En datos, análisis y aprendizaje automático, quiero
entrenar y evaluar modelos
La respuesta · Empresas de todo el mercado
Sus pares usan primero Weights & Biases, luego Labelbox.
58 de 305 empresas de esta muestra usan Weights & Biases. Cada línea enlaza a una fuente pública.
- 01
5819 % - 02
2910 % - 03
27
¿Qué herramientas de IA usan las empresas para Entrenar y evaluar modelos? Beta limitada
¿Su profesión no aparece? Describa la tarea que quiere realizar.
Entrenar y evaluar modelos
Estos resultados muestran usos públicos de esta categoría. No demuestran el uso por su profesión ni la idoneidad para esta tarea exacta. Sus requisitos no se han evaluado.
Categoría, sector y tamaño de empresa
El tamaño describe al empleador. No demuestra el acceso para un profesional independiente.
Plataformas de ML y datos de entrenamiento
305 empresas, 3 herramientas
Sobre estas cifras
Los recuentos corresponden a empresas registradas en usedby, no a cuotas de mercado. Cuentan los cuatro niveles de prueba. El tamaño desconocido solo se excluye de vistas por tamaño. Sus requisitos no se han evaluado.
Empresas de tamaño conocido: 85 %. Empresas proveedoras excluidas de esta categoría: 1.

Weights & Biases
58 empresas
37 confirmados21 observados
El equipo de investigación en IA de Meta ofrece curvas de aprendizaje de referencia en Weights & Biases para los experimentos que acompañan a MiniHack, su framework de código abierto de aprendizaje por refuerzo.
Texto original
We also provide baseline learning curves in Weights & Biases for our experiments.
Meta · Leer la fuente 
Labelbox
29 empresas
19 confirmados10 observados
Speak, a language learning app, uses Labelbox to produce and quality-control the expert-graded data that trains and evaluates its speech recognition and language models.
Texto original
Speak's signal-production time was cut by nearly 50%, allowing it to release new features and languages at a faster pace.
Speak · Leer la fuente 
Anyscale
27 empresas
15 confirmados11 observados1 señal
Notion uses Anyscale, a managed platform for Ray, to scale inference for the machine learning reranking models behind its Enterprise Search.
Texto original
With Anyscale, we've achieved 20% better latency compared to our previous solution – all while supporting continued user growth.
Notion · Leer la fuente











