Какие задачи мы решаем

разработка

Разработка AI-систем

Реализация сложных систем, использующих компьютерное зрение, предиктивные алгоритмы, обнаружение аномалий и любые другие компоненты, ассоциирующиеся с искусственным интеллектом. Мы проведем анализ задачи, проконсультируем, как именно необходимо собирать и размечать данные. Разработаем необходимые алгоритмы и реализуем их на Python. Обеспечим взаимодействие с уже имеющимся у вас кодом или работающей системой.

Анализ задачи на потенциал применения машинного обучения

Если Вы задумываетесь об автоматизации того или иного процесса с помощью умных алгоритмов, мы можем помочь. Мы знаем возможные подводные камни, с которыми Вы можете столкнуться при попытке применить машинное обучения в Вашей задаче. Вам лучше узнать о них (или об их отсутствии) до того, как приняты окончательные решения.

"Аудит" существующего AI-решения

Мы можем изучить разработанную в Вашей компании систему, использующую алгоритмы машинного обучения, предложить Вашей ML-команде новые подходы решению задачи. Предлагаем пути качественного и количественного улучшения

Консультация по сбору данных для последующего применения машинного обучения

Одно из самых важных и «дорогих» решений на пути создания AI-продукта: сбор данных для обучения. Ошибки на этом этапе приводят или к задержке создания продукта из-за необходимости повторного сбора данных, или к созданию неспособной показать достаточную точность системы.

Корпоративное обучение по направлениям:

  • Принятие решений и AI — курс для менеджеров и технических руководителей.
  • Введение в машинное обучение — курс для технических специалистов.
  • Глубокое обучение — продвинутый курс для технических специалистов, предполагает знание основ машинного обучения.
  • Введение в компьютерное зрение — курс для технических специалистов, предполагает знание основ машинного обучения.
  • Компьютерное зрение с использованием глубокого обучения — продвинутый курс для технических специалистов, предполагает знание основ машинного обучения, основ компьютерного зрения, глубокого обучения.
  • Обработка естественного языка — продвинутый курс для технических специалистов, предполагает знание основ машинного обучения.

Проведение научно-популярных лекций по AI

Проведение научно-популярных лекций на интересующие Ваш коллектив темы.

Примеры научно-популярных лекций в Центре современной культуры «Смена»:

Разметка данных

Качественная и быстрая разметка данных для задачи компьютерного зрения, а также задачи обработки естественного языка (русского и английского).
экспертиза команды
Компьютерное зрение
Обнаружение аномалий
Обработка естественного языка
Системы рекомендаций
Анализ временных рядов
Цифровая обработка сигналов
Распознавание речи
И другое
  • Компьютерное зрение
  • Обнаружение аномалий
  • Обработка естественного языка
  • Системы рекомендаций
  • Анализ временных рядов
  • Цифровая обработка сигналов
  • Распознавание речи

и другое

технологии
Python
PyTorch
PyTorch Lightning, Ignight, Catalyst
TensorFlow 1.x/2.x
Keras
MLFlow
Plotly
Gym
CVAT
WebAnno
Docker
Kubernetes
ReactiveX
RabbitMQ
Apache Kafka
Hadoop
Apache Spark
DB
MySQL, Postgres, Reddis, MongoDB, ClickHouse, Elasticsearch
ORM
PonyORM, SQLAlchemy
ROS
С++
Python
PyTorch
PyTorch Lightning, Ignight, Catalyst
TensorFlow 1.x/2.x
Keras
MLFlow
Plotly
Gym
CVAT
WebAnno
Docker
Kubernetes
ReactiveX
RabbitMQ
Apache Kafka 
Hadoop
Apache Spark 
DB
MySQL, Postgres, Reddis, MongoDB, ClickHouse, Elasticsearch
ORM
PonyORM, SQLAlchemy 
ROS
C++
Обнаружение ржавчины. Анализ снимков алгоритмами компьютерного зрения.
кейс 1/6
К нам обратились с задачей обнаружения ржавчины на металлических конструкциях. Фотографии с конструкциями уже были размечены, от нас требовалось разработать систему, способную локализовать ржавчину и определять степень коррозии: от легкой до сильной.
Обнаружение трещин. Анализ снимков алгоритмами компьютерного зрения.
кейс 2/6
Необходимо было обнаруживать трещины в стене, вычислять их длину и ширину. За разметкой снимков обратились к нашей команде.

Сравнение измеренных системой длин трещин разной ширины с действительными длинами этих трещин.

В итоге была разработана система, способная:
  • обнаруживать трещины от 0.1 мм в ширину
  • вычислять ширину и длину трещины
Обнаружение дефектов на ленте конвейера. Анализ видеопотока алгоритмами компьютерного зрения и обнаружения аномалий.
кейс 3/6
Также был запрос находить признаки износа ленты конвейера, чтобы предотвратить его поломку. На видео представлено демо разработанной системы, которая обучалась без размеченных данных!
Обнаружение аномалий в потоках данных. Анализ потоков алгоритмами обнаружения аномалий.
кейс 4/6
Наша команда решала задачу обнаружения аномалий во множестве потоков данных в реальном времени.

В результате была разработана система, не нуждающаяся в разметке данных, применимая для:
  • практически всех видов цифрового трафика
  • взаимодействия пользователей с сервисами
  • различных типов транзакций и т. д.
Умная альтернатива A/B тестированию. Поиск оптимальных стратегий алгоритмами обучения с подкреплением.
кейс 5/6
Еще одной задачей была реализация системы, способной предсказать, какая стратегия взаимодействия сервиса с пользователями принесет наибольшую прибыль. Использование нашей разработки со временем начинает приносить большую прибыль.
Поиск похожих изображений. Анализ снимков алгоритмами компьютерного зрения.
кейс 6/6
У нас есть экспертиза в области поиска похожих изображений, как в коммерческой разработке, так и в академической сфере. Пример работы представлен на картинке.

Наша система работает в сервисе backit.me
скачать
презентацию