當今企業(yè)正在利用不斷增長的數(shù)據(jù)獲得競爭優(yōu)勢，也就是采用數(shù)據(jù)科學、人工智能、機器學習、甚至是深度學習領(lǐng)域的新興技術(shù)來準備和組織大數(shù)據(jù)，開發(fā)機器學習算法和預(yù)測模型，為分析師和IT員工所使用的業(yè)務(wù)智能應(yīng)用提供支持。

[[407524]]

以下就讓我們來看看這10家在數(shù)據(jù)科學和機器學習領(lǐng)域擁有領(lǐng)先產(chǎn)品的初創(chuàng)公司。

Apheris

總部：德國柏林

Apheris成立于2019年，主要提供支持跨公司數(shù)據(jù)科學運營和協(xié)作的平臺。該平臺軟件可以安全地分析來自多方的分布式數(shù)據(jù)，同時保持專有信息的私密性。

去年8月Apheris在種子輪融資中獲得了250萬歐元(約合298萬美元)。

Arrikto

總部：美國加州圣馬特奧

Arrikto成立于2014年，它的旗艦產(chǎn)品Arrikto Enterprise Kubeflow是一個完整的機器學習操作(MLOps)平臺，可以將數(shù)據(jù)科學家和DevOps結(jié)合在一起，在整個生產(chǎn)過程中簡化和加速模型開發(fā)，并且確保安全性。Arrikto的目標是將DevOps中的原則引入機器學習數(shù)據(jù)中。

除此之外，Arrikto還提供了云原生的Rok Data Management Platform平臺來管理機器學習開發(fā)和運營所需的數(shù)據(jù)，不管這些數(shù)據(jù)位于何處。

Comet.ml

總部：美國紐約

Comet開發(fā)了一個自托管、基于云的MLOps平臺，用于機器學習模型的開發(fā)和監(jiān)控。該系統(tǒng)可以幫助數(shù)據(jù)科學家追蹤、對比、解釋和優(yōu)化機器學習實驗和生產(chǎn)模型并管理相關(guān)數(shù)據(jù)集。

Comet公司成立于2017年，在今年4月的A輪融資中獲得了1300萬美元。

Databand.ai

總部：以色列特拉維夫

Databand的統(tǒng)一數(shù)據(jù)可觀察性和機器學習開發(fā)平臺可以幫助數(shù)據(jù)工程師和數(shù)據(jù)科學家對于云原生系統(tǒng)(如Snowflake、Apache Spark和Apache Airflow)上運行的數(shù)據(jù)管道存在的數(shù)據(jù)質(zhì)量問題進行識別、故障排除和修復(fù)。

Databand.ai公司成立于2018年，在2020年12月由Accel領(lǐng)投的A輪融資中獲得了1450萬美元。

dotData

[[407529]]

高管：Ryohei Fujimaki，創(chuàng)始人、首席執(zhí)行官

總部：美國加州圣馬特奧

dotData開發(fā)的AutoML 2.0解決方案可用于數(shù)據(jù)科學工作流的自動化。dotData Enterprise機器學習和數(shù)據(jù)科學自動化平臺可以處理數(shù)據(jù)攝取和整理、自動化功能設(shè)計、AutoML和模型操作化任務(wù)，而且所有這些都是零編碼的。

dotData成立于2018年，今年2月推出了dotData Cloud，這是一個AI/ML自動化平臺和服務(wù)，可為商業(yè)智能團隊(尤其是那些沒有數(shù)據(jù)科學團隊的小型企業(yè)組織)提供快速實現(xiàn)AI/ML開發(fā)任務(wù)的自動化。今年5月dotData推出了dotData Py Lite容器化人工智能自動化系統(tǒng)，面向那些使用Python的數(shù)據(jù)科學家。

Explorium

[[407530]]

高管：Maor Shlomo，聯(lián)合創(chuàng)始人、首席執(zhí)行官

總部：美國加州圣馬特奧

Explorium開發(fā)了一個自動化外部數(shù)據(jù)平臺用于高級分析和機器學習任務(wù)，該系統(tǒng)讓數(shù)據(jù)科學家和業(yè)務(wù)分析師可以使用廣泛外部資源。

Explorium的技術(shù)組合還包括用于自動發(fā)現(xiàn)數(shù)據(jù)和功能生成的Auto ML引擎，以及用于查找和集成最相關(guān)外部數(shù)據(jù)信號的Signal Studio。

Explorium公司成立于2017年，在今年5月的C輪融資中獲得7500萬美元，總?cè)谫Y金額達到1.27億美元。

Iterative.ai

總部：美國舊金山

Iterative開發(fā)的開源工具可用于擴展傳統(tǒng)開發(fā)技術(shù)用于機器學習項目——尤其是涉及到非結(jié)構(gòu)化數(shù)據(jù)的機器學習項目。

Iterative的產(chǎn)品組合包括DVC版本控制系統(tǒng)、用于持續(xù)集成/持續(xù)交付和部署的持續(xù)機器學習(CML)、以及剛剛發(fā)布用于項目協(xié)作的Studio。據(jù)該公司稱，3月推出的新版本DVC和CML消除了對AWS SageMaker和Microsoft Azure ML Engineer等專有AI平臺的需求。

Iterative.ai公司成立于2018年，剛剛在A輪融資中獲得了2000萬美元。

Noogata

[[407532]]

高管：Assaf Egozi，聯(lián)合創(chuàng)始人、首席執(zhí)行官

總部：以色列特拉維夫

Noogata在今年3月推出了模塊化的無代碼AI數(shù)據(jù)分析平臺，用于幫助企業(yè)和組織擴展他們的企業(yè)數(shù)據(jù)分析計劃。該平臺可以對數(shù)據(jù)洞察、預(yù)測、建議進行收集、豐富化和建模，并提供關(guān)于整個公司上下的可操作的自助分析。

Noogata公司成立于2019年，剛剛在種子輪融資中獲得了1200萬美元，早期客戶包括Colgate-Palmolive以及百事可樂。

Spell.ml

[[407533]]

高管：Serkan Piantino，聯(lián)合創(chuàng)始人、首席執(zhí)行官

總部：美國紐約

Spell.ml開發(fā)了一個用于深度學習操作(DLOps)的機器學習平臺，并聲稱該平臺超越了傳統(tǒng)機器學習，具有準備、訓練、部署、管理機器學習和深度學習模型整個生命周期的能力。

深度學習是機器學習技術(shù)的一個分支，它結(jié)合了依賴于AI神經(jīng)網(wǎng)絡(luò)的復(fù)雜學習模型，通常用于例如圖像識別和自然語言處理這樣的復(fù)雜任務(wù)。深度學習模型是計算密集型的，通常需要在配置了GPU和下一代AI處理器的高性能系統(tǒng)。

Spell.ml公司成立于2017年，他們與云無關(guān)的平臺可以幫助降低深度學習模型開發(fā)的成本。Spell.ml的客戶包括Square、Healx和Conde Nast等，此外還與具有深度學習實踐的系統(tǒng)集成商、構(gòu)建深度學習驅(qū)動軟件的應(yīng)用開發(fā)人員展開合作。

Tecton.ai

高管：Mike Del Balso，聯(lián)合創(chuàng)始人、首席執(zhí)行官

總部：美國舊金山

Tecton.ai于2020年4月走出隱身模式，其機器學習數(shù)據(jù)平臺旨在讓數(shù)據(jù)科學家能夠?qū)⒃紨?shù)據(jù)轉(zhuǎn)化為支持機器學習模型的預(yù)測信號。Tecton.ai的目標是解決作為企業(yè)部署機器學習最大障礙之一——數(shù)據(jù)挑戰(zhàn)。

Tecton.ai公司創(chuàng)始人Mike Del Balso(首席執(zhí)行官)、Kevin Stumpf(首席技術(shù)官)和Jeremy Hermann(工程副總裁)曾就職于Uber，當時Uber正在開發(fā)和部署新的機器學習模型，他們開發(fā)了Uber的Michelangelo機器學習平臺，然后創(chuàng)立了Tecton.ai公司，致力于開發(fā)技術(shù)幫助其他公司應(yīng)對運營機器學習的數(shù)據(jù)挑戰(zhàn)。

Tecton.ai公司成立于2019年，已在多輪融資中共籌資6000萬美元。