Oferujemy możliwość przeprowadzenia projektu rozwiązującego zdefiniowany problem z wykorzystaniem Machine Learningu oraz Deep Learningu.

Dzięki zastosowaniu najnowszych technologii, analiza danych może być bardziej efektowna, szybsza przy jednoczesnym zapewnieniu wysokiego poziomu wiarygodności wyników.

Głównym celem realizacji projektu jest satysfakcja Zamawiającego z dobrze funkcjonującego rozwiązania. Dlatego też nastawiamy się na bliską i ciągłą współpracę z Klientem. 

Umożliwiamy zaangażowanie osób ze Zamawiającego bezpośrednio w projekcie. Dzięki takiemu modelowi współpracy jest możliwe m.in. uzyskanie lub pogłębienie wiedzy i umiejętności przez zaangażowanych w rozwiązywanie problemu pracowników Zamawiającego, z drugiej strony pozwala na efektywną i ścisłą współpracę.

Proces realizacji projektu przebiega następująco:

  • poznanie, analiza i opisanie problemu
  • zdefiniowanie zakresu i ilości danych potrzebnych do rozwiązania problemu
  • sprawdzenie możliwości powodzenia projektu (implementacja prototypu)
  • opracowanie koncepcji rozwiązania
  • implementacja

Zrealizowane projekty

Zespół R&D zrealizował liczne projekty wykorzystujące Deep Learning. Część z nich została przedstawiona poniżej:

  • system Facelab – narzędzie pozwalające na porównywanie wizerunku osób oraz wnioskowania o cechach osoby na podstawie jej zdjęcia (wiek, płeć, humor). System wspiera proces weryfikacji tożsamości klientów, może być również używany jako dodatkowy element zintegrowany z Systemem Kontroli Dostępu. Możliwe jest także wykorzystanie rozwiązania w celach marketingowych lub analitycznych. Demo systemu jest dostępne pod adresem: https://facelab.io/
  • mechanizm automatycznego odczytu danych z dokumentów tożsamości (OCR) – narzędzie umożliwia odczyt danych z dowodów osobistych, paszportów. 
  • porównywanie obrazu ze wzorcem – rozwiązanie może być użyte np. w celu porównania wzorca ze zdjęciem UV dokumentu
  • odczyt treści wniosków wypełnianych pismem odręcznym – realizacja projektu pozwoliła na automatyczny odczyt danych z wniosku o określonej strukturze
  • segmentacja i klasyfikacja nowotworu na podstawie zdjęć histopatologicznych oraz MRI. Projekty były realizowane w ramach konkursu Miccai 2015 oraz Miccai 2016. Zespół zdobył 1 miejsce w konkursie w Combined Radiology and Pathology Classification ( Klasyfikacja na podstawie obrazów Radiologicznych i Histopatologicznych) oraz 3 miejsce w Segmentation of Nuclei in Pathology Images (Segmentacja komórek w obrazach histopatologicznych) w roku 2015 i zaprezentował najlepsze rozwiązanie w segmentujące tkanki nowotworowe na obrazach PET w konkursie PETSEG.
  • Analiza dokumentów pod kątem wykrywania i klasyfikowania ofert pracy (natural language processing) przy użyciu klasycznego maszynowego uczenia i metod wektoryzacji tekstu wykorzystujących płytkie sieci neuronowe.
  • analiza tekstu – rozwiązanie pozwala na wnioskowanie, czy pozostawiona przez użytkownika serwisu opinia jest pozytywna czy negatywna

Jesteś zainteresowany realizacją projektu analizy danych?

Zachęcamy do skorzystana z formularza znajdującego się na dole strony lub napisania wiadomości na adres: [email protected]

Masz pytania? Zachęcamy do kontaktu

7 + 10 =