2016年机器学习与深度学习初创公司盘点

0 下载量 138 浏览量 更新于2024-08-31 收藏 1.12MB PDF 举报
"这篇文章是关于2016年机器学习和深度学习领域的年度总结,重点关注的是初创公司在这一领域的贡献和动态。文章分为四个部分,分别讲述了当年的重要趋势、开源项目的发展、大公司在此领域的动作,以及11家具有代表性的初创公司。这11家公司提供各种软件和服务,支持数据科学家和业务用户利用机器学习工具。" 本文中提到的知识点主要包括: 1. **机器学习重要趋势**:2016年,机器学习领域出现了几个关键趋势,包括对算法偏见的关注、提升的互操作性、深度学习的显著增长、超级计算的普及以及机器学习云平台的崛起。 2. **开源项目**:开源工具如R、Python、Spark、Flink、H2O和TensorFlow在这一年取得了重大进展,为研究人员和开发者提供了强大的平台和工具。 3. **大公司行动**:一些大型科技公司在软件开发和营销中投入大量预算,积极布局机器学习和深度学习,展示了这些技术对企业战略的重要性。 4. **初创公司**:文章列举了11家专注于机器学习和深度学习的初创公司,这些公司提供了多样化的服务,有的专注于开源项目的商业化支持,有的提供协作工具,有的则提供高度专业化的功能或者全自动化的预测分析工作流。 5. **初创公司类型**: - ContinuumAnalytics、Databricks和H2O.ai致力于开源项目并提供商业支持。 - AlpineData、Dataiku和DominoDataLab为数据科学团队提供商业化许可的协作环境。 - KNIME和RapidMiner为业务用户提供易于操作的大数据平台。 - FuzzyLogix和Skytree专注于为数据科学家提供专业功能。 - DataRobot提供全自动化的工作流程,服务于数据科学家和业务用户。 6. **其他值得关注的公司**:虽然未详细讨论,但BigML和SkyMind作为初创公司,分别在机器学习云服务和深度学习开源项目上有显著发展;SalfordSystems则是一家拥有多年历史的公司,其在决策树和随机森林技术上的贡献不容忽视。 这篇文章不仅回顾了2016年机器学习和深度学习的发展,还揭示了这些技术如何通过不同类型的公司和项目影响和塑造行业格局,为后续的研究和应用提供了丰富的参考。