Machine learning & artificiell intelligens.
Under de senaste åren har det skett en riktig revolution inom både mjuk- och hårdvara, vilket har gett oss massor av nya möjligheter att använda smarta lösningar inom allt fler branscher och produkter.
En hel del företag har redan hoppat på tåget och dragit nytta av det här, medan andra precis börjar fatta grejen. Men oavsett var ni står så kan ni alltid räkna med Neodev som en duktig partner att samarbeta med för att nå era mål.
-
Python
-
U2-net
-
pytorch
-
GCP
-
CNN
Kundcase
Boni AB
Ta en titt på bilden här intill. Ser du en fågel? Ser du en fågel som står på en mur? Ser du en fågel som står på en mur och tittar ut över en hamn?
Object detection
Även om man påstår ett alternativ så stämmer de andra observationerna också. Många skulle nog först och främst säga att det är en fågel (eller kanske till och med en mås?) på bilden. Dessa personer kan nog utan problem rita en linje runt objektet för att säga vilka pixlar som utgör fågeln och vilka som är något annat.
Det må verka självklart men när man låter en dator ta reda på vilken del av bilden som är intressant blir det ett mycket svårare problem. Borde inte båtarna i bakgrunden vara lika framträdande objekt som fågeln?
Boni
Till Boni levereras massor av bilder som visar produkter med varierande bakgrunder. …
Experter på flera plan.
Natural language processing.
Uppgifter som involverar språkförståelse har länge varit människans domän. Men tack vare machine learning kan vi nu låta datorer göra grovarbetet åt oss! NLP-tekniken möjliggör till exempel automatisk röstigenkänning och sortering av dokument helt utan mänsklig interaktion.
[Linguistic processing]
[Feature detection]
Voice identification.
Röstidentifieringsteknik har utvecklats mycket på senare tid och kan nu användas för att känna igen olika talare med hög precision. Detta är användbart för allt från säkerhetsåtgärder till kundservice och sjukvård. Tekniken kan hjälpa till att effektivisera processer och förbättra kundupplevelsen.
Computer vision.
Mycket värdefull information kan finnas i insamlad bild och video. Med maskininlärning kan sådan data extraheras - helt utan mänsklig inblandning. Verktyg från detta fält har på senare tid används med framgång inom exempelvis optisk diagnostisering eller för objektlokalisering i insamlad video.
Tidsserier.
Tidsserier utgör ett stort subområde inom sekventiell data, och består av data där varje mätpunkt också har en tidsstämpel. Klassiska exempel är olika börsindex, väder- och sensordata. Inom näringslivet är typiska användningsområden för AI/ML att gör prognosticering av en tidsseriers framtida utveckling eller att klassificera en (eller en del av) en tidsserie t.ex. för att upptäcka förändringar i beteende (se också predictive maintainance).
Predictive maintenance.
Den fjärde industriella revolutionen öppnar upp en myriad förbättringsmöjligheter inom näringslivet. En sådan är “predictive maintenance”, att kunna förutse utrustnings kvarvarande livslängd baserat på aktuella mätningar. Maskininlärning möjliggör för oss att begränsa tidsförluster p.g.a. att utrustning går sönder och att minska onödigt resursanvändande.
[Time to be series]
Vi lär dig mer.
[Seminarier]
[Kurser]
[Workshops]
Neodev anordnar regelbundet intressanta evenemang inom ramen för machine learning och AI där någon av våra experter delar med sig av sin kunskap.
Hör av dig om du eller ditt företag vill veta mer!
Hur vi jobbar med machine learning.
Identifiering och val av användningsområde
- Workshop (vid behov) för att identifiera användningsområden för AI inom kundens verksamhet. Om förslag redan finns kan detta steget skippas
- Utvärdera föreslagna användningsområden för AI m.h.a. vår utvärderingsprocess. Där vi försöker uppskatta om den föreslagna användningen är meningsfull (d.v.s. förbättrar lönsamhet, jämlikhet eller klimatpåverkan) och säkerställa att grundförutsättningarna för en framgångsrik implementering är uppfyllda.
- Hitta “minimum AI model performance” krav.
Teknisk kravställning
- Vilken typ av plattform, t.ex. embedded, cloud, on-premise?
- Finns det ett behov av ett användargränssnitt?
- Vilka är prestandakraven, såsom svarslatens?
- Vad behövs i form av data-infrastruktur, så som databaser och datapipelines?
- Vilket är behovet av kontinuerlig träning, utvärdering och deployment?
Planering av projektet
- Kritiska punkter
- Uppskatta tidsåtgång
Projektstart
- Kontinuerlig kontakt och uppföljning enligt agilt arbetssätt (scrum/kanban)
- Löpande rapportering under genomförandet
Leverans & slutrapportering
Samarbete
AI på allvar.
AI Sweden är det svenska nationella centret för tillämpad artificiell intelligens bestående av fler än 100 partners inom näringslivet, akademin och den offentliga sektorn.
Som partner till AI Sweden är vi en del av deras mission att accelerera användningen av AI i Sverige till förmån för vårt samhälle, vår konkurrenskraft och för alla som bor här. Som partner får vi tillgång till nya verktyg och innovativ teknologi, kunskap och ett nätverk på 100+ partners från olika sektorer i Sverige.
Vårt bidrag till är att dela med oss av våra erfarenheter, tekniska såväl som affärsmässiga!
Några tidigare uppdrag.
Hemlarm
Utveckling av maskininlärningsmodeller för detektionssystem för hemlarm.
Den övergripande problemställningen är att detektera inkräktare samtidigt som systemet inte ska generera falsklarm från andra källor, till exempel husdjur.
Arbetet innebär utveckling av olika typer av klassificeringsmodeller, för tidseriedata och bilddata.
Utöver utvecklandet av själva modellerna ska kravställning, insamling och annotering av data, utveckling av träningsramverk på molntjänster, med mera, komma på plats.
Klassificeringssystem
AI-modul för integrering i ett befintligt system för att kategorisera text data i olika klassificeringssystem. Arbetet inkluderade text pre-processing och implementering av modeller för att bädda in ord.
Frontendutveckling för samma system - utveckling av ett user interface i React för att hantera input data, demonstrera kategorisering och underlätta datainsamling.
Samma kund valde oss för att modernisera deras befintliga webbapplikation som var skriven i jQuery och webforms. Utveklingen gjordes i React och arbetet krävde planering, omstrukturering och utveckling av ett nytt arbetsflöde för att kunna leverera en klonad version av webbapplikationen med ytterligare funktioner.
Sample gathering
Utveckling och design av en “mobile first sample gathering” webbapplikation med serverlös backend i Azure. Implementering av model träning och versioning pipeline. Modellerna användes sedan för prediktering av en annan webapplication client genom att använda Tensorflow JS i real-tid.
Förstudie
Förstudie för att undersöka möjligheten att applicera AI, data science och machine learning-metoder inom ett specifikt område hos kund i mobilbranschen.
Inbyggda system
Mjukvaruutveckling inom Machine Learning för användning i inbyggda system hos kund inom säkerhetsbranschen. Huvudsakligen med C och C++ som programmeringsspråk och Python samt shell script för utveckling av test- och träningsramverk samt dataanalys.