Какие задачи мы решаем

Анализ пользовательского поведения

Логирование всех действий пользователя без их анализа, выводов и корректировки сайта по результатам этих выводов практически безполезно. Анализ данной информации повзоляет сделать сайт действительно удобным и функциональным.

Системы рекомендаций

Это советы пользователям о сочетающихся товарах, фильмах или книгах, которые будут интересны именно ему и прочие персонально подобранные тоывра и услуги, основанные на действиях пользователя.

Построение систем прогнозирования

Задачи, оценивющие будущее, на основе имеющихся данных, например, прогноз погоды, стоимость акций, пробок на дорогое и т.д.

Задачи классификации

К задачам классификации относятся: сегментирование целевой аудитории или пользовательской базы, диагностика сбоев и нарушений в технических системах, мониторинг, контроль качества, диагностика и так далее.

Задачи распознования

Задачи распознования изображений, видео, объектов на изображениях, гос. номеров на видеопотоке и так далее. А так же распознования сигналов и информации в зашумленных каналах.

Машинное обучение

Машинное обучение применяется для всех выше описанных задач и повзоляет улучшать работу алгоритма, показывать системе правильное решение. Чем больше разноплановость данных для обучения, тем точнее работа системы.

Задачи, которые мы решили

Аналитическая cистема для спортивного трекера 2sport

Анализ многомерных статистических данных спортивных тренировок, записанных gps-трекером. Кластерный анализ по географии, скорости, длительности, времени старта позволяет подобрать наилучшего напарника для совместных тренировок

Бонусная система "Матрица" для сетевого бизнеса

Сложная система начисления бонусов в сетевом бизнесе. За каждую покупку пользователь получает жетон, который по определенному правилу вставет в бинарное дерево. И когда под жетоном появляется нужное количество других жетонов, он оплачивается. "Матрица" растет бесконечно, а все рассчеты происходят в режиме реального времени.

Обмен данными между двумя министерствами

Необходимо ежедневно проводить запрос 4500 записей в базе, затем каждый час - запрос дополнительной информации по каждой записи через API и сохранять результатов в файл специального формата. Последовательное выполнение этих операций раньше занимало 2 часа, после распараллеливания и оптимизации - 2-3 минуты. Выходные данные затем запаковываются в архив с паролем и загружаются на удаленный ftp-сервер.

Анализ данных на заказ