總部位于特拉維夫的創(chuàng)業(yè)公司Explorium開發(fā)自動數(shù)據(jù)和功能發(fā)現(xiàn)平臺，今天完成了3，100萬美元的融資。Explorium經過數(shù)個標志性的幾個月后才注入資金，自去年9月以來，Explorium的客戶群增加了兩倍，并整合了與更多行業(yè)和垂直行業(yè)有關的數(shù)據(jù)。

特征工程是一項艱巨的任務，即使用領域知識通過數(shù)據(jù)挖掘技術從原始數(shù)據(jù)中提取特征的過程。根據(jù)《福布斯》調查，數(shù)據(jù)科學家將80%的時間用于數(shù)據(jù)準備，而76%的人則將其視為工作中最不愉快的部分。這也很昂貴— Trifecta估計組織的集體數(shù)據(jù)準備成本為4500億美元。Explorium旨在通過充當公司信息存儲庫，將孤立的內部數(shù)據(jù)動態(tài)連接到數(shù)千個外部源來解決此問題。它聲稱使用機器學習，可以自動從數(shù)據(jù)中提取，設計，匯總和集成最相關的功能，以支持復雜的預測算法，在對最高績效者進行評分，排名和部署之前對其進行數(shù)百次評估。

貸款人和保險公司可以使用Explorium從數(shù)千個數(shù)據(jù)源中發(fā)現(xiàn)預測變量，而零售商可以利用它來預測哪些顧客可能會購買每種產品。在該平臺內，數(shù)據(jù)科學家可以添加自定義代碼以合并領域知識和微調的AI模型。此外，他們還可以使用旨在從大型語料庫中發(fā)現(xiàn)優(yōu)化通知模式的工具。

4月，Explorium添加了一組新信號來幫助組織了解大流行帶來的風險。通過將可能影響公司還款或可操作性的變量（如公司內部數(shù)據(jù)，政策因素和地理因素）組合在一起，該平臺將產生整體風險評分。（例如，被認為是必不可少的并獲得聯(lián)邦援助的衛(wèi)生系統(tǒng)，比關閉且不被認為是至關重要的酒店，風險要低。）

Explorium的最新客戶包括在線小型企業(yè)貸方OnDeck，全球媒體代理商CrossMedia，小型企業(yè)銀行提供商BlueVine，在線眼鏡零售商GlassesUSA和小型企業(yè)貸款提供商Behalf。Zeev Ventures領導了本周宣布的B輪融資，其中包括Dynamic Loop，Emerge，01 Advisors和F2 Capital。該輪融資使Explorium的總資金達到5，000萬美元，該公司表示將用于擴展到新的業(yè)務領域和地理市場，從而使其能夠擴大數(shù)據(jù)目錄并雇用更多的數(shù)據(jù)科學和商業(yè)人才。

Explorium在迅速發(fā)展的“自動ML”細分市場中與眾多其他初創(chuàng)公司和現(xiàn)有公司并駕齊驅。上個月，Databricks推出了用于模型構建和部署的工具包，該工具包可以自動執(zhí)行超參數(shù)調整，批處理預測和模型搜索之類的操作。IBM的Watson Studio AutoAI于6月首次亮相，它有望實現(xiàn)企業(yè)AI模型開發(fā)的自動化，微軟最近增強的Azure機器學習云服務和Google的AutoML套件也是如此。