شتابدهنده یونیکا

برترین استارت‌آپ‌های علوم داده

در سال ۲۰۲۲

برترین استارت‌آپ‌های علوم داده در سال ۲۰۲۲

علوم‌داده یکی از مهمترین روندهای فناوری امروز در جهان است و هر روز کسب و کارهای بیشتری در این حوزه شروع به فعالیت می‌کنند. در این پست برخی از برترین استارت‌آپ‌های علوم داده در سال 2022 را معرفی می‌کنیم.

با ما همراه باشید: 

1- Aporia

Top Executive Liran Hason, Founder and CEO 

Headquarters: Tel Aviv, Israel 

Website:https://www.aporia.com 

آپوریا یک پلتفرم مشاهده‌پذیری (Observability) یادگیری ماشین (ML) با قابلیت سفارشی‌سازی کامل و همه فن حریف ایجاد می‌کند که تیم‌های علوم داده و ML از آن برای نظارت، اشکال‌زدایی، توضیح و بهبود مدل‌ها و داده‌های یادگیری ماشین استفاده می‌کنند. 

آپوریا در مارس 2022، 10 ماه پس از جمع آوری 5 میلیون دلار سرمایه اولیه، 25 میلیون دلار سرمایه در سری A جمع آوری کرد. این استارت‌آپ که در سال 2020 تأسیس شد، از منابع مالی برای سه برابر کردن تعداد کارمندان خود تا اوایل سال 2023، گسترش حضور خود در ایالات متحده و افزایش دامنه استفاده از فناوری خود استفاده می‌کند. 

2- Black Crow AI

Top Executive: Richard Harris, Founder and CEO 

Headquarters: New York 

Website:https://www.blackcrow.ai 

Black Crow AI یک پلتفرم یادگیری ماشینی را برای برنــــامه‌های کاربــردی تجارت الکترونیک ایجاد می‌کند که مدل‌هایــی را توسعه می‌دهد که فروشندگان آنلاین، که مستقیما با مصرف‌کننده نهایی در ارتبـاطند، برای پیـش بینی رفتار بازدیدکنندگان و تمایلات آتی آینده آن‌ها هنگام خرید استفاده می‌کـنند. این نرم‌افزار میلیاردها نقطه داده را در لحظه تجزیه و تحلیل می‌کند تا تجــربه مشتـــری را بهبود ببخشد، ریزش مشـــــــتری را مدیریــــــت کند و هزینــــــه‌های بازاریــــــابی را بهیــــنه سازد. 

این شرکت که در سال 2020 تأسیـــس شد، در ماه مارس 25 میلیون دلار سرمایه در سری A جمع‌آوری کرد و مجمــوع تأمین مالی خود را به 30 میلیون دلار رساند. این شرکت از این بودجه برای تسریع توسعه کاربــردهای جدید و قابل دسترسِ یادگیری ماشینی در تجارت الکترونیک و بازارهـــــای عمودی های مجــــاور استفاده می کند. 

3- Comet

Top Executive: Gideon Mendels, Co-Founder and CEO 

Headquarters: New York 

Website:https://www.comet.ml/site

پلتفرم Comet به دانشمندان  و تیم‌های علم داده توانایی مدیریت و بهینه‌ســازی کل چرخه زندگی یادگیـــری ماشینی از ساخت و یادگیری مـــدل‌ها، ردیـــــابی آزمایش و مدل‌سازی نظارت بر تولید – بهبـــــود قابلیت دیده شدن، همکاری و بهره‌وری را ارائه می‌دهد. 

Comet که در سال 2017 تأسیـــــس شد، در نوامبر 2022، 50 میلیـون دلار سرمایه در سری B جمع‌آوری کرد. در آن زمــــان شرکـــت اعلام کرد که درآمد سالانه تکرارشونده آن پنج برابر افزایـش یافته است، نیروی کار آن در سراسر جهان سه برابر شده و پایگاه مشـــــــتـــــــریان آن شامــــــــل Ancestry، Etsy، Uber و Zappos اســـــــت. 

4- dotData

Top Executive: Ryohei Fujimaki, Founder and CEO 

Headquarters: San Mateo, Calif

Website:https://dotdata.com

نرم‌افزار dotData «مهندسـی ویژگی» (feature eng). خودکار و اتومــــاسیون هوش مصنوعی سازمانی را برای ساخت مدل‌های یادگیری هوش مصنوعی/یادگیری ماشین ارائه می‌دهد. («مهندسی ویژگی» گام مهمی در توسعه یادگیری ماشین برای یافتـــن الگوهای مهم پنهان در داده‌های مورد استفاده برای توسعه و آموزش مــدل‌های ML است). 

علاوه بر نرم‌افزار اتوماسیــــــون تجزیه و تحلیـــــل پیش‌بینی‌کننده با نام dotData Enterprise که محصول اصلی dotData است، این شرکت محصولات مرتبط از جمله پلتفرم اتوماسیون هوش مصنوعی dotData Cloud، ابــــزار dotData Py و dotData Py Lite و dotData Stream را برای مدل‌های هوش مصــــنوعی در زمان واقعی ارائه می‌کند. 

dotData که در سال 2018 به‌عنوان اسپیـن‌آف NEC تأسیس شد، در ماه آوریل 31.6 میلیون دلار بودجه سری B جمع‌آوری کــرد و مجموع تأمین مالی شرکت را به 74.6 میلیون دلار رساند. این شرکت از بودجه اضافی تا حد زیادی برای تســـــریع توسعه محصول استفاده کرده است. 

5- Neuton

Top Executive: Andrey Korobitsyn, CEO 

Headquarters: San Jose, Calif. 

Website:https://neuton.ai

Neuton که در سال 2021 تأسیس شد، یک پلتـفرم خودکـــــار و بدون کد «tinyML» و ابزارهای دیگر را برای توسعه مدل‌های کوچــــک یادگیــری ماشینی توسعه می‌دهد که می‌توانند در میکروکنترلرهایی تعبیه شوند که می‌توانند دستگاه‌های لبه (دستگاه هایی که متسقیـــــــما با عوامـــــــل محیـــــــطی تعامل دارند) را هوشمنــــــد کننــد. 

فناوری این شرکت راه خود را به طیـف گسترده‌ای از کاربردها از جمله تعمیر و نگهداری پیش بینی شده برای پمــــپ‌های کمپرسور آب، جلوگیری از اضافه بار شبـــــکه برق، تشخیص اشغال اتاق، تشخیص دست خط در دستگاه‌های همراه، پیش بینـــی خطای گیربـــــــکس و دستــــــگاه‌های نظارت بر آلــــــودگی آب پیــــــدا کـــــرده است. 

6- Pinecone

Top Executive: Edo Liberty, Founder and CEO 

Headquarters: San Francisco 

Website:https://www.pinecone.io

Pinecone یک پایگاه داده‌برداری و فناوری جستجو را برای تقویت هوش مصنوعی و برنامه‌های کاربردی یادگیری ماشین توسعه می‌دهد. در ماه اکتبــــر، این شــــرکت Pinecone 2.0 را راه‌انـــــدازی کرد که به گفته شرکت، نرم‌افزار را از محیط آزمایشگاه تحقیقاتی به استفــــــاده در برنــــــامه‌های کاربــــــردی عملیاتــــی شده می‌برد. 

Pinecone که در سال 2019 تأسیـس شد و محصول خود را در سال گذشته راه‌اندازی کرد، 28 میلیون دلار بودجه سری A در ماه مـــــارس 2022 جمـــع‌آوری کرد و به 10 میلیون دلار سرمایه اولیــــــــه که در ژانویه 2021 جمــــــع‌آوری کرد، اضـــافه کرد. 

گارتنر Pinecone را در سال 2021 به عنوان “فروشنــده جالب” در رده داده‌های هوش مصنـوعی و یادگیـری ماشین شناخت. 

7- Snorkel AI

Top Executive: Alex Ratner, Co-Founder and CEO 

Headquarters: Redwood City, calif 

Website:https://snorkel.ai

اسنورکل که در سال 2019 تأسیس شد، ریشه در آزمایشگاه هوش مصنوعی دانشــــگاه استنفورد دارد، جایی که پنج بنیانگذار این شرکت بر روی راه‌هایی را برای حــل مشکل کمبود داده‌های آموزشی برچسب‌گذاری شده برای توسعه یادگیری ماشیــــن، تحقیق می‌کردند. 

سیستـــــم داده محور Snorkel Flow، که اسنــــورکل به تازگی آن را در ماه مارس در دسترس عموم قرار داد، از طریق استفاده از برچسـب‌گذاری برنامه‌ای، که گامی کلیدی در آماده‌سازی داده‌ها و توسعه و آمـــ-وزش مدل یادگیری ماشین است، برای سرعت بخشیدن به توســــعه هوش مصنوعی و یادگیــــــری ماشیــــــنی استفاده می‌شود. 

زمانی که در آگوست 2021 این استــارت‌آپ 85 میلیون دلار بودجه سری C جذب کرد، ارزش شرکت اسنــــورکل  به 1 میلیارد دلار رسید. از ایـن تامین مالی شرکت برای رشد تیم‌های مهنــــــدسی و فــــــروش و تسریـــــع توسعه پلتــــفرم خود استفاده کرد. 

8- Striveworks

Top Executives: James Rebesco, CEO 

Headquarters: Austin, Texas 

Website:https://striveworks.us

Striveworks که در سال 2018 راه‌اندازی شـــد، فنـــــاوری MLOps را برای صنایعی که تحــــــــت مقــــــــــررات شــــــدید هســـــــتند، توســـــــعه می‌دهــــد. 

پلتفرم شاخص Chariot این شرکت برای کاهش بارِ ایجاد و تولید راه حل های هوش مصنوعی/یادگیری ماشین استفاده می شود. ایـــن سیستم بر پردازش داده‌هـــــا و وظایف آماده‌سازی و آموزش، اعتبارسنجی، استقــــرار و نظارت بر مدل‌های یادگیری ماشین نظارت می‌کند که در سه حالت  فضای ابری، در محل یا در لبـــه شبــکه ارائه می‌شود. 

9-Tecton

Top Executive: Mike Del Balso, Co-Founder and CEO 

Headquarters: San Francisco 

Website:https://www.tecton.ai

تکتون یک پلتفرم «فروشِ قابلیت های یادگیری ماشینی» را توسعه می‌دهد که به گفته این شرکت می‌تواند پیاده‌سازی برنامه‌هــای یادگیری ماشین را از ماه‌ها تا چند دقیقه سرعت بخشد. فناوری این شرکت تبدیــــل داده‌های خام را خودکار می‌کند، مجموعه داده‌های آموزشی را تولید می‌کند و ویژگی‌هایـی را برای استنتاج آنلاین در مقیاس ارائه می‌دهد. 

Tecton در سال 2019 توســـــــط توسعه دهنــــــدگانی که پلتفــرم یادگیری ماشینی Michelangelo Uber را ایجـــاد کردند، تأسیس شد. این شرکـــــت در آوریل 2020 از حالت چراغ خاموش خارج شد. 

10-Verta

Top Executive: Manasi Vartak, CEO 

Headquarters: Menlo Park, Calif

Website:https://www.verta.ai

پلتفرم Verta توسط تیم‌های علم داده و یــــادگیری ماشین برای استقرار، عملیات، مدیریت و نظارت بر مدل‌ها در طول چرخه عمر مدل‌های AI و ML استفـاده می‌شود. 

ورتا در این ماه توسط بخش تحقیقات بازار Gartner به عنوان یک «شرکت باحال» در فنــــــــــاوری‌های محــــــــوری هــــــــوش مصـــــــنوعی شنـــــــاخته شـد.