年中盤點：2021年炙手可熱的10家數據科學和機器學習初創公司
當今企業正在利用不斷增長的數據獲得競爭優勢，也就是采用數據科學、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據，開發機器學習算法和預測模型，為分析師和IT員工所使用的業務智能應用提供支持。
以下就讓我們來看看這10家在數據科學和機器學習領域擁有領先產品的初創公司。
Apheris
總部：德國柏林
Apheris成立于2019年，主要提供支持跨公司數據科學運營和協作的平臺。該平臺軟件可以安全地分析來自多方的分布式數據，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，它的旗艦產品Arrikto Enterprise Kubeflow是一個完整的機器學習操作(MLOps)平臺，可以將數據科學家和DevOps結合在一起，在整個生產過程中簡化和加速模型開發，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據中。
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和運營所需的數據，不管這些數據位于何處。
Comet.ml
總部：美國紐約
Comet開發了一個自托管、基于云的MLOps平臺，用于機器學習模型的開發和監控。該系統可以幫助數據科學家追蹤、對比、解釋和優化機器學習實驗和生產模型并管理相關數據集。
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的統一數據可觀察性和機器學習開發平臺可以幫助數據工程師和數據科學家對于云原生系統(如Snowflake、Apache Spark和Apache Airflow)上運行的數據管道存在的數據質量問題進行識別、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，創始人、首席執行官
總部：美國加州圣馬特奧
dotData開發的AutoML 2.0解決方案可用于數據科學工作流的自動化。dotData Enterprise機器學習和數據科學自動化平臺可以處理數據攝取和整理、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，可為商業智能團隊(尤其是那些沒有數據科學團隊的小型企業組織)提供快速實現AI/ML開發任務的自動化。今年5月dotData推出了dotData Py Lite容器化人工智能自動化系統，面向那些使用Python的數據科學家。
Explorium
高管：Maor Shlomo，聯合創始人、首席執行官
總部：美國加州圣馬特奧
Explorium開發了一個自動化外部數據平臺用于高級分析和機器學習任務，該系統讓數據科學家和業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現數據和功能生成的Auto ML引擎，以及用于查找和集成最相關外部數據信號的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開發的開源工具可用于擴展傳統開發技術用于機器學習項目——尤其是涉及到非結構化數據的機器學習項目。
Iterative的產品組合包括DVC版本控制系統、用于持續集成/持續交付和部署的持續機器學習(CML)、以及剛剛發布用于項目協作的Studio。據該公司稱，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，聯合創始人、首席執行官
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數據分析平臺，用于幫助企業和組織擴展他們的企業數據分析計劃。該平臺可以對數據洞察、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，聯合創始人、首席執行官
總部：美國紐約
Spell.ml開發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神經網絡的復雜學習模型，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。
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集成商、構建深度學習驅動軟件的應用開發人員展開合作。
Tecton.ai
高管：Mike Del Balso，聯合創始人、首席執行官
總部：美國舊金山
Tecton.ai于2020年4月走出隱身模式，其機器學習數據平臺旨在讓數據科學家能夠將原始數據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部署機器學習最大障礙之一——數據挑戰。
Tecton.ai公司創始人Mike Del Balso(首席執行官)、Kevin Stumpf(首席技術官)和Jeremy Hermann(工程副總裁)曾就職于Uber，當時Uber正在開發和部署新的機器學習模型，他們開發了Uber的Michelangelo機器學習平臺，然后創立了Tecton.ai公司，致力于開發技術幫助其他公司應對運營機器學習的數據挑戰。
Tecton.ai公司成立于2019年，已在多輪融資中共籌資6000萬美元。
