Quel outil IA pour votre métier ?
Bêta limitéePour choisir un outil IA, partez de la tâche à accomplir. usedby relie les domaines professionnels et les tâches aux catégories d’outils, avec des exemples publics à examiner.
Votre métier n’est pas dans la liste ? Décrivez la tâche à réaliser.
Entraîner et évaluer des modèles
Ces résultats montrent les usages publics dans cette catégorie. Ils ne prouvent pas l’usage par votre métier ni l’adéquation à cette tâche précise. Vos exigences n’ont pas été évaluées.
Catégorie, secteur et taille d’entreprise
La taille décrit l’employeur. Elle ne prouve pas l’accès à l’outil pour un indépendant.
Plateformes ML et données d'entraînement
297 entreprises, 12 outils
À propos de ces chiffres
Les comptes portent sur les entreprises recensées par usedby. Ce ne sont pas des parts de marché. Les quatre niveaux de preuve comptent. Une taille inconnue est exclue uniquement des vues par taille. Vos exigences n’ont pas été évaluées.
Entreprises de taille connue : 63 %. Entreprises éditrices exclues de cette catégorie : 1.
Weights & Biases
58 entreprises
36 confirmés22 observés
L'équipe de recherche en IA de Meta fournit dans Weights & Biases des courbes d'apprentissage de référence pour les expériences qui accompagnent MiniHack, son framework open source d'apprentissage par renforcement.
Extrait original
We also provide baseline learning curves in Weights & Biases for our experiments.
Meta · Lire la source 
H2O.ai
53 entreprises
37 confirmés16 observés
Tech Mahindra utilise H2O Driverless AI pour prédire si le déplacement d'un camion (truck roll) est nécessaire chez un client.
Extrait 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 · Lire la source 
Hugging Face
42 entreprises
4 confirmés35 observés3 signaux
Labelbox
29 entreprises
19 confirmés10 observés
L'équipe de data science d'Intuitive Surgical utilise Labelbox pour étiqueter image par image des vidéos chirurgicales afin de détecter et de suivre les instruments, avec des workflows assistés par modèle et une ontologie partagée entre les équipes cliniques et de data science, pour entraîner ses modèles de vision par ordinateur.
Extrait 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 · Lire la source
