De toute évidence, AI, une startup sans code pour les analystes de données, augmente son tour de table à 4,7 millions de dollars – TechCrunch


De toute évidence, les fondateurs de l'IA Nirman Dave et Tapojit Debnath

De toute évidence, les fondateurs de l’IA Nirman Dave et Tapojit Debnath

Les deux startups de Nirman Dave sont très différentes, mais toutes deux ont un esprit DIY. Le premier, appelé CircuiTricks et fondé pendant son année sabbatique après le lycée, a créé des kits pour enseigner aux élèves l’électronique et la physique. Dave est maintenant chef de la direction de Evidemment l’IA, une plate-forme AI/ML sans code qui permet aux personnes sans formation technique de créer et de former des modèles d’apprentissage automatique. La société basée à Berkeley a levé une extension de semences qui porte le total du tour à 4,7 millions de dollars, contre 3,6 millions de dollars il a annoncé il y a deux mois. L’extension a été menée par le Université de Tokyo Edge Capital Partners (UTEC), une société d’investissement dans les technologies de pointe, avec la participation de Trail Mix Ventures et de B-Capital.

Le directeur d’UTEC, Kiran Mysore, a déclaré à TechCrunch qu’il avait trouvé Evidemment AI sur Product Hunt tout en aidant un ami sans IA/ML ni arrière-plan de codage à créer des modèles d’apprentissage automatique. Après avoir utilisé Evidemment AI et l’avoir comparé à d’autres produits AutoML, Mysore a été tellement impressionné qu’il a contacté la startup et dirigé le cycle d’investissement.

Aucune startup code/low code n’a attiré beaucoup d’attention – et de financement – au cours de la dernière année. Quelques exemples notables sont Noogata et Abaque. Dave dit qu’évidemment, le créneau de l’IA est celui des entreprises de taille moyenne qui n’ont pas d’équipe de science des données, ou qui ont des gens qui connaissent l’analyse de données mais ne sont pas des programmeurs.

De toute évidence, l’IA utilise une technologie propriétaire appelée « Edge-Sharp AutoML » pour créer et former des modèles d’apprentissage automatique personnalisés selon les besoins de leurs clients et pouvant être intégrés à leurs services et bases de données cloud existants. Il se concentre sur les sociétés de marketing, de logiciels, de vente directe aux consommateurs, de fintech et d’assurance, et compte actuellement plus de 3 000 clients, qui ont utilisé plus de 82 000 modèles prédictifs hébergés sur le modèle d’Evidemment AI.

Son nouveau financement de démarrage sera utilisé pour se développer sur les marchés asiatiques, dont le Japon, où il s’associera avec le client Dai Nippon Printing (DNP), l’une des plus grandes imprimeries du pays, dans le cadre de sa stratégie de commercialisation.

Dans un e-mail à TechCrunch, Takeya Shimomura, responsable de la recherche et du développement chez Dai Nippon Printing, a déclaré : « Chez DNP, l’analyse prédictive de pointe pour le marketing et les ventes est très importante pour nous. Cependant, les outils d’aujourd’hui sont très compliqués et mettent des mois à obtenir des résultats. Avec Evidemment AI, nous avons pu intégrer plusieurs de nos analystes de manière transparente et être opérationnels en quelques heures seulement. »

Dave a rencontré le cofondateur et directeur de la technologie d’Evidemment AI, Tapojit Debnath, alors qu’ils étaient tous deux étudiants internationaux au Hampshire College. Après avoir obtenu leur diplôme, ils ont commencé des stages dans des startups de la Bay Area. Dave était stagiaire en science des données à Streamlabs, la plate-forme logicielle de diffusion en direct.

Embauché à l’origine pour travailler sur des algorithmes d’encodage vidéo, Dave a également passé beaucoup de temps à créer des modèles d’apprentissage automatique pour l’équipe marketing et commerciale de l’entreprise. Debnath, qui était stagiaire en apprentissage automatique au démarrage de logiciels de vente au détail B8ta, a vécu une expérience similaire.

Les deux ont réalisé qu’il y avait une pénurie de talents d’ingénieurs en apprentissage automatique, et de nombreuses entreprises s’appuient sur des « analystes de données citoyens », ou des personnes qui comprennent la science des données, mais n’ont pas d’expérience en codage.

De toute évidence, l'interface utilisateur du rapport du modèle d'apprentissage automatique d'IA

De toute évidence, l’interface utilisateur du rapport du modèle d’apprentissage automatique d’IA

« Ce sont des gens qui travaillent avec beaucoup de données, mais ce ne sont pas des programmeurs eux-mêmes, et c’est le genre de personnes pour lesquelles nous avons conçu ces outils. L’objectif est que vous compreniez les données et que vous puissiez utiliser ces données et utiliser le logiciel pour créer un modèle très rapidement, sans attendre des heures ou des jours », a déclaré Dave.

Lui et Debnath ont quitté leur emploi en 2018 pour commencer à travailler sur la startup, faire des tâches ménagères pour leur hôte Airbnb en échange d’un loyer tout en apprenant à présenter aux investisseurs, avant de rejoindre le programme d’accélérateur SkyDeck de l’UC Berkeley.

Dave a déclaré que de nombreuses plates-formes logicielles d’IA/ML automatiques “forcent brutalement un ensemble d’algorithmes différents sur un ensemble de données et en choisissent un qui fonctionne le mieux”. Par exemple, ils peuvent exécuter 100 algorithmes différents avant de choisir celui qui fonctionne le mieux, ce qui signifie que le temps passé à construire automatiquement les autres algorithmes est perdu.

Ce que fait évidemment différemment Edge-Sharp AutoML d’AI, c’est d’examiner un groupe spécifique de modèles d’apprentissage automatique qui peuvent être utilisés sur un ensemble de données avant de présélectionner automatiquement les cinq meilleurs modèles pour les besoins d’un client, de régler automatiquement leurs hyperparamètres et de renvoyer les résultats de prédiction.

De toute évidence, les plans tarifaires d’AI commencent à 75 $ par mois. Ses clients typiques sont des entreprises de taille moyenne ou de petites équipes dans de grandes entreprises qui n’ont pas d’équipe de science des données, ou dont les scientifiques des données sont préoccupés par d’autres travaux.

Par exemple, une petite société de microcrédit en Inde avec une équipe d’environ 15 personnes décidait manuellement à quels candidats accorder des prêts lorsqu’elle a décidé de passer aux modèles d’IA. Ils ont commencé à utiliser Evidemment AI pour prédire automatiquement les risques de défaillance d’un candidat et combien il devrait être prêté. Désormais, la société utilise Evidemment l’IA de bout en bout dans son application, ce qui signifie que les clients peuvent voir le montant d’un prêt qu’ils sont susceptibles d’obtenir immédiatement après la demande.

Un autre cas d’utilisation est une société allemande de jeux mobiles qui souhaitait utiliser un modèle de tarification dynamique et devait déterminer combien les utilisateurs individuels seraient prêts à payer pour des produits tels que des jetons de jeu. Ils utilisent évidemment l’IA pour faire cette prédiction en fonction de l’interaction d’un joueur avec un jeu.

Une partie du financement de démarrage d’Evidemment AI sera utilisée pour la recherche et le développement en apprentissage automatique pour servir davantage de cas d’utilisation. Dave a déclaré qu’évidemment l’IA se concentre sur les cas d’utilisation de l’apprentissage supervisé, où les clients ont des données et savent quoi prévoir. Les cas d’utilisation non supervisés sont ceux où ils ont un ensemble de données, mais ne savent pas exactement ce qu’ils veulent, et utilisent des modèles d’apprentissage automatique pour leur dire s’il contient des modèles intéressants. Les algorithmes d’apprentissage non supervisé peuvent être utilisés pour des choses comme la catégorisation automatique ou les moteurs de recommandation sur les plateformes de commerce électronique.



Source link