Taskmonk如何帮助AI/ML企业优化人力资源并控制数据标签预算
来源： 2021-01-04 18:43:17
建立成功的AI模型需要大量的标记数据。但是数据标记是一个密集的过程，需要大量的人工。对于企业而言，这项工作被放大了很多倍，因为它们要处理多个方面：标记项目，用例，数据类型和标记团队。总体而言，这导致数据标签预算显着增加。
为了解决此类问题，Taskmonk优化了原始数据到标记数据的转换，从而使企业能够优化-人工，控制-标记预算以及增强-标记数据的质量。
创始之旅
Chetan Velkur(38)，Sampath Herga(43)和Vikram Kedlaya(30)于2018年7月共同创立了Taskmonk。
Chetan正在运行一个影响力采购BPO，该BPO正在为大型企业执行数据标记项目。他在开发正确的技术时遇到了问题，这些技术使他可以在一个平台上运行不同的数据标签项目。到2018年初，Chetan接触了建立了AI初创公司的Sampath(Meshlabs，于2014年被Pega收购)，并从等式的另一端看到了为他的AI模型生成训练数据的问题。
他们共同认识到，提供数据注释平台将帮助AI / ML公司在注释合作伙伴之间执行和管理数据注释项目，并使他们能够在高度可配置的最佳实践平台上进行注释。
Vikram曾在其早期的创业公司中与Sampath合作开发端到端产品，后来被任命来领导开发工作。
它是如何工作的
Taskmonk的专有任务分配算法和ML辅助标记可以将人工标记速度提高多达60%。
典型的流程是，企业从大量需要标记的数据开始。标签可以是各种类型的–需要分类的文本或图像或要标识的实体;需要通过绘图边界框注释对象的图像;需要对场景进行分类或在整个视频中跟踪对象的视频;或需要转录，翻译，音译和分类的音频文件。
企业使用Taskmonk与将对数据进行实际标记工作的团队联系。他们将数据上传到平台，标签团队完成工作后，结果将返回给企业。然后，企业将使用标记的数据来构建其AI模型。
迄今为止，Taskmonk已交付了4400万个任务，使企业节省了超过325,000的人工标记时间。
收益模式
Taskmonk在基于软件即服务(SaaS)的订阅模型上运行。它收取平台每小时的使用费。它声称每月的经常性收入为25,000美元，或每年的经常性收入为300,000美元。
Taskmonk的目标是从事贴标工作的BPO公司和想要生成培训数据的客户。
Sampath补充说：“这对于像电子商务这样的领域非常有利，这些领域正在为用例开发从竞争情报(文本/分类算法)，视觉搜索(图像/计算机视觉)和客户支持机器人(音频/ NLP)的AI模型，” ，联合创始人兼首席执行官。
市场概况
Taskmonk的竞争对手包括Scale，LabelBox，Playment和Dataloop等公司，其中大多数来自北美。联合创始人兼首席运营官Chetan谈到谈到这家初创公司在竞争对手中脱颖而出的原因时说，
“Taskmonk支持更多的数据类型用于标记。此外，我们是使企业能够管理同一项目的多个标签团队的唯一平台。我们的大多数客户说，平台是从贴标机的角度构建的，因此使贴标团队能够生成高质量的作品。”
目前，他们有三个大客户，包括NextWealth，IndiVillage和DesiCrew，并计划在下个季度再增加三个客户。
未来的计划
Taskmonk是AI领域的横向解决方案提供商，主要关注汽车，电子商务和零售等平台。它已经开始扩展到其他领域，例如会话式AI。该创业公司还计划将业务扩展到东亚和欧洲。
相关文章
猜你喜欢
今日头条
图文推荐
精彩文章
随机推荐