Rozwój systemów predykcyjnych

Zespół

Jesteśmy zespołem 30 inżynierów i konsultantów, pasjonujących się sztuczną inteligencją oraz praktycznym zastosowaniem najnowszych osiągnięć badawczych. Naszą misją jest demokratyzacja i uproszczenie wykorzystania AI dla wszystkich naszych klientów.

Porozmawiajmy o moim projekcie

Pablo, Partner & Head of AI

Absolwent HEC, Pablo jest odpowiedzialny za rozwój biznesowy Galadrim w obszarze AI oraz doradza naszym klientom w strategicznych aspektach ich projektów. Wcześniej Pablo pracował jako wykładowca matematyki na uczelni wyższej.

Zobacz profil na LinkedIn

Benjamin, Partner & CTO AI

Inżynier, absolwent École Polytechnique i Corps des Mines, Benjamin zarządza zespołem technicznym i doradza naszym klientom w zakresie technologii najlepiej dopasowanych do ich potrzeb. Po odejściu z wyższej służby publicznej zajął się przedsiębiorczością, pełniąc kilka ról jako Lead Techniczny.

Zobacz profil na LinkedIn

Nasze realizacje

Prognozowanie popytu

Prognozowanie frekwencji w stołówkach szkolnych

Opracowanie algorytmu do prognozowania frekwencji w stołówkach szkolnych

Wykorzystanie zróżnicowanych danych: pogoda, plany zajęć, preferencje uczniów co do menu, historyczna frekwencja
Integracja algorytmu z oprogramowaniem Turboself 4
Wdrożenie pipeline'u do ciągłego doskonalenia algorytmu w oparciu o nowe dane

Prognozowanie popytu

Optymalizacja programowania kin

Opracowanie algorytmu do prognozowania liczby widzów w sali kinowej na danym seansie, na podstawie historii wyników, dnia i godziny seansu, popularności filmu itp.
Wykorzystanie tych prognoz do stworzenia algorytmu optymalizującego harmonogram operatora kinowego, maksymalizującego jego tygodniowe przychody przy jednoczesnym poszanowaniu ograniczeń programowych narzuconych przez dystrybutorów
Wdrożenie rozwiązania w formie aplikacji internetowej u ponad 15 operatorów kinowych

Optymalizacja

Algorytmy kalkulacji ryzyka

Konserwacja i rozwój algorytmu dedykowanego doradztwu finansowemu przy budowie portfela akcji i funduszy pieniężnych.

Weryfikacja danych dostarczonych przez klientów w celu zaoferowania im portfela produktów finansowych dostosowanego do ich oczekiwań
Optymalizacja algorytmu w celu walidacji oczekiwanych benchmarków
Utrzymanie i ciągłe doskonalenie narzędzi monitorujących

Przykłady zastosowania algorytmów predykcyjnych

Prognozowanie popytu

Szeregi czasowe

Regresja

Wykrywanie oszustw

Klasyfikacja

Rekomendacja produktów

Klasyfikacja

Regresja

Scoring kredytowy

Regresja

Klasyfikacja

Konserwacja predykcyjna

Szeregi czasowe

Optymalizacja zapasów

Szeregi czasowe

Regresja

Analiza churnu klientów

Klasyfikacja

Planowanie łańcucha dostaw

Szeregi czasowe

Regresja

Wykrywanie anomalii przemysłowych

Klasyfikacja

Analiza efektywności marketingowej

Regresja

Dynamiczne ustalanie cen

Regresja

Przewidywanie awarii

Szeregi czasowe

Segmentacja klientów

Klasyfikacja

Zarządzanie wydajnością

Szeregi czasowe

Regresja