您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
SigOpt
致力于保险、信用卡等行业的优化平台
成立时间：2014年 | 融资信息：A轮融资
一个提供指标量化和数据处理模型工具的公司，该公司提供世界级的数据科学和优化服务。无论是数字广告，还是合成生物科技产品，甚至是刮胡剃须膏，SigOpt都能发挥作用进行优化。
官方网站：http://sigopt.b.atyun.com/
企业资讯
SigOpt：具有竞争目标的深度学习超参数优化，比传统方法快十倍
2018-10-22
在这篇文章中，我们将展示如何使用 SigOpt的贝叶斯优化平台来共同优化NVIDIA GPU上深度学习流水线中的竞争目标，比传统方法（如随机搜索）快十倍。
[caption id="attachment_29271" align="aligncenter" width="3128"] SigOpt Web仪表板的屏幕截图，用户可在其中跟踪机器学习模型优化的进度。[/caption]
测量模型的执行情况可能不会归结为单一因素。通常有多种（有时是竞争的）方法来衡量模型性能。例如，在算法交易中，有
SigOpt数据的近似——从不完整数据进行预测的技术。
2020-01-03
在之前关于SigOpt Fundamentals的文章中，我们介绍了高斯过程 和 协方差内核的概念 。使用这些及其它工具，SigOpt帮助企业有效地优化其关键指标，包括 收入在A / B测试， 精度机器学习模型，和 复杂的模拟输出。为了解决可能包含许多变量/参数的问题，我们建议公司进行一系列实验。这些实验创建的数据具有与公司参数一样多的维度，我们SigOpt的目标之一是使用此观察数据预测未观察到的值，以确定这些关键指标的最佳值。我们将此过程称为获取数据并使预测 近似。
近似的需要可能不会立即显而易见
SigOpt：选择人工智能项目试点的重要标准
2019-03-13
1. 你有一个定义明确的问题要解决
如果你对组织中早期人工智能实验的进展感到沮丧，那可能是因为这些试验还没有明确的结果。
Wilde建议:“选择一个最终结果在脑海中的项目或用例。”“太多的人工智能努力开始于创新或发现项目，而没有考虑任何实际的商业结果。几乎所有人都停滞不前。”因此，首先确定一个人工智能可能能够帮助解决的业务问题。Wilde以自动化手动业务流程来加快周期时间和优化有价值的资源为例。“它不需要大的或战略性的，但你需要有一个明确的问题来试验和学习，”他说。
2. 你有明确的方法来
SigOpt：人工智能与机器学习的区别
2019-03-20
人工智能和机器学习如今经常被混为一谈，人们很容易把它们误认为是同义词。但这并不准确:它们肯定是相互关联的，但实际上却并不能互换。
那么AI和ML有什么区别？让我们从定义术语开始。
AI是什么
布洛克说:“简单地说，人工智能就是机器能够执行似乎需要人类智能才能完成的任务的概念。”“这包括让计算机访问大量数据，让它们自己学习。”
机器学习是人工智能的一个特定应用或学科，但不是唯一的。布洛克解释说，在机器学习中，“算法被输入数据，并被要求在没有特定编程的情况下处理它。机器学习算法和人
SigOpt与Two Sigma建立战略合作伙伴关系
2019-04-04
SigOpt是一家领先的解决方案提供商，致力于最大限度地提高机器学习，深度学习和仿真模型的性能，最近宣布与Two Sigma建立战略合作伙伴关系。Two Sigma作为SigOpt的客户，并在SigOpt建立平台时为其提供建议。此外，作为合作伙伴关系的一部分，Two Sigma正在SigOpt进行少数股权投资，加入Andreessen Horowitz，Blumberg Capital，SV Angel，Y-Combinator，DCVC和In-Q-Tel，并作为SigOpt的投资者。该交易条款尚
为什么Two Sigma使用SigOpt进行自动参数调整
2019-04-17
Two Sigma力求通过投资过程的每一过程，从数据获取到预测、投资组合选择和交易执行，利用大量数据、先进工程和定量研究。参数化系统存在于每个中心阶段。找到这些参数的最佳设置是我们一直在改进过程中的持续挑战。我们投入了大量资源来思考如何评估我们所有系统设置的效用，以及如何构建基础设施来扩展这些评估。
即使能够在云上执行大量计算，我们仍然需要深入思考如何尽可能快速且廉价地搜索参数空间以获得最佳值。我们更倾向于采用开源解决方案来解决这类常见问题，并在我们认为能够为我们提供竞争优势的情况下开发内部
SigOpt：祝贺Roman Garnett获得国家科学基金会职业奖
2019-05-05
美国国家科学基金会(US National Science Foundation)每年都会向优秀的教授提供5年的资助。这些职业奖项是最著名的年轻教师在的科学领域。获颁此奖项，代表肯定教授迄今所作的杰出工作，以及对该教授在社会的未来产生深远影响的肯定。
正是有了这些知识，SigOpt很高兴地祝贺我们的朋友Roman Garnett最近被提名为国家科学基金会职业奖的获得者。Roman在牛津大学读研究生时就对贝叶斯优化和活跃的搜索社区做出了杰出的贡献。2015年，他回到母校圣路易斯华盛顿大学，担任计算机科
SigOpt：消除四个关于AI在商业中应用的常见错误观念
2019-05-07
对任何新兴技术都会产生误解，但在人工智能方面，这种误解显得尤为明显。也许这是因为人工智能潜在影响的范围已经积累了其自身的某种神话地位。
“人工智能通常被误解，因为我们要探索一个广阔的宇宙，探索未知世界可能会令人困惑和恐惧，”Very工程副总裁Bill Brock说。
对于试图在其组织中调整人工智能实际应用的IT领导者来说，这是一个特别的问题。
Brock说：“虽然企业中的人工智能越来越普遍，但对于其用例以及如何改进或更新过去的系统仍然存在相当多的误解。”“虽然我们可以将机器人成为
Alpha的新功能：监控训练融合
2019-05-30
近日，SigOpt在alpha测试中发布了一个新的特性：训练监视器。此功能旨在更好地增强我们的神经网络开发人员的能力。通过在整个神经网络培训过程中存储信息，我们使用户能够：
通过Web和API监控进度，
在神经网络收敛时可视化度量曲线，
当检测到收敛时，便于提前停止。
神经网络已被证明在许多应用中是有效的，包括自然语言处理、图像处理和生物学。数据的激增和对高性能计算资源的更容易访问使得神经网络更加广泛地应用，这反过来又使神经网络对其使用产生了更大的兴趣。
所有这些神经网络
SigOpt：AI产生的碳足迹将成为企业不可忽视的问题
2019-07-26
研究人员最近发现，训练单个AI模型所产生的碳排放量几乎是普通美国汽车碳排放量的五倍。由马萨诸塞大学的计算机科学家发表的这一研究结果强调了一个在人工智能的所有宣传中受到忽视的问题：训练新的深度学习模型的过程消耗了相当多的能量。
尽管目前大多数企业在人工智能项目上的用电量不及谷歌或Facebook等公司，但有关人工智能碳足迹的新数据应该会促使IT领导者考虑到其组织在深度学习方面的总体局限。
马萨诸塞州立大学的研究人员专门研究了用于自然语言处理的神经网络模型的训练能耗。论文中描述的一个更大的能源挑战
