Growing Intelligence

РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ РЕШЕНИЙ

Умеем находить решения
и реализовывать их

Имеем широкую предметную экспертизу

III

Следим за новыми методами и подходами

Открыты к новым задачам

ЧЕМ МЫ
ЗАНИМАЕМСЯ

разработка и проектирование

Хорошая система должна быть хорошо спроектирована. Мы ответственно подходим к этому этапу и стараемся максимально полно описать предметную область и архитектуру будущего решения. Для этого мы используем понятные инструменты, такие как UML и BPMN Мы не только математики, но и программисты с большим предметным опытом работы. Мы говорим на Java, Scala, Python, C\C++, JavaScript\TypeScript В разработке мы предпочитаем Spring, Flask, Apache Cassandra, Apache Kafka, Postgres, Akka, Docker, Linux

математика

Мы верим, что всякая наука - настолько наука, насколько она опирается на математику. Всякое решение настолько рационально и надежно, насколько оно подтверждено исследованием и прогнозными моделями. Команда BrainGarden состоит из людей с математическим образованием, повседневно использующих математику в своей работе. В арсенале команды методы комбинаторной и непрерывной оптимизации, теории управления, аппарат нейронных сетей, самоорганизующихся и многоагентных систем.

анализ данных

Мы понимаем, насколько важно правильно анализировать имеющиеся данные и делать из них корректные выводы. Мы знаем, где на этом огромном поле разложены грабли и как строить наши модели, не наступая на них. Мы считаем, что каждое исследование должно быть прозрачным и понятным для заказчика, а сами эксперименты корректны и воспроизводимы. И самое главное, мы умеем делать такие исследования. Для бизнеса анализ данных открывает широкие возможности для поддержки принятия решений, оптимизации бизнес-процессов, снижения издержек, анализа поведения пользователей и многих других важных задач.

машинное обучение

Машинное обучение - огромная область, позволяющая решать множество задач. Мы владеем большим спектром математических моделей и различных пакетов машинного обучения, и можем сделать как легкую модель для очень быстрой работы, так и выжимать все имеющиеся проценты точности, строя огромных монстров. Мы активно используем в своей работе наиболее продвинутые пакеты машинного обучения, такие как scikit-learn, xgboost, theano, tensorflow, keras, etc.

запуск

Имея широкий опыт в областях разработки и наук о данных, мы можем объеденить все это вместе, предоставив Вам готовый продукт. Поможем интегрировать его с Вашими системами при необходимости

Биоинформатика

Оптимизация клеточной линии, системы оценки свойств малых молекул с применением алгоритмов Deep Learning, генерация репертуара малых молекул, направленный поиск молекул с заданными свойствами

Управление на финансовых рынках

Разработка и внедрение систем принятия решений на финансовых рынках на основе машинного обучения, формирование оптимальных портефелей для инвестиционных целей.

Управление транспортом

Работа с геоинформационными системами, разработка алгоритмов оптимизации маршуртов, повышение утилизации использования флота, поиск оптимального расположения объектов инфраструктуры в логистических сетях

Распознавание изображений

Задачи распознавания образов и компьютерного зрения. Распознавание лиц, детектирование лиц, определение пола и возраста, сегментация, поиск лица по базе имеющихся фотографий, кластеризация массива фотографий и т.д.

Генеративный арт

Собственные разработки в области стилизации изображений средствами глубокого обучения, в частности мы реализовали несколько вариаций таких алгоритмов: градиентный, feed-forward, patched. Мы продвинулись немного дальше и можем подготовить изображение в любом разрешении любым из алгоритмов. Также стилизуем видео.

Планирование производства

Разработка алгоритмов автоматического составления расписаний, оптимизация использования ресурсов

DataFest
10-11 сентября 2016

Тема доклада: "Машинное обучение в анализе медицинских данных"

Современная медицина накопила огромный объём информации о пациентах и развитии заболеваний. Появилось множество методов диагностики и исследований — от анализа крови до генетических тестов, от ЭКГ и УЗИ до компьютерной томографии. В докладе речь пойдёт о нескольких приложениях машинного обучения к анализу медицинских данных. Кто лучше диагностирует рак — человек или машина? Можно ли предсказать сердечную недостаточность за девять месяцев до её проявления?

DataFest
10-11 сентября 2016

SmartData
21 октября 2017

Тема доклада: "Нет данных? Нет проблем! Deep Learning на CGI"

В настоящий момент глубокие свёрточные сети являются state-of-the-art алгоритмами во многих задачах компьютерного зрения. Однако большинство таких алгоритмов требуют огромных обучающих выборок, и качество модели целиком зависит от качества данных и их количества. В ряде задач сбор данных затруднен или подчас невозможен. В докладе мы рассмотрим пример обучения глубоких свёрточных сетей для локализации ключевых точек объекта на полностью синтетическом наборе данных.

Big Data в бизнесе
17 июня 2017

Тема доклада: "Данные и машинное обучение в ритейле и логистике"

Фестиваль Данных “Big Data в бизнесе” стал местом презентаций примеров успешного применения Big Data в различных областях бизнеса: от маркетинга и рекламы до и эксплуатации зданий, а также дискуссионной площадкой для обсуждения возможностей инструментов машинного обучения и анализа больших данных.

Big Data в бизнесе
17 июня 2017

Фестиваль науки "Кстати"
20 апреля 2017

Тема доклада: "Машинное обучение: новый разум человечества"

«КСТАТИ» — федеральный фестиваль науки, который сеть информационных центров по атомной энергии проводит с 2015 года в разных городах России и зарубежья при поддержке Госкорпорации «Росатом». Фестивали проходили в Калининграде, Ростове-на-Дону, Мурманске, Новосибирске, Саратове, Воронеже, Минске. В рамках «КСТАТИ» состоялось более 200 мероприятий, участниками и слушателями которых стали более 40 000 человек.

ADHACK GALAXY
26-27 августа 2017

Доклад о персонифицированной оффлайн рекламе

Первый в Санкт-Петербурге Хакатон по рекламе и маркетингу Hackathon ADHACK GALAXY.