果——也就是Iguazio所谓的“ MLOps”。
2020年初,Iguazio在新一轮融资中获得2400万美元,总融资金额达到7200万美元。
OctoML
联合创始人、首席执行官:Luis Ceze
总部:美国西雅图
OctoML的Octomizer软件即服务让企业组织更容易地在不同CPU和GPU硬件(包括边缘和云)上更快地将深度学习模型投入生产环境中使用。
OctoML是由华盛顿大学Paul G. Allen计算机科学与工程学院开发Apache TVM机器学习编译器堆栈项目的团队创立的,Octomizer正是基于TVM堆栈的。
Tecton
联合创始人、首席执行官:Mike Del Balso
总部:美国旧金山
Tecton于2020年4月刚刚走出隐身模式,它的机器学习数据平台让数据科学家能够将原始数据转化为用于生产的机器学习功能。Tecton的技术旨在帮助企业和组织利用海量数据并将其精炼成为预测信号,提供给机器学习模型。
Tecton的三位创始人:首席执行官Mike Del Balso、首席技术官Kevin Stumpf、工程副总裁Jeremy Hermann之前曾在Uber合作,他们开发了Uber的Michaelangelo机器学习平台,将Uber的业务扩展到成千上万个生产模型,支持每秒数百万笔交易。
Tecton在由Andreessen Horowitz和Sequoia领投的A轮融资中获得了2500万美元。