データアナリストのためのコードのスタートアップであるAIはシードラウンドを470万ドルに増やしました。 – TechCrunch

Nirman Daveの二スタートアップ非常に異なりますが、両方のDIY精神を持っています。 最初はCircuiTricksという名前で高校を卒業した後ギャップイヤーに設立され、学生に電子と物理学の教授キットを作成しました。 今Daveは 明らかにAI、技術的な背景を持っていない人が機械学習モデルを構築し、訓練することができるようにサポートしているコードのないAI / MLプラットフォームです。 バークレーに拠点を置く同社は、ラウンド総額を360万ドルで470万ドルに増やすシード延長を集めました。 二ヶ月前に発表した。 拡張は、Trail Mix VenturesとB-Capitalの参加で深層技術への投資会社であるUTC（Tokyo Edge Capital Partners）が主導しました。

UTEC社長Kiran MysoreはTechCrunchにAI / MLまたはコーディングの背景がない友人が機械学習モデルを構築するのを助け、製品の追跡で明らかにAIを発見したと言いました。 明らかにAIを使用して、他のAutoML製品と比較してベンチマーキングした後、Mysoreはとても感銘を受け、スタートアップに連絡して投資ラウンドをリードしてきました。

過去一年の間、多くの関心と資金支援を受けたコード/ローコードスタートアップできません。 いくつかの注目すべき例は、NoogataとAbacusです。 Daveは明らかにAIのニッチは、データ科学チームがないか、データの分析を知っているが、プログラマではなく、人々がいる中堅企業と言います。

明らかにAIは「Edge-Sharp AutoML」という独自の技術を使用して、顧客のニーズに合わせてカスタマイズされ、既存のクラウドサービスとデータベースに統合することができる機械学習モデルを構築し、教育します。 マーケティング、ソフトウェア、DTO、ピンテックと保険会社に焦点を当てており、現在3,000人以上の顧客があり、Obviously AIモデルでホストされている82,000以上の予測モデルを使用しています。

新しいシードファンディングは、日本を含むアジア市場で拡大するために使用されるものであり、日本最大の印刷会社の一つであるDNP（Dai Nippon Printing）と市場進出戦略にパートナーとなるでしょう。

TechCrunchのメールでDai Nippon Printingの研究開発者であるTakeya Shimomuraは次のように言いました。「DNPのマーケティングと販売のための最先端の予測分析は、私たちにとって非常に重要です。 しかし、今日のツールは非常に複雑で、結果を得るために数ヶ月かかります。 明らかにAIを使用して、複数のアナリストをスムーズにオンボーディングすることができたわずか数時間で開始し、実行することができました。 “

DaveはObviously AIの共同創設者兼CTOのTapojit Debnathに会っ両方Hampshire Collegeの留学生でした。 卒業後、彼らはBay Areaのスタートアップでのインターンシップを開始しました。 DaveはライブストリーミングソフトウェアプラットフォームであるStreamlabsのデータ科学インターンでした。

元のビデオのエンコードアルゴリズムの操作のために雇われたDaveは、会社のマーケティングおよび販売のチームのための機械学習モデルを構築するために多くの時間を過ごしました。 小売ソフトウェアスタートアップB8taでマシンラーニングインターンとして働いていたDebnathも似たような経験をしました。

両社は、機械学習技術の人材が不足しているという事実を悟った多くの企業が「市民のデータアナリスト」、またはデータの科学を理解するが、コーディングの経験がない人に依存しています。

明らかにAIの機械学習モデルレポートのユーザーインターフェイス

「これらは多くのデータを操作する人が、自身はプログラマではなく、私たちは、これらのツールを設計した人です。 目標は、データを理解し、データを取得し、ソフトウェアを使用して、数時間または数日を待たずに非常に迅速にモデルを構築することができるでしょう。」とDaveは言いました。

そのDebnathはスタートアップ作業を開始するために、2018年に仕事を辞め 賃貸対価としてエアベッド＆ブレックファストホストのために家事を UC BerkeleyのSkyDeckアクセラレータプログラムに参加する前に、投資家にプレゼンテーションする方法を学ぶ間。

Daveは、多くの自動AI / MLソフトウェアプラットフォームが「ブリューは、データセットにいくつかの他のアルゴリズムを強制的に、最もよく実行されるアルゴリズムを選択します」と言いました。 たとえば、最高のパフォーマンスを出すアルゴリズムを選択する前に、100個の異なるアルゴリズムを実行することができます。 つまり、他のアルゴリズムを自動的に構築するために必要な時間が無駄になります。

明らかにAIのEdge-Sharp AutoMLが異なっているのは、データ・セットで使用することができ、特定の機械学習モデルのグループを見て、クライアントの要求に応じて、上位5つのモデルを自動的に選定し、ハイパーパラメータを自動的に調整して、予測結果を返すすることです。

明らかにAIの価格計画は、月に75ドルから開始します。 一般的な顧客は、データ科学チームが存在しないデータの科学者が、他の作業に没頭する中小企業や大企業の小規模なチームです。

例えば、約15人のチームで構成され、インドの小規模小額融資会社はAIモデルへの移行を決定する際にローンを提供するボランティアを手動で決定しました。 彼らは明らかにAIを使用して、申請者の不履行の可能性と融資額を自動的に予測し始めました。 現在、同社はアプリで明らかにAIをエンドツーエンドで使用するための顧客は、申請後すぐに受けることができるローンの規模を確認することができます。

別の使用例は、動的な価格モデルを使用することを望んで、個々のユーザーがゲーム内のトークンのような製品のいくらを支払う意思があるかを把握する必要があり、ドイツのモバイルゲーム会社です。 彼らは明らかにAIを使用してプレイヤーとゲームの相互作用に基づいて予測をします。

明らかにAIのシード資金の一部は、より多くのユースケースを提供するために機械学習の研究と開発に使用されています。 Daveは明らかAIは、顧客がデータを持っていて、何を予測すべきか知っているのかも学習ユースケースに焦点を当てていると言いました。 監督されていない使用事例は、データセットがありますが必要なことが正確に何であるか知らない機械学習モデルを使用して興味深いパターンがあることを教えてくれます。 おからも学習アルゴリズムは、電子商取引プラットフォームの自動分類や推薦エンジンの操作に使用することができます。