公司与融资

过去一年中，某机构通过咨询项目实现了公司及个人开支120%的资金自给，未接受任何外部投资并保持100%所有权。期间拒绝了36次投资者会晤机会，专注于为客户提供定制化机器学习解决方案。

spaCy技术进展

2017年spaCy成长为最受欢迎的人工智能开源库之一，主要技术成果包括：

• 开发新一代深度学习模型，在文本分类、解析、标注和命名实体识别（NER）方面达到接近最先进的准确率
• 改进训练API、更新机制及流水线定制功能，新增模型打包系统
• 推出扩展Doc、Span和Token对象的自定义属性系统
• 发布18个正式版本和19个alpha版本，合并来自129名开发者的3,238次提交
• 提供8种语言的13个预训练统计模型， tokenization支持扩展至26种语言
• 重构文档站点的技术文档体系，包含2.5万字说明和12个新教程

Prodigy标注工具

12月发布基于主动学习的商用标注工具Prodigy，具备以下特性：

• 推出v1.0至v1.2版本及5个测试版
• 实现9种标注界面和20+内置工作流方案
• 采用主动学习技术实现高效机器学习标注
• 发布3篇技术博客详解系统设计理念，并配备2个教学视频

其他开源项目

• Thinc：spaCy的Python机器学习库，2017年发布17个版本
• LightNet：基于DarkNet开发的图像标注测试框架
• cython-blis：高性能矩阵乘法Python库（暂不支持Windows）
• spacymoji：spaCy表情符号处理插件，展示自定义流水线组件能力

技术演讲与出版物

2017年发布多篇技术内容：

• PyCon以色列主题演讲：Python在AI领域的语言优势
• 视频教程：spaCy NER模型解析、Prodigy分类器训练实践
• 技术文章：spaCy v2.0自定义流水线、伪排练防遗忘机制
• 深度分析：监督学习数据收集优化、重复问题数据关系学习