Una forma de encontrarlos es caminar por los pasillos en conferencias como SemTech.
Muchas de las mejores compañías emergentes de ML y NLP no se incluirán en VentureBeat, TechCrunch, Mashable, etc., ya que son: 1) financiadas de forma privada y más centradas en I + D que la típica empresa financiada por VC, y / o 2) generar ingresos de clientes de seguridad nacional que no están ansiosos por que compartan su tecnología con el mundo comercial.
En general, cuanto más dependiente es la compañía de los fondos de capital riesgo, más se ven presionados a construir una base de clientes lo más rápido posible. La realidad es que la mayoría de las tecnologías de vanguardia de ML simplemente no se prestan a la comercialización en el mercado masivo. Hay muchas formas de ML y cuanto más general se vuelve, más tiempo lleva encontrar un nicho de mercado.
- ¿Se pueden describir las redes adversas generativas como un método de entrenamiento en el que se aprende la función de pérdida en lugar de seleccionarse manualmente?
- ¿Qué matemáticas se necesitan para este curso de aprendizaje automático?
- ¿Puede un ML / AI aprender a pasar captchas?
- En las arquitecturas VGG-16 y VGG-19, ¿por qué hay más capas convolucionales 3 × 3 apiladas consecutivamente en las capas altas que en las capas inferiores?
- ¿Cómo le enseñas a un robot que ha cometido un error?
Soy consciente de docenas de compañías que se ajustan a la descripción de “startup emergente que está resolviendo problemas de ML y NLP”, y necesitará clasificar muchas ranas para encontrar algunos príncipes.