Заказные проекты в области машинного обучения и анализа данных

Применение технологий в бизнесе

Распознавание объектов на фотографиях

Реализуем систему распознавания и классификации объектов на фотографиях.
Технология используется для модерации и классификации контента, тегирования изображений, поиска и определения брака на производстве.

Применение технологий в бизнесе

Анализ выкладки товаров в магазинах

Проанализируем выкладку товаров в магазине по фотографиям: система оценит ассортимент и соберет статистику по наличию на полках конкретного бренда или конкретного SKU.

Применение технологий в бизнесе

Поиск нечетких дубликатов записей

Определим нечеткие дубликаты записей в базах данных и приведем их к единому виду, упростив работу редакторов и аналитиков.

Применение технологий в бизнесе

Оптимизация технологического процесса для уменьшения брака

На производстве со сложным технологическим процессом на конечный результат влияет множество факторов: температура, состав и свойства компонент, время начала и остановки шагов производственного цикла.
Вместе с технологами вашего производства реализуем систему мониторинга технологического процесса, которая в реальном времени дает рекомендации по изменению параметров производства для минимизации брака.

Применение технологий в бизнесе

Предсказание оттока

Если вы предоставляете услуги по подписке или пользователи регулярно возвращаются за покупками, мы соберем данные и построим модель, которая предскажет вероятность пользователя отменить подписку в ближайший период. Вы сможете обработать этот сегмент пользователей отдельно, снижая отток.

Применение технологий в бизнесе

Автоматизация маркетинговых отчетов

Отделы маркетинга часто тратят много времени на сбор данных из разных источников: собственной базы данных, CRM, Google Analytics, Яндекс.Метрики, excel-файлов и др.
Мы поможем собрать все данные в одной базе, нормализуем, приведем в аналитический вид и настроим интерактивные отчеты
по бизнес-метрикам.

Этапность задач машинного обучения

Построение простой модели

Реализуем упрощенную модель решения задачи (с использованием PyTorch или Keras), что позволяет снять риски того, что задача может быть решена технически.  Этот этап проходит на наших мощностях.

Улучшение качества модели

Работаем над качеством модели, формулируем и проверяем гипотезы, которые помогут нам повысить качество обучения. В результате мы выбираем оптимальную архитектуру модели, способ подготовки данных  и процесс обучения.
Мы документируем работу над каждой гипотезой для того, чтобы полученные знания сохранялись, и мы могли принимать обоснованные решения.
Этот этап может проходить на нашей мощности или на мощностях заказчика.

Запуск в боевую эксплуатацию

Выводим систему в боевую эксплуатацию. Переводим модель на Tensorflow, готовим production-сервера и настраиваем процессы контроля качества и регулярного обновления модели на основе новых данных.
В случае, когда задача для решения требует работы с большими данными, мы можем развернуть Hadoop-стек (HDFS, Hive, Spark) на мощности заказчика или в Amazon AWS.

Команда

Андрей Татаринов

CTO VRTech
Ранее: инженер Google Analytics
Изучал Cybernetics в НИЯУ МИФИ
Учился в Moscow Engineering Physics Institute (State University)

Игорь Слинько

Data Scientist в Mail.Ru Group
Работал Software Engineer в компании «Яндекс»
Учился в Moscow Institute of Physics and Technology

Запросите бриф или задайте вопрос

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.