Herramientas de IA para su profesión
Beta limitadaPara elegir una herramienta de IA, empiece por la tarea que quiere realizar. usedby conecta áreas profesionales y tareas con categorías de herramientas y ejemplos públicos que puede examinar.
¿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
297 empresas, 12 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: 63 %. Empresas proveedoras excluidas de esta categoría: 1.
Weights & Biases
58 empresas
36 confirmados22 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 
H2O.ai
53 empresas
37 confirmados16 observados
Tech Mahindra utiliza H2O Driverless AI para predecir si es necesario enviar un camión a las instalaciones de un cliente.
Texto original
Tech Mahindra uses H2O Driverless AI to predict whether a truck roll is needed at customer premises, delivering quick ROI through a three-step POC process.
Tech Mahindra · Leer la fuente 
Hugging Face
42 empresas
4 confirmados35 observados3 señales
Labelbox
29 empresas
19 confirmados10 observados
El equipo de ciencia de datos de Intuitive Surgical usa Labelbox para etiquetar fotograma a fotograma vídeos quirúrgicos con el fin de detectar y seguir instrumentos, con flujos de trabajo asistidos por modelos y una ontología compartida entre los equipos clínicos y de ciencia de datos para entrenar sus modelos de visión artificial.
Texto original
The team scaled signal throughput, lowered the overhead of gathering performance and quality metrics, and doubled the speed at which they deliver training signal for their multiple ML models.
Intuitive · Leer la fuente
