स्पष्ट रूप से एआई, डेटा विश्लेषकों के लिए एक नो कोड स्टार्टअप, अपने बीज दौर को $4.7M तक बढ़ाता है – News Reort

Posted on

निर्माण दवे के दो स्टार्टअप बहुत अलग हैं, लेकिन दोनों में एक DIY भावना है। पहला, जिसे सर्कुइट्रिक्स कहा जाता है और हाई स्कूल के बाद अपने अंतराल वर्ष के दौरान स्थापित किया गया, ने छात्रों को इलेक्ट्रॉनिक्स और भौतिकी के बारे में सिखाने के लिए किट बनाए। अब दवे मुख्य कार्यकारी अधिकारी हैं executive जाहिर है एआई, एक बिना कोड वाला AI/ML प्लेटफॉर्म जो बिना तकनीकी पृष्ठभूमि वाले लोगों को मशीन लर्निंग मॉडल बनाने और प्रशिक्षित करने में सक्षम बनाता है। बर्कले स्थित कंपनी ने एक बीज विस्तार बढ़ाया है जो 3.6 मिलियन डॉलर से बढ़कर कुल $4.7 मिलियन तक लाता है। दो महीने पहले इसकी घोषणा की थी. विस्तार का नेतृत्व ने किया था टोक्यो एज कैपिटल पार्टनर्स विश्वविद्यालय (यूटीईसी), एक गहरी तकनीकी निवेश फर्म, जिसमें ट्रेल मिक्स वेंचर्स और बी-कैपिटल की भागीदारी है।

यूटीईसी की प्रिंसिपल किरण मैसूर ने News Reort को बताया कि उन्होंने प्रोडक्ट हंट पर स्पष्ट रूप से एआई पाया, जबकि एआई/एमएल या कोडिंग बैकग्राउंड बिल्ड मशीन लर्निंग मॉडल के बिना एक दोस्त की मदद की। स्पष्ट रूप से एआई का उपयोग करने और अन्य ऑटोएमएल उत्पादों के खिलाफ इसे बेंचमार्क करने के बाद, मैसूर इतना प्रभावित हुआ कि वह स्टार्टअप तक पहुंच गया और निवेश के दौर का नेतृत्व किया।

पिछले एक साल में किसी भी कोड/लो कोड स्टार्टअप ने बहुत अधिक ध्यान नहीं दिया है – और फंडिंग -। कुछ उल्लेखनीय उदाहरण हैं नूगाटा तथा अबेकस. डेव का कहना है कि स्पष्ट रूप से एआई का स्थान मध्य-बाजार के व्यवसाय हैं जिनके पास डेटा साइंस टीम नहीं है, या ऐसे लोग हैं जो डेटा एनालिटिक्स जानते हैं लेकिन प्रोग्रामर नहीं हैं।

स्पष्ट रूप से AI मशीन लर्निंग मॉडल बनाने और प्रशिक्षित करने के लिए “एज-शार्प ऑटोएमएल” नामक मालिकाना तकनीक का उपयोग करता है जो उनके ग्राहकों की जरूरतों के लिए अनुकूलित है, और उन्हें उनकी मौजूदा क्लाउड सेवाओं और डेटाबेस में एकीकृत किया जा सकता है। यह मार्केटिंग, सॉफ्टवेयर, डायरेक्ट-टू-कंज्यूमर, फिनटेक और बीमा कंपनियों पर केंद्रित है, और वर्तमान में इसके 3,000 से अधिक ग्राहक हैं, जिन्होंने स्पष्ट रूप से एआई के मॉडल पर होस्ट किए गए ८२,००० से अधिक भविष्य कहनेवाला मॉडल का उपयोग किया है।

इसकी नई सीड फंडिंग का उपयोग जापान सहित एशियाई बाजारों में विस्तार के लिए किया जाएगा, जहां यह अपनी गो-टू-मार्केट रणनीति पर देश की सबसे बड़ी प्रिंटिंग कंपनियों में से एक क्लाइंट दाई निप्पॉन प्रिंटिंग (डीएनपी) के साथ साझेदारी करेगा।

News Reort को एक ईमेल में, दाई निप्पॉन प्रिंटिंग में अनुसंधान और विकास प्रबंधक, टेक्या शिमोमुरा ने कहा, “डीएनपी में, विपणन और बिक्री के लिए अत्याधुनिक भविष्य कहनेवाला विश्लेषण हमारे लिए बहुत महत्वपूर्ण है। हालाँकि, आज के उपकरण बहुत जटिल हैं और परिणाम प्राप्त करने में महीनों लग जाते हैं। स्पष्ट रूप से एआई के साथ, हम अपने कई विश्लेषकों को मूल रूप से शामिल करने में सक्षम थे और कुछ ही घंटों में उठ गए और चल पड़े। ”

दवे ने जाहिर तौर पर एआई के सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी तपोजीत देबनाथ से मुलाकात की, जबकि दोनों हैम्पशायर कॉलेज में अंतरराष्ट्रीय छात्र थे। स्नातक होने के बाद, उन्होंने खाड़ी क्षेत्र में स्टार्टअप में इंटर्नशिप शुरू की। डेव एक डेटा साइंस इंटर्न थे स्ट्रीमलैब्स

, लाइव-स्ट्रीमिंग सॉफ्टवेयर प्लेटफॉर्म।

मूल रूप से वीडियो एन्कोडिंग एल्गोरिदम पर काम करने के लिए काम पर रखा गया, डेव ने कंपनी की मार्केटिंग और बिक्री टीम के लिए मशीन लर्निंग मॉडल बनाने में भी काफी समय बिताया। देबनाथ, जो रिटेल सॉफ्टवेयर स्टार्टअप में मशीन लर्निंग इंटर्न थे बी८टा, एक समान अनुभव था।

दोनों ने महसूस किया कि मशीन लर्निंग इंजीनियरों की प्रतिभा की कमी है, और कई कंपनियां “नागरिक डेटा विश्लेषकों” या डेटा विज्ञान को समझने वाले लोगों पर भरोसा करती हैं, लेकिन उनके पास कोडिंग का अनुभव नहीं है।

जाहिर है AI का मशीन लर्निंग मॉडल यूजर इंटरफेस की रिपोर्ट करता है

जाहिर है AI का मशीन लर्निंग मॉडल यूजर इंटरफेस की रिपोर्ट करता है

“ये वे लोग हैं जो बहुत सारे डेटा के साथ काम करते हैं लेकिन वे स्वयं प्रोग्रामर नहीं हैं, और ये ऐसे लोग हैं जिनके लिए हमने इन टूल को डिज़ाइन किया है। लक्ष्य यह है कि आप डेटा को समझें, और आप उस डेटा को ले सकते हैं और सॉफ़्टवेयर का उपयोग करके वास्तव में तेजी से मॉडल बनाने के लिए घंटों या दिनों की प्रतीक्षा किए बिना, “दवे ने कहा।

स्टार्टअप पर काम शुरू करने के लिए उन्होंने और देबनाथ ने 2018 में अपनी नौकरी छोड़ दी, किराए के बदले अपने Airbnb होस्ट के लिए काम करना यूसी बर्कले के स्काईडेक एक्सेलेरेटर प्रोग्राम में शामिल होने से पहले, निवेशकों को पिच करना सीखते हुए।

दवे ने कहा कि कई ऑटो एआई / एमएल सॉफ्टवेयर प्लेटफॉर्म “जानवर एक डेटा सेट पर विभिन्न एल्गोरिदम के एक समूह को मजबूर करते हैं, और सबसे अच्छा प्रदर्शन करने वाले को चुनते हैं।” उदाहरण के लिए, वे सबसे अच्छा प्रदर्शन करने वाले एल्गोरिदम को चुनने से पहले 100 अलग-अलग एल्गोरिदम चला सकते हैं, जिसका अर्थ है कि अन्य एल्गोरिदम को स्वचालित रूप से बनाने में लगने वाला समय बर्बाद हो जाता है।

स्पष्ट रूप से एआई का एज-शार्प ऑटोएमएल मशीन लर्निंग मॉडल के एक विशिष्ट समूह को देखता है जो क्लाइंट की जरूरतों के लिए शीर्ष पांच मॉडलों को स्वचालित रूप से शॉर्टलिस्ट करने से पहले डेटा सेट पर इस्तेमाल किया जा सकता है, स्वचालित रूप से उनके हाइपरपैरामीटर को ट्यून करता है और भविष्यवाणी परिणाम लौटाता है।

जाहिर है एआई की मूल्य निर्धारण योजनाएं $ 75 प्रति माह से शुरू होती हैं। इसके विशिष्ट ग्राहक मध्यम आकार के व्यवसाय या बड़े व्यवसायों में छोटी टीमें हैं जिनके पास डेटा विज्ञान टीम नहीं है, या जिनके डेटा वैज्ञानिक अन्य कार्यों में व्यस्त हैं।

उदाहरण के लिए, भारत में लगभग 15 लोगों की एक टीम के साथ एक छोटी माइक्रोलेंडिंग कंपनी मैन्युअल रूप से तय कर रही थी कि एआई मॉडल पर स्विच करने का निर्णय लेने पर कौन से आवेदक को ऋण देना है। उन्होंने एक आवेदक के डिफॉल्ट होने की संभावना और उन्हें कितना ऋण दिया जाना चाहिए, इसका अनुमान लगाने के लिए स्पष्ट रूप से एआई का उपयोग करना शुरू कर दिया। अब कंपनी अपने ऐप में स्पष्ट रूप से एआई एंड-टू-एंड का उपयोग करती है, जिसका अर्थ है कि ग्राहक उस ऋण का आकार देख सकते हैं जो उन्हें आवेदन करने के तुरंत बाद मिलने की संभावना है।

एक अन्य उपयोग का मामला एक जर्मन मोबाइल गेमिंग कंपनी है जो एक गतिशील मूल्य निर्धारण मॉडल का उपयोग करना चाहती थी और यह पता लगाने की जरूरत थी कि व्यक्तिगत उपयोगकर्ता इन-गेम टोकन जैसे उत्पादों के लिए कितना भुगतान करने को तैयार होंगे। वे एक खेल के साथ खिलाड़ी की बातचीत के आधार पर भविष्यवाणी करने के लिए स्पष्ट रूप से एआई का उपयोग करते हैं।

स्पष्ट रूप से एआई के सीड फंडिंग का उपयोग मशीन लर्निंग अनुसंधान और विकास पर अधिक उपयोग के मामलों की सेवा के लिए किया जाएगा। डेव ने कहा कि स्पष्ट रूप से एआई पर्यवेक्षित शिक्षण उपयोग के मामलों पर ध्यान केंद्रित करता है, जहां ग्राहकों के पास डेटा होता है और पता होता है कि क्या भविष्यवाणी करना है। अनुपयोगी उपयोग के मामले वे होते हैं जहां उनके पास डेटा सेट होता है, लेकिन वे ठीक से नहीं जानते कि वे क्या चाहते हैं, और मशीन लर्निंग मॉडल का उपयोग करके उन्हें बताएं कि क्या इसमें कोई दिलचस्प पैटर्न है। ई-कॉमर्स प्लेटफॉर्म पर स्वचालित वर्गीकरण या अनुशंसा इंजन जैसी चीजों के लिए अनसुपरवाइज्ड लर्निंग एल्गोरिदम का उपयोग किया जा सकता है।

Leave a Reply

Your email address will not be published. Required fields are marked *