امروزه 8705 شرکت نوپا و شرکت ذکر شده در Crunchbase وجود دارند که برای کاربردها ، محصولات و خدمات اصلی و فرعی خود به یادگیری ماشین تکیه می کنند.

Crunchbase ،در83٪  از راه اندازی های یادگیری ماشین خود،فقط سه دوره بودجه یا کمتر از آن را داشته است که دانه ها ، فرشتگان و مراحل ابتدایی رایج ترین آنها هستند.

طبق اطلاعات PwC / CB Insights MoneyTree Report ، Q4 2018 ، شرکتهای مرتبط با هوش مصنوعی در سال 2018، 9.3B دلار افزایش داشته اند ، که نسبت به سال 2017، 72٪ افزایش بوده است.

معاملات هوش مصنوعی در Q1 ، 2019 به 116 معامله افزایش یافته است ، از 104 معاملات در Q4 ، 2018 طبق جدیدترین درخت مالی داخلی PwC / CB گزارش Q1سال  2019

براساس گزارش EconSight ، پتنت های بازاریابی مبتنی بر هوش مصنوعی ، دسته بندی جهانی در حال رشد هستند که به رشد سالانه ترکیبی ٪29.3 (CAGR) بین سال 2018 و2010  می رسند.

از ایجاد سایتهای شغلی شخصی سازی شده که موقعیت های باز را پیشنهاد می کنند که براساس توانایی های خود به عنوان هشتاد برابر ، برای یک کاندیدای مشخص ایده آل باشد ، تا میزان پیچیدگی و حجم الگوریتم های یادگیری ماشین را اندازه گیری کنید ، بنابراین همانطور که DataRobot انجام می دهد ، یادگیری ماشین قابل دسترس است. شرکت های نوپا بسیاری از مهمترین چالش های تجاری را در پیش گرفته اند. هوش مصنوعی و یادگیری ماشین این پتانسیل را دارند که تا سال 2020 در بازاریابی و فروش 2/6 دلار ارزش اضافی ایجاد کنند و طبق برنامه های زنجیره تأمین در تولید و برنامه ریزی تا 2 دلار طبق برنامه های مؤسسه جهانی مک کینزی حرکت کنند.

Alation یک کاتالوگ داده یادگیری ماشینی را برای کمک به افراد در یافتن ، درک و اعتماد اطلاعات به سازمان های خود ارائه می دهد. آنها راه حل خود را برای هماهنگ کردن با نیازهای چهار شخص غالب ، از جمله مسئولان ارشد داده ، تحلیلگران ، استوارد ، و فناوری اطلاعات و مهندسی تعریف کرده اند. کاتالوگ داده های آنها به دلیل قابلیت استفاده و طراحی بصری شناخته شده است. بیش از 100 سازمان از جمله City of San Diego ، eBay ، Munich Re و Pfizer کاتالوگ داده های Alation را تصویب کرده اند. بودجه توسط A Costanoa Ventures ، DCVC (Data Collective Data) ، Harmony Partners ، Icon Ventures ، Salesforce Ventures و Sapphire Ventures تأمین می شود. آلی در طی چهار دور مجموع 82 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در تاریخ 17 ژانویه 2019 از دور سری C جمع آوری شد.

 

Anodot  از نقاط قوت ذاتی یادگیری ماشینی با جستجوی مداوم به دنبال الگوهای استفاده از مدل سازی مبتنی بر محدودیت در مجموعه داده های متنوع ، سرمایه گذاری می کند و مشاغل روزانه به فعالیت خود متکی هستند. پلتفرم هوش مصنوعی Anodot ، شبیه بسیاری از راه اندازی های یادگیری ماشینی که از توانایی فن آوری مداوم در یادگیری فناوری بهره می گیرند ، به دنبال حذف نقاط کور در داده ها و علل اصلی در مجموعه داده های متنوع است. پلتفرم آنالیز خودمختار آنودوت از تکنیک های پیشرفته یادگیری ماشین استفاده می کند تا به طور مداوم تجزیه و تحلیل و ارتباط هر پارامتر تجاری ، ارائه هشدارها و پیش بینی های زمان واقعی ، در متن زمینه خود ، باعث کاهش زمان تشخیص و حل میشود. آنودوت در طی چهار دور مجموع 27.5 میلیون دلار بودجه جمع آوری کرد. آخرین بودجه از دور سری B در تاریخ 19 دسامبر 2017 از Redline Capital تأمین شد. صفحه زیر از برنامه آنها نمونه ای از چگونگی Anodot تشخیص ناهنجاری در زمان واقعی است.

 

Ablacon یک شروع جذاب است که یک سیستم هوشمند دستگاه برتر ، برای درک کمی و کیفی فیبریلاسیون دهلیزی (AF) ایجاد کرده است. این فناوری در زمان واقعی آنچه را که در قلب اتفاق می افتد تجسم می کند. آنها جریان الكتروگرافی را محاسبه می كنند كه این امر باعث می شود سریعتر ، دقیق تر و با اطمینان بیشتر فیبریداسیون دهلیزی درمان شود. Ablacon بیش از 1 دور 21.5 میلیون دلار بودجه جمع آوری کرده است. این دور سری A بود که در تاریخ 30 آوریل 2019 با حضور آژاکس سلامت ساخته شد.

 

Biofourmis یک راه اندازی سریع فناوری سلامت دیجیتال جهانی است که با ترکیب هوش مصنوعی ، یادگیری ماشین و نظارت در زمان واقعی ، مانیتورینگ از راه دور بیمار است. سکوی آنها قادر به شناسایی الگوهای شخصی پیش بینی کننده وضعیت سلامتی بیمار است و می تواند شاخص های برجسته وخیم سلامت بالقوه را پیدا کند. پلت فرم Biovital آنها یکی از پیشرفته ترین موتورهای تجزیه و تحلیل داده های فیزیولوژیکی شخصی مبتنی بر فیزیولوژی انسانی است که مدل های بهداشتی شخصی را تدوین می کند ، و در نتیجه راه حل های کنترلی بهینه شده بیمار را میدهد. آنها از دستگاههای متصل و سنسورهای زیستی برای ضبط سیگنالهای فیزیولوژیکی و تشخیص ناهنجاریها استفاده می کنند. این پلت فرم نظارت مستمر تحت نظارت هوش مصنوعی به متخصصان پزشکی هشدار می دهد که روزها قبل از یک رویداد مهم مداخله کنند. بسترهای نرم افزاری RhythmAnalytics recently آنها اخیراً از FDA برای تفسیر خودکار مبتنی بر AI از آریتمی قلبی استفاده کردند. این استارتاپ در کل شش میلیون و 41 میلیون دلار بودجه بیش از شش دور جمع آوری کرده است که آخرین آن در تاریخ 21 مه 2019 از گروه MassMutual Ventures و Sequoia Capital هند است.

 

دارچین - یکی از جالب ترین استارتاپ های یادگیری ماشینی برای تماشای مبتنی بر رویکرد منحصر به فرد آنها در ادغام تکنیک های هوش مصنوعی و یادگیری ماشین برای ساده کردن کارهای دنیوی اتوماسیون استخراج داده ها از اسناد بدون ساختار است. دارچین در سال گذشته پیشرفت پایداری را در به دست آوردن مشتریان جدید و اضافه کردن ویژگی های جدید داشته است. آنها می توانند با استفاده از تکنیک های یادگیری هوش مصنوعی و یادگیری ماشین به تنهایی 85٪ تا 100٪ دقت کنند و در شرکت های بانکی و بیمه ای شتاب بیشتری کسب می کنند. آنها موفق شده اند بیش از 50 دانشمند داده را به خدمت بگیرند . این شرکت در توکیو و ویتنام مستقر است و هم اکنون در حال گسترش به ایالات متحده است. مشتریان جدید شامل ارائه دهنده خدمات اعتباری و مالی جهانی ژاپن ، دفتر اعتباری ، Kansai Electric Power ، Showa Denko و بسیاری از شرکتهای بزرگ دیگر در منطقه آسیا و اقیانوسیه هستند. موفقیت مداوم این شرکت همچنین در برنده شدن در جوایز توسعه نوآوری کسب و کار توسط انجمن آفرینش ژاپن برای فعالیت هایشان در AI است. دارچین بیش از شش دور 17 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در تاریخ 28 ژانویه 2019 از دور سری B جمع آوری شد.

 

Compression.ai یکی از مهمترین مزایای یادگیری ماشین توانایی ذاتی آن در پیدا کردن ناهنجاری ها در داده های بصری و عددی است. Compression.ai برای بهبود تراکم رمزگذاری و رمزگشایی به دست آمده در تصاویر ، به یادگیری ماشین تکیه کرده است و میانگین فشرده سازی 95٪ یک تصویر خام را به طور متوسط ​​افزایش می دهد بدون اینکه کیفیت آن به طور چشمگیری کاهش یابد. این الگوریتم از شبکه های عصبی عمیق استفاده می کند تا تصویری را بسازد ، فناوری ای که این شرکت از آن با عنوان Machine Learning Visual Extension استفاده می کند. برنامه افزودنی نمایشی فشرده شده را با فرمت کاملاً جدید، پرونده ای ایجاد می کند که دارای هوش داخلی در ساختار پرونده است. Compression.ai یک دور قبل از بذر را در سپتامبر 2018 جمع آوری کرد ، و آنها توسط Victory Square و Village Global تأمین می شوند.

 

CrowdStrike  استفاده از یادگیری ماشینی برای تشخیص نقطه ضعف تهدیدات شبکه IT این است که چگونه CrowdStrike در حال پیشرفت است که امروز در عرصه رشد سریع امنیت فضای مجازی در حال رشد است. پلتفرم Falcon آنها با شناسایی انواع حملات ، حتی تهاجم های بدون بدافزار ، نقض وقایع را متوقف می کند  و ضمن کاهش هزینه و پیچیدگی برای مشتریان ، دید پنج ثانیه ای را در تمام فعالیت های نقطه پایان فعلی و گذشته ایجاد می کند. نمودار تهدید CrowdStrike تجزیه و تحلیل در زمان واقعی داده ها از رویدادهای نقطه پایان در سراسر جامعه جمع کننده جهانی ارائه می دهد ، اجازه می دهد تا شناسایی و جلوگیری از حملات بر اساس فن آوری تشخیص الگوی رفتاری ثبت شده است. شرکت CrowdStrike در طی شش دور مجموع 481 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 19 ژوئن 2018 و از دور سری E جمع آوری شد. Accel ، General Atlantic ، IVP )شرکای سرمایه گذاری نهادی) در آخرین دوره سرمایه گذاران اصلی هستند.

 

Dataiku  برای جمع آوری مراحل مورد نیاز برای تبدیل داده های خام به برنامه های کاربردی مبتنی بر داده ها که نگهداری آنها آسان است ، سکوی Data Studio Studio خود را طراحی و راه اندازی کرد. فضای کاری Studios به گونه ای بصری ، تعاملی و قادر به کوتاه کردن چرخه های آماده سازی لازم برای ایجاد برنامه های کاربردی مبتنی بر داده ها طراحی شده است. مشتریان شامل Unilever ، GE ، FOX News News ، Palo Alto Networks ، SAP / CallidusCloud و بسیاری دیگر که از Dataiku برای به دست آوردن اطلاعات بالاتر و بینش از مجموعه داده های گسترده خود در طی چندین دهه فعالیت استفاده می کنند. با حذف موانع راه ، Dataiku فرصت بیشتری را برای مدلهای تأثیرگذار در تجارت و راه حلهای خلاقانه فراهم می آورد و به تیمها امکان می دهد سریعتر و باهوش تر کار کنند. دادهویکو در طی 5 دور کل 146.7 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 19 دسامبر 2018 از دور سری C به سرپرستی ICONIQ Capital جمع آوری شد. Dataiku پروژه های نمونه را در سایت خود در دسترس قرار می دهد و فروش پیش بینی شده ارزش بررسی دارد.

 

DataRobot یک سیستم عامل یادگیری ماشینی است که برای اتخاذ گسترده و قابلیت استفاده در بسیاری از مهارتهای مختلف در یک سازمان طراحی شده است. این پلت فرم گسترده ای از الگوریتم ها و ابزارها را برای توسعه و به کارگیری پروژه های یادگیری ماشین و هوش مصنوعی ، از جمله کتابخانه صدها الگوریتم یادگیری ماشین منبع باز فراهم می کند. A، s آوریل 2019 مشتریان DataRobot بیش از 1 میلیارد مدل را در بستر خدمات وب آمازون ساخته اند. DataRobot در طی هفت دور مجموع 224.6 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 24 اکتبر 2018 از دور یک سری D از Meritech Capital Partners و Sapphire Ventures جمع آوری شد. آنچه در زیر آمده است براساس تحلیلی است که فیلم دیزنی مهمترین موفقیت تجاری خواهد بود. پست وبلاگ ، The Summer Blockbuster Predactions: Battle of Disney Disney ، نگاهی جالب به چگونگی استفاده Qlik و DataRobot برای حل مشکلات پیش بینی و پیش بینی پیچیده است.

 

Eightfold.ai  انرژی و اشتیاق این استارتاپ برای تبدیل مفاهیم به کد و محصولات استثنایی است. ردیابی برنده مشتری و عمق ویژگی هایی که در هر نسخه ارائه می کنند چشمگیر است. آنها قادر به ارائه نتایج قابل اندازه گیری و مقیاس پذیر با استفاده از هوش مصنوعی برای ساده سازی مدیریت استعدادها در یک پایگاه گسترده شرکتها هستند. با استفاده از تکنیک های پیشرفته هوش مصنوعی و یادگیری ماشینی ، شرکتی که توسط دانشمندان سابق گوگل و فیس بوک هوش مصنوعی تأسیس شده است در رفع این چالش ها پتانسیل نشان می دهد بنیانگذاران Ashutosh Garg و Varun Kacholia بیش از 6000+ استناد تحقیقاتی و 80+ اختراع ثبت اختراع جستجو و شخصی سازی دارند. آنچه باعث جالب توجه Eightfold.ai می شود این است که این اولین بستر اطلاعاتی استعدادیابی مبتنی بر هوش مصنوعی است که تجزیه و تحلیل داده های در دسترس عموم ، مخازن داده داخلی ، سیستم های مدیریت منابع انسانی انسانی (HRM) ، ابزارهای ATS و صفحات گسترده را ترکیب می کند و سپس آنتولوژی ها را بر اساس سازمان ایجاد می کند - معیارهای موفقیت خاص. هر هستی شناسی ، یا منطقه مورد علاقه مدیریت استعداد ، برای درخواست های بیشتر با استفاده از رابط کاربری بصری Eightfold قابل تنظیم است. هشتاد برابر در مجموع 51.8 میلیون دلار بودجه در طول سه دور جمع آوری کرده است. آنها در دور سری C خود در تاریخ 24 آوریل 2019 با IVP (Institution Venture Partners) 28 میلیون دلار جمع کردند.

 

H2O.ai یک بستر یادگیری ماشین منبع باز را فراهم می کند که توسعه برنامه های هوشمند هوشمند محور داده را ساده می کند. دانشمندان و توسعه دهندگان داده ها از پلت فرم H2O.ai برای ایجاد ، آزمایش و الگوریتم های مقیاس استفاده می کنند که اساس برنامه ها است. برنامه های H2O.ai امروز برای پیش بینی کلاهبرداری ، شعله ور شدن مشتری و حل بسیاری از مشکلات پیچیده دیگر که مشتریان خود دارند ، استفاده می شوند. کلاینت های کلیدی شامل سیسکو ، پی پال و پیشرو هستند. H2O.ai در طول 5 دور مجموع 73.6 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 30 نوامبر 2017 ، از دور سری C به سرپرستی انویدیا و ولز فارگو جمع آوری شد.

 

سلامتی [در] مقیاس - نکته جالب در مورد این راه اندازی چگونگی توسعه یادگیری ماشین و راه حل های هوش مصنوعی برای چالش برانگیزترین مشکلات مراقبت های بهداشتی ، از جمله تطبیق دادن هر بیمار به درمان مناسب توسط ارائه دهندگان مربوطه در بهترین زمان برای رسیدن به نتایج مطلوب است. این استارتاپ محصولاتی را تولید می کند ، مانند HEALTH [at] SCALE رهگیری که اعضای آن را در جمعیت مشخص می کند و اقدامات اولیه انتخابی و هدفمند را برای کاهش این خطر امکان پذیر می کند. HEALTH [at] SCALE Steerage شبکه های دلخواه را ایجاد می کند و بینش های تنظیم ریسک را برای بهبود شبکه ها در طول زمان ارائه می دهد. سلامت [در] درمان SCALE پیش بینی های شخصی از مزیت ، آسیب و پیروی از اعضا را در بین گزینه های درمانی ارائه می دهد و استفاده مؤثر از درمان ها را برای بهبود نتایج اعضای طولی راهنمایی می کند. این کار از ژوئن سال 2015 با دفتر مرکزی آن در کوپرتینو در کالیفرنیا آغاز به کار کرد. بهداشت [در] SCALE بیش از 1 دور 16 میلیون دلار بودجه جمع آوری کرده است. این دور سری A بود که در تاریخ 17 مه 2019 به رهبری Optum برگزار شد.

 

Hunters.AI آنچه این استارتاپ را به سرعت در حال رشد هوش مصنوعی و مبتنی بر یادگیری ماشین مبتنی بر فضای مجازی بی نظیر می کند ، رویکرد ارائه به روزرسانی در زمان واقعی در مورد Attack Intelligence ، Hunting AI و اتوماسیون مداوم با داده های امنیتی موجود یک شرکت است. Hunters.AI داستان حمله بصری را ایجاد و ارائه می کند و به سازمان ها امکان می دهد سریعتر و مؤثرتر از قبل حملات را شناسایی ، درک و پاسخ دهند. Hunters.AI در طول 1 دور مجموع 5.4 میلیون دلار بودجه جمع آوری کرده است. این دور Seed بود که در تاریخ 22 مه 2019 به رهبری Blumberg Capital و YL Ventures ساخته شد.

 

Impact Analytics  سرمایه گذاری در نقاط قوت ذاتی هوش مصنوعی و یادگیری ماشین برای یافتن ناهنجاری ها ، الگوهای و روند داده های میراث و مجموعه داده های کاملاً جدید از مدلهای تجاری اخیراً راه اندازی شده جایی است که Impact Analytics بیشترین سهم را در این زمینه کسب می کند. آنها دارای سابقه موفقیت آمیز در زمینه تجزیه و تحلیل مشتری ، بهبود حاشیه ، آنالیز بازاریابی ، بهینه سازی کالا ، پیشرفت عملیاتی و اتوماسیون فرایند روباتیک هستند. آنها برای استقرار موفق در صنعت خرده فروشی با مراجعه به مشتری در موسسات بانکی و مالی (BFSI) ، کالاهای بسته بندی شده مصرفی (CPG) ، بهداشت و درمان ، مهمان نوازی و تولید صنعتی شناخته شده اند. Impact Analytics در یک دور Seed که در تاریخ 31 اکتبر 2016 به رهبری Aarin Capital جمع آوری شده است ، در مجموع 750K $ جمع آوری کرده است.

 

Innovaccer سیستم های مبتنی بر یادگیری مبتنی بر هوش مصنوعی و دستگاهی را برای سازمان های بهداشت و درمان ایجاد می کند ، و این امکان را می دهد تا داده های پیچیده را در چندین منبع توزیع شده ادغام کرده و بینش های ارزشمندی را برای متخصصان مراقبت های بهداشتی ارائه دهند. برنامه Datashop Innovaccer شامل الگوریتم های مدل سازی اختصاصی است که داده ها را عادی می کند و داده ها را در چندین منبع داده متفاوت پیوند می دهد. Innovaccer همچنین راه حل هایی را برای مدیریت مراقبت ، مدیریت ارجاع و مشارکت بیمار ارائه می دهد و در طول چهار دور کل 54.1 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در تاریخ 16 ژانویه 2019 از دور سری B به سرپرستی شرکت سرمایه گذاری سرمایه گذار مایکروسافت ، M12 ، جمع آوری شد.

 

Inspectorio یک رهبر در صنعت نرم افزار بازرسی است. سیستم عامل های مبتنی بر ابر آنها با افزایش بهره وری ، شفافیت و کارآیی ، بازرسی های کیفیت را مختل می کنند. Inspectorio ، مانند بسیاری از راه حلهای عالی ، از ناامیدی سه کارآفرین سریال متولد شد که باید با روند کند و دستی دستی برای بازرسی های کیفی مقابله کنند - در حالی که دریافت کم و بدون دید. امروز ، Inspectorio سکویی است که مورد استفاده برخی از شناخته شده ترین خرده فروشان و مارک های جهان ، آژانس های بازرسی ، فروشندگان و کارخانه ها قرار گرفته است. هدف امروز به آنها متکی است تا شفافیت بیشتری در زنجیره های تأمین خود ایجاد کند. لطفاً برای کسب اطلاعات بیشتر در مورد چگونگی استفاده Inspectorio از یادگیری ماشینی برای انقلابی در بازرسی های محصول ، بهبود دید زنجیره تأمین و ردیابی و قابلیت ردیابی ، به مقاله Forbes مراجعه کنید ، چگونه یادگیری ماشین باعث بهبود بازرسی های تولیدی ، کیفیت محصول و قابلیت مشاهده زنجیره تأمین می شود. Inspectorio در طول سه دور مجموع 13.7 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 11 ژوئیه 2018 از دور یک سری A به سرپرستی TechStars جمع آوری شد.

 

LogiNext یک راه اندازی جالب با استفاده از هوش مصنوعی و یادگیری ماشین است تا نوآوری قابل توجهی را به نیروی کار میدانی و بهینه سازی لجستیک وارد کند. این استارتاپ بهینه سازی نیروی کار میدانی ، ردیابی در زمان واقعی ، بهینه سازی مسیر ، اتوماسیون تخصیص منابع و مدیریت تقاضا را برای بیش از 250 مشتری شرکت ارائه می دهد. آنها همچنین برنامه هایی را برای مدیریت آخرین مایل ، مدیریت نیروی کار میدانی ، ردیابی طولانی مدت و مدیریت ، On-Demand و Reverse Logistics Management ایجاد کرده اند. LogiNext در طی دو دور مجموع 10.6 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 22 سپتامبر 2015 ، از دور سری A به رهبری Paytm جمع آوری شد.

 

People.ai  یکی از خلاق ترین و هوشمندانه ترین استارتاپ ها در مدیریت درآمد ، People.ai به تیم های فروش ، بازاریابی و موفقیت مشتری کمک می کند تا فرصت های درآمدزایی را از هر مشتری کشف کنند. سیستم آنها تمامی مخاطبین ، فعالیتها و تعامل مشتری را از طریق ادغام در زمان واقعی ضبط می کند ، سپس داده های جمع آوری شده را با استفاده از هوش مصنوعی و یادگیری ماشین تجزیه و تحلیل می کند. این ایده درخشان است که از هوش مصنوعی و یادگیری ماشین برای حل یکی از بزرگترین چالش های CRM استفاده کنید ، یعنی گرفتن داده های کافی به دست مشتری و چشم انداز در طی زمان برای تصمیم گیری با کیفیت بالاتر. آنها همچنین تجزیه و تحلیل عملکرد فروش خود ، مربیگری شخصی ، بازخورد یک به یک و بررسی خط لوله را ایجاد کرده اند و استقلال خود را در سطح پشته تضمین می کنند. بازاریابان در شرکت هایی که People.ai را پذیرفته اند از آن استفاده می کنند تا بتوانند شخصا خرید را تنظیم کنند و برنامه ریزی کنند و سپس اقدامات بازاریابی را اندازه گیری کنند. People.ai مبلغ 100 میلیون دلار بودجه طی هفت دور جمع آوری کرده است. آخرین بودجه آنها در 21 مه 2019 ، از دور سری C به سرپرستی ICONIQ Capital جمع آوری شد.

 

PROWLER.io یک پلت فرم یادگیری AI / ماشین برای ساخت عوامل مستقل برای بازی ها و شبیه سازی های پشتیبانی از تصمیم است. این استارتاپ در یادگیری رفتاری و شبیه سازی در محیط های مجازی متمرکز است و موفقیت اولیه را در آن مناطق مورد استفاده مشاهده می کند. فناوری ها و مالکیت معنوی اصلی آنها امکان تعریف مجدد بازی های ویدئویی و مناظر شبیه سازی شهر هوشمند را به میزان قابل توجهی دارند. از سیستمهای آنها برای ایجاد رباتهای مشارکتی استفاده می شود که می توانند با گذشت زمان رفتارهای آموخته شده را تقلید کنند. PROWLER.io در طول 5 دور مجموع 38.9 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 20 مه 2019 از دور سری B جمع آوری شد.

 

RAVIN   با استفاده از هوش مصنوعی ، یادگیری ماشین و دوربین های نظارت بر ترافیک برای جمع آوری یک جریان مداوم از زمان واقعی که برای تجزیه و تحلیل وضعیت فعلی وسیله نقلیه استفاده می شود ، RAVIN شفافیت بیشتری را برای شرکت های کرایه اتومبیل ، دارندگان ناوگان و شبکه های فروش خودرو کاربر فراهم می کند. و یادگیری ماشین برای ارزیابی و فوراً گزارش هرگونه ناهنجاری در وضعیت وسیله نقلیه استفاده می شود. آنها این سیستم را برای افزایش سطح اعتماد و شفافیت در وضعیت نظارت بر هر وسیله نقلیه طراحی کرده اند. برای شبکه های فروش اتومبیل استفاده شده ، به عنوان مثال داشتن معادل بصری در زمان واقعی با Carfax است. RAVIN در طول 1 دور مجموع 4 میلیون دلار بودجه جمع آوری کرده است. این دور Seed بود که در تاریخ 21 مه 2019 به رهبری PICO Venture Partners مطرح شد.

 

 Senso.ai  ایجاد شده برای خدمت به ارائه دهندگان خدمات مالی با کمک به آنها در مدیریت و رشد اوراق بهادار اعتباری مصرف کننده خود ، Senso.ai یک پلت فرم برجسته هوش مصنوعی مبتنی بر ابر در صنعت خدمات مالی است. Senso در حال ماموریت برای ساختن قوی ترین زیرساخت های داده عمودی خاص جهان برای سوختن نوآوری محصول AI در صنعت خدمات مالی است. این شرکت در طول چهار دور مجموع 1.9 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 21 مه 2019 از دور Seed به سرپرستی صندوق BreakawayGrowth جمع آوری شد.

 

SESAMm  یک نوآوری نوآورانه است که در صنعت fintech با تخصص در Big Data و هوش مصنوعی برای مدیریت دارایی فعالیت می کند. این شرکت تجزیه و تحلیل و سیگنال های سرمایه گذاری را بر اساس 250،000 منبع داده متنی در سراسر جهان با استفاده از پردازش زبان طبیعی و دقیقاً تجزیه و تحلیل احساسات جمع می کند. این شرکت با دارایی های قابل توجه و مدیران دارایی در سراسر جهان در آمریکای شمالی ، در سراسر اروپا و آسیا همکاری می کند. SESAMm در طی سه دور مجموع 8 میلیون یورو در بودجه جمع آوری کرده است. آخرین بودجه آنها در 4 آوریل 2019 جمع آوری شده است.

 

SymphonyRM برای کمک به تجزیه سیلوهایی که مراقبت های بهداشتی ایالات متحده را بسیار گران و دشوار می کنند ، به یادگیری هوش مصنوعی و ماشین متکی است. پلتفرم SRM Insights برای یادگیری ماشین و تجزیه و تحلیل پیش بینی کننده در سیلوهای داده بالینی و پرداخت کننده استفاده می کند تا بهترین اقدامات بعدی را برای هر مصرف کننده در بازار ارائه دهنده مشخص کند. پلتفرم SRM CRM از این بینش عملیاتی را هدایت می کند ، به هر یک از اعضای شرکت ارائه دهنده این امکان را می دهد تا همزمان با تمرکز بر روی بهترین اقدامات مقرر بعدی ، نقاط ضعف دیجیتالی و سنتی را کنترل کنند. SymphonyRM به عنوان یک سرویس مدیریتی مبتنی بر اشتراکی ماهانه به ارائه دهنده بازاریابی ، هماهنگی مراقبت ، مرکز تماس و تیم پزشک و بدون هزینه های پیشرو تحویل داده می شود. این شرکت در طول 10 دور کل 10 میلیون دلار بودجه جمع آوری کرده است. این دور سری A بود که در تاریخ 16 مه 2019 ساخته شد.

 

تامر - به دنبال موفقیت تحقیقات اولیه در آزمایشگاه علوم و اطلاعات رایانه ای MIT (CSAIL) ، تیم Tamr ساخت یک راه حل درجه تجاری را برای مقابله با چالش اتصال و غنی سازی داده های متنوع در مقیاس با استفاده از یادگیری ماشین آغاز کرد. امروز TAMR می تواند با استفاده از تجزیه و تحلیل پیشرفته ، از جمله الگوریتم های یادگیری ماشین ، 90٪ زمان لازم برای پروژه های یکپارچه سازی داده را کاهش دهد Amgen ، GlaxoSmithKline ، GE ، HP ، Roche ، Toyota و دیگران مشتری های فعلی هستند. تامر در طی پنج دور مجموع 69.2 میلیون دلار بودجه جمع آوری کرده است. آخرین بودجه آنها در 18 سپتامبر 2018 جمع آوری شده است.

 

Terramonitor با استفاده از داده های ماهواره ای به روز ، هوش مصنوعی و یادگیری ماشین ، توانایی تجزیه و تحلیل ، ساخت و سازماندهی اطلاعات جغرافیایی را به بینش های عملی می دهد. این استارتاپ رویکردی نوآورانه در ترکیب زنجیره های پردازش داده های ماهواره ای ، اسکن خودکار تصویر و ادغام داده های چند منبع طراحی کرده است. به عنوان یک نتیجه از رویکرد منحصر به فرد خود را به ضبط داده ها همراه با تجزیه و تحلیل پیشرفته هوش مصنوعی و یادگیری ماشین از تصاویر ، Terramonitor می تواند به سرعت مناطق جغرافیایی گسترده برای بینش های کشاورزی ، زیرساخت ها ، زیست محیطی و جنگل را تجزیه و تحلیل کند. Terramonitor در طول یک دور 175 دلار کل بودجه جمع آوری کرده است. این دور قبل از Seed به رهبری icebreaker.vc بود ، یک شرکت سرمایه گذاری که فقط در شرکت های شمال اروپا و بالتیک تخصص دارد.

 

منبع: forbes.com

 

همچنین بخوانید:

هوش مصنوعی و كاربردهای آن در پزشكی (بخش اول)

هوش مصنوعی و كاربردهای آن در پزشكی (بخش دوم)

مشاوره مجازی در ارائه خدمات بهداشتی