Data-Science und maschinelles Lernen

Sie möchten tiefere Einblicke in die Daten Ihres Unternehmens gewinnen? Sie möchten Ihre Prozesse anhand statistischer Modelle verbessern und automatisieren?

Wir können Sie dabei unterstützen!

Für die Entwicklung Ihrer datengetriebenen Produkte und Lösungen setzen wir künstliche Intelligenz (KI) und maschinelles Lernen (ML) ein. Damit lassen sich verborgene Muster in Ihren Daten erkennen und berücksichtigen.

Beratung

Nicht jedes Problem lässt sich durch maschinelles Lernen lösen. Oft kommt man durch herkömmliche Softwareentwicklung schneller zum Ziel. Aber welche Variante ist für Sie die bessere? Sollten Sie Ihr Problem auf traditionellem Weg oder lieber durch maschinelles Lernen lösen? Wir helfen Ihnen dabei, das herauszufinden.

Data-Mining und -Erkundung

Um einen Einblick in Ihre Daten zu erhalten, führen wir eine explorative Analyse durch. Dadurch entdecken wir Muster und Korrelationen und visualisieren die Ergebnisse. Falls Sie selbst nicht genügend Daten haben, können wir welche aus dem Web aggregieren.

Modellierung

Unser Data-Science-Team hat Erfahrung mit einem breiten Spektrum statistischer und maschineller Lernmodelle. Wir identifizieren und testen verschiedene Modelle, die für Ihr Problem in Frage kommen könnten. Gerne erläutern wir Ihnen die Vor- und Nachteile der verschiedenen Ansätze und beraten Sie bei der Entscheidungsfindung.

Implementierung und Integration

Wir arbeiten mit verschiedenen Open-Source-Frameworks für maschinelles Lernen (ML), wie etwa PyTorch, Tensorflow, Keras, Numpy, Scipy, Edward, PyMC3 oder Scikit-Learn. ML-Modelle lassen sich via Docker-Container bereitstellen. Die Integration kann über eine RESTful-API oder eine Frontend-Anwendung erfolgen.

Cloud

ML-Modelle lassen sich als Cloud-Anwendungen verfügbar machen (AWS, Azure, Google Cloud Computing).

Fachgebiete

Unser Data-Science-Team besitzt Erfahrung auf folgenden Gebieten:

Natural language processing (NLP)

  • Information extraction
  • Questions & answers
  • Chatbots

Computer vision (CV)

  • Image classification
  • Object recognition
  • Object segmentation

Predictive analytics

  • Customer segmentation
  • Recommendation systems
  • Fraud detection
  • Anomaly detection
  • Predictive maintenance
  • Time series predictions