年中盤點：2021年炙手可熱的10家數(shù)據(jù)科學和機器學習初創(chuàng)公司
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、甚至是深度學習領域的新興技術來準備和組織大數(shù)據(jù)，開發(fā)機器學習算法和預測模型，為分析師和IT員工所使用的業(yè)務智能應用提供支持。
以下就讓我們來看看這10家在數(shù)據(jù)科學和機器學習領域擁有領先產(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。
Databand.ai公司成立于2018年，在2020年12月由Accel領投的A輪融資中獲得了1450萬美元。
dotData
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、自動化功能設計、AutoML和模型操作化任務，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，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
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，該系統(tǒng)讓數(shù)據(jù)科學家和業(yè)務分析師可以使用廣泛外部資源。
Explorium的技術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，總融資金額達到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)技術用于機器學習項目——尤其是涉及到非結構化數(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
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、預測、建議進行收集、豐富化和建模，并提供關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
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的一個分支，它結合了依賴于AI神經(jīng)網(wǎng)絡的復雜學習模型，通常用于例如圖像識別和自然語言處理這樣的復雜任務。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、構建深度學習驅動軟件的應用開發(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)科學家能夠將原始數(shù)據(jù)轉化為支持機器學習模型的預測信號。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)技術幫助其他公司應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。
