Les entreprises doivent gérer de plus en plus de données, qu'elles soient générées au sein de l'organisation ou collectées à partir de sources externes. Comment trouver des moyens efficaces d'analyser et d'« exploiter » toutes ces données pour obtenir un avantage concurrentiel devient de plus en plus difficile.
Cela stimule également la demande de nouveaux outils et technologies de l'information dans les domaines de la science des données et de l'apprentissage automatique. Selon le rapport Fortune Business Insights, la taille du marché mondial de l'apprentissage automatique atteindra 15,44 milliards de dollars rien qu'en 2021, et devrait atteindre 21,17 milliards de dollars cette année et atteindre 209,91 milliards de dollars d'ici 2029, avec un taux de croissance annuel composé de 38,8. %.
Dans le même temps, selon un rapport d'étude de marché conjoint, la taille du marché mondial des plateformes de science des données était de 4,7 milliards de dollars américains en 2020 et devrait atteindre 79,7 milliards de dollars américains d'ici 2030, avec un taux de croissance annuel composé de 33,6 %.
Les concepts de « data science » et de « machine learning » sont parfois facilement confondus voire utilisés de manière interchangeable, mais en fait ce sont deux concepts différents et il existe une corrélation entre eux car la pratique de la data science est la clé du machine learning pour projet.
Selon le site Web du Master en science des données, la science des données est un domaine de recherche qui utilise des méthodes scientifiques pour extraire du sens et des informations à partir des données, notamment en développant des stratégies d'analyse de données, en préparant les données pour l'analyse, en développant des visualisations de données et en créant des modèles de données.
Selon le rapport Fortune Business Insights, l'apprentissage automatique est la prochaine sous-section du domaine plus large de l'intelligence artificielle. Il utilise l'analyse des données pour enseigner aux ordinateurs comment apprendre à l'aide de modèles basés sur des algorithmes et des données, c'est-à-dire imiter l'apprentissage humain. . Chemin.
La demande du marché pour les outils de science des données et d'apprentissage automatique a donné naissance à un grand nombre de start-up développant des technologies de pointe dans le domaine de la science des données ou de l'apprentissage automatique, dont les 10 suivantes :
Fondée en 2020, Aporia développe un observable d'apprentissage automatique full-stack et hautement personnalisable Une plateforme complète que les équipes de science des données et d'apprentissage automatique peuvent utiliser pour surveiller, déboguer, interpréter et améliorer les modèles et les données d'apprentissage automatique.
Aporia a levé 5 millions de dollars en financement de démarrage, suivis de 25 millions de dollars en financement de série A en mars 2022.
Aporia utilisera ces fonds pour tripler la taille de ses employés d'ici 2023, ainsi qu'élargir sa taille commerciale aux États-Unis et l'éventail de scénarios d'utilisation couverts par sa technologie.
Développé par Black Crow AI A plate-forme d'apprentissage automatique pour les applications de commerce électronique qui permet aux commerçants en ligne s'adressant directement aux consommateurs d'utiliser leurs modèles pour prédire le comportement des visiteurs et la valeur future lors de leurs achats. Le logiciel analyse des milliards de points de données en temps réel pour améliorer l'expérience client, gérer le taux de désabonnement et optimiser les dépenses marketing.
Black Crow AI a été fondée en 2020 et a reçu 25 millions de dollars américains en financement de série A en mars de cette année, portant le montant total du financement à 30 millions de dollars américains. Black Crow AI utilisera les fonds pour accélérer la découverte de nouveaux scénarios d'apprentissage automatique utilisables dans le commerce numérique et les secteurs verticaux adjacents.
La plateforme Comet assure la gestion des data scientists et des équipes de science des données ainsi que des capacité à optimiser l'ensemble du cycle de vie de l'apprentissage automatique, y compris la création et la formation de modèles, le suivi des expériences et la surveillance de la production de modèles, afin d'améliorer la visibilité, la collaboration et la productivité.
Comet a été fondée en 2017 et a reçu un financement de série B de 50 millions de dollars en novembre de l'année dernière. Cependant, la société a déclaré que ses revenus récurrents annuels ont été multipliés par cinq et que le nombre de ses employés dans le monde a triplé. Parmi ses clients figurent Ancestry, Etsy, Uber et Zappos.
Le logiciel dotData est fourni. Ingénierie automatisée des fonctionnalités et capacités d’automatisation de l’IA d’entreprise pour créer des modèles d’intelligence artificielle ou d’apprentissage automatique. Dans le processus de développement de l'apprentissage automatique, l'ingénierie des fonctionnalités est une étape critique dans la recherche de modèles cachés importants dans les données utilisées pour développer et entraîner des modèles d'apprentissage automatique. Le produit phare de
dotData est le logiciel d'automatisation d'analyse prédictive dotData Enterprise, et il propose également des produits connexes, notamment la plateforme d'automatisation dotData Cloud AI, les outils dotData Py et dotData Py Lite et dotData Stream pour les modèles d'IA en temps réel.
dotData a été fondée en 2018 et est une société issue de NEC. Elle a reçu 31,6 millions de dollars américains en financement de série B en avril de cette année, portant le montant total du financement à 74,6 millions de dollars américains. dotData a utilisé ces fonds externes pour accélérer le développement de son propre produit. La plate-forme sans code « tinyML » de + et d'autres outils pour développer de minuscules modèles d'apprentissage automatique qui peuvent être intégrés dans des microcontrôleurs pour rendre les appareils de pointe intelligents.
6, Pinecone
Pinecone a développé une base de données de vecteurs et une recherche technologies qui alimentent les applications d’intelligence artificielle et d’apprentissage automatique. En octobre dernier, Pinecone a lancé Pinecone 2.0, faisant passer le logiciel des laboratoires de recherche aux applications de production.
Gartner a nommé Pinecone « Cool Vendor » dans le domaine des données d'intelligence artificielle et d'apprentissage automatique en 2021. 
Snorkel a été fondée en 2019 et est issue du laboratoire d'intelligence artificielle de l'université de Stanford. , les cinq fondateurs de l'entreprise travaillaient dans ce laboratoire pour résoudre le problème du manque de données de formation labellisées pour le développement du machine learning.
Snorkel a lancé Snorkel Flow en mars de cette année, un système centré sur les données qui accélère le développement de l'intelligence artificielle et de l'apprentissage automatique grâce à l'utilisation de l'étiquetage programmatique, qui fait également partie du processus de préparation et de formation des modèles d'apprentissage automatique et de préparation des données. Une étape critique.
La valorisation de Snorkel a dépassé le milliard de dollars en août 2021, lorsque la startup a obtenu un financement de série C de 85 millions de dollars pour développer ses équipes d'ingénierie et de vente et accélérer le développement de la plateforme.
Striveworks a été fondée et lancée en 2018. La technologie MLOps est principalement développé pour ces industries hautement réglementées.
Le produit phare de Striveworks, Chariot Platform, est principalement conçu pour la science des données opérationnelles, allégeant ainsi le fardeau de la création de solutions d'intelligence artificielle ou d'apprentissage automatique. Le système supervise le processus d'acquisition et de préparation des données, ainsi que la formation, la validation, le déploiement et la surveillance des modèles d'apprentissage automatique, le tout dans le cloud, sur site ou à la périphérie du réseau.
Tecton a développé un outil d'apprentissage automatique La plate-forme de bibliothèque de fonctions peut réduire la vitesse de déploiement des applications d'apprentissage automatique de plusieurs mois à quelques minutes. La technologie de Tecton peut convertir automatiquement les données brutes, générer des ensembles de données de formation et fournir des capacités d'inférence en ligne à grande échelle.
Tecton a été fondée en 2019. Le fondateur a développé la plateforme d'apprentissage automatique Uber Michelangelo. Plus tard, l'entreprise est sortie du mode furtif en avril 2020.
La plateforme Verta peut être utilisée par la science des données et des équipes d'apprentissage automatique pour le déploiement, l'exploitation, la gestion et la surveillance des modèles tout au long du cycle de vie des modèles d'IA et d'apprentissage automatique.
Verta a été nommé « Cool Vendor » pour la technologie de base de l'IA par Gartner ce mois-ci.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Comment revenir à la page d'accueil à partir d'une sous-page HTML
Le rôle de pycharm
Comment résoudre l'erreur 1
Introduction aux touches de raccourci pour réduire Windows Windows
Explication détaillée de l'utilisation de la fonction Oracle Substr
Quelle plateforme est Kuai Tuan Tuan ?
Le WiFi est connecté mais il y a un point d'exclamation
Comment ouvrir un fichier mdf
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
