替代项 - Labelbox
Google Cloud Platform
google.com
Google 云平台 (GCP) 由 Google 提供，是一套云计算服务，运行在 Google 内部用于其最终用户产品（例如 Google 搜索、Gmail、文件存储和 YouTube）的同一基础设施上。除了一套管理工具外，它还提供一系列模块化云服务，包括计算、数据存储、数据分析和机器学习。注册需要信用卡或银行帐户详细信息。Google Cloud Platform 提供基础设施即服务、平台即服务和无服务器计算环境。 2008 年 4 月，Google 发布了 App Engine，这是一个用于在 Google 管理的数据中心中开发和托管 Web 应用程序的平台，这是该公司的第一个云计算服...
Appen
appen.com
通过澳鹏解锁生成式人工智能。 凭借我们行业领先的产品、深厚的专业知识和无与伦比的全球人工智能培训专家团队，打造卓越的客户体验。我们是您值得信赖的数据合作伙伴，帮助最具创新力的公司执行世界一流的人工智能计划。
Databricks
databricks.com
Databricks 是一家由 Apache Spark 的原始创建者创立的公司。 Databricks 源于加州大学伯克利分校的 AMPLab 项目，该项目参与了 Apache Spark 的开发，这是一个构建在 Scala 之上的开源分布式计算框架。 Databricks 开发了一个用于 Spark 的基于 Web 的平台，该平台提供自动化集群管理和 IPython 风格的笔记本。除了搭建Databricks平台外，该公司还联合举办大规模的Spark在线开放课程，并举办全球最大的Spark会议——Spark峰会。
Microsoft Fabric
microsoft.com
将您的数据带入人工智能时代。 通过在单个人工智能驱动的平台上将每个数据源和分析服务连接在一起，重塑每个人访问、管理和处理数据和见解的方式。
Scale AI
scale.com
Scale 受到世界一流公司的信赖，为自动驾驶汽车、地图、AR/VR、机器人等人工智能应用提供高质量的训练数据。
Surge AI
surgehq.ai
利用人类语言的丰富性来训练人工智能。使用 Surge AI 的全球数据标记人员和平台构建强大的 NLP 数据集。
Prolific
prolific.com
按需、自助数据收集。 Prolific 帮助您招募高质量的研究参与者来参与您的研究、调查或实验。
neptune.ai
neptune.ai
在一个位置记录、组织、比较、注册和共享所有 ML 模型元数据。 - 随着建模团队的成长而实现自动化和标准化 - 与您的团队和整个组织就模型和结果进行协作 - 使用托管、部署在本地或私有云中。与任何 MLOps 堆栈集成
Clarifai
clarifai.com
Clarifai 是领先的全栈人工智能、法学硕士和计算机视觉生产平台，用于对非结构化图像、视频、文本和音频数据进行建模。
Kili Technology
kili-technology.com
简单快速的注释工具可扩展您的机器学习项目。
SuperAnnotate
superannotate.com
使用最高质量的训练数据更快地构建、微调、迭代和管理您的 AI 模型。
SAP
sap.com
在 SAP，我们的目标是帮助世界更好地运行并改善人们的生活。我们的承诺是创新，帮助我们的客户发挥最佳水平。 SAP 致力于帮助每位客户成为运营最佳的企业。我们设计解决方案来推动创新、促进平等并跨越国界和文化传播机会。与我们的客户和合作伙伴一起，我们可以改变行业、发展经济、改善社会并保护我们的环境。
Supervisely
supervisely.com
对图像、视频、LiDAR 和 DICOM 数据集进行注释，与世界一流的 AI 生态系统协作和训练神经网络
Humanloop
humanloop.com
在一个统一平台上进行 NLP 注释、培训和监控的一体化平台，由主动学习提供支持。非常简单，速度提高 10 倍。
Galileo AI
usegalileo.ai
Galileo AI 正在彻底改变生成式 AI 时代的 UI 设计方式。 Galileo 最先进的人工智能利用自然语言创建高质量的 UI 设计，使人们能够进行超越想象的设计。
Sama AI
sama.com
通过行业领先的数据质量释放模型的潜力。 Sama 的集成 ML 支持的数据注释平台具有人机交互验证，可简化 AI 开发，从而更快地实现准确性和上市时间。
Saturn Cloud
saturncloud.io
深受数据科学家喜爱，由 IT 管理。 用于云中数据科学和机器学习开发、部署和数据管道的一体化解决方案。
V7
v7labs.com
企业培训数据的完整基础设施，涵盖标签、工作流程、数据集和循环中的人员。
Labellerr
labellerr.com
Labellerr 是唯一具有智能反馈循环的训练数据平台。我们的技术帮助人工智能优先的组织开发计算机视觉人工智能，以在其数据管道中实现自动化。我们的 saas 平台为 ML 科学家解决了挑战，他们需要以安全的方式更快、更方便、迭代地访问训练数据，以训练他们的计算机视觉/非结构化数据 AI 模型。我们努力以“实现它”的态度提供服务。 我们的重点行业包括医疗保健、自动驾驶汽车、智慧城市、零售和制造业。
Katonic.ai
katonic.ai
在无代码 Katonic 生成人工智能平台上只需几分钟即可构建强大的人工智能应用程序。借助生成式 AI 的力量，提高您和您员工的生产力、增强客户体验并完成只有大型企业才能完成的事情。 * 无需编码技能。 * 企业级安全性。 * 50+ 法学硕士可供选择 * 根据您自己的数据进行训练，并使用您自己的护栏。
Shaip
shaip.com
Shaip 为希望构建无偏见和高质量 AI/ML 模型的公司提供跨多种数据类型（文本、音频、图像和视频）的高质量数据。 Shaip 为医疗保健、对话式人工智能、计算机视觉和生成式人工智能/法学硕士用例许可、收集和注释数据。 除了数据之外，Shaip 还提供了完整的 Responsible LLM 工具包，用于使用来自人类反馈的强化学习 (RLHF) 来调整、评估和增强大型语言模型。 我们的全球团队总部位于肯塔基州，在硅谷和印度设有办事处，将数据科学专业知识与深厚的行业知识融为一体。我们使合作伙伴能够部署他们可以信任的人工智能，这反映了其影响的人群的多样性。
Openlayer
openlayer.com
最先进的平台，用于从头开始构建高质量、值得信赖的模型。
Universal Data Tool
universaldatatool.com
通用数据工具是一个 Web/桌面应用程序，用于编辑和注释图像、文本、音频、文档，以及查看和编辑可扩展 .udt.json 和 .udt.csv 标准中定义的任何数据。与其他人实时协作，轻松培训贴标机，集成到您的应用程序中。执行图像分割、图像分类、音频转录、命名实体识别 (NER) 和命名实体链接 (NEL)。使用 docker 运行，与 Tensorflow、Keras 或 Fast.ai 一起使用。
Kognic
kognic.com
用于 ADAS/AD 的一流传感器融合解决方案，用于探索、塑造和解释数据集。
Modal
modal.com
Modal 为数据工程师和数据科学家构建更好的基础设施。
Model Share
modelshare.ai
Model Share AI MLOps 平台是机器学习创新的动态中心。 它允许数据科学和机器学习工程师从头到尾轻松管理机器学习项目。您可以改进模型，使用丰富的 ML 分析和报告工具跟踪进度，并立即部署模型。 在 Model Share AI，我们还在构建世界上最大的可重用 ML 模型数据库，用户可以构建数据科学组合、生成和共享可重现的模型和可重用代码。
hasty.ai
hasty.ai
Hasty 现在是 CloudFactory 的一部分，CloudFactory 是加速人工智能生命周期的人机交互人工智能解决方案的全球领导者。 不再为了效率而牺牲质量。 了解有关 Accelerated Annotation 的更多信息，这是一款新的 Vision AI 产品，它将 CloudFactory 一流的员工队伍与行业领先的 AI 辅助标记技术相结合，生成高质量标记数据的速度比手动标记快 5 倍。 Hasty 平台提供从原始图像和视频到生产就绪模型所需的一切。
SAS
sas.com
借助全球最值得信赖的分析合作伙伴提供的更快、更高效的人工智能和分析，完成更多工作。使用 SAS 生成答案的速度与世界生成数据的速度一样快。凭借四十多年的分析创新，SAS 一直为世界各地的客户提供 THE POWER TO KNOW®。
CVAT.ai
cvat.ai
计算机视觉标注工具（CVAT），旨在供专业数据标注团队使用，为计算机视觉算法标注数据
Lightly AI
lightly.ai
Lightly 帮助机器学习团队通过更好的数据构建更好的模型。它允许公司通过主动学习选择正确的数据进行模型训练。通过高级过滤和主动学习算法，智能选择模型训练的最佳样本。 * 平衡班级分布，消除冗余和数据集偏差。仅标记用于模型训练的最佳数据，直到达到目标准确度。 * 分析数据集的质量和多样性。借助 Lightly 的整体视图，从数据的大局到最小的细微差别，更好地了解您的数据。在标记之前发现类别分布、数据集差距和表示偏差，以节省时间和金钱。 * 监控生产中的模型性能。发现异常值和失败案例。 * 直接在边缘或云端选择分布外的数据。发回数据以重新训练和更新模型。 * 管理您的数据集。跟踪不同的版本，...