Software ontwikkeling
Appontwikkeling
Cybersecurity
AI
Algorithmus Schmiede GmbH alternatieven
Profieloverzicht
- Minimumbudget
- > € 10.000
- Uurtarief
- € 100 - € 149
- Bedrijfsgrootte
- 2-10
- Oprichtingsjaar
- 2018
- Klantcases
- 3
- Gesproken talen
- Deutsch (German), English (English)
Over Algorithmus Schmiede GmbH
De Algorithmus Schmiede neemt onderzoeks- en ontwikkeltaken op het gebied van data science, data-analyse, wiskunde, natuurkunde & algoritmen. Onze medewerkers zijn gepromoveerde natuurwetenschappers.
Onze focus ligt op uitvalbestendigheid en nauwkeurigheid van de ontwikkelde algoritmen en de gebruikte data science-methoden. Onze klanten komen voornamelijk uit de industriële sector, waar foute prognoses kunnen leiden tot stilstandtijden of zelfs terugroepacties.
Hieronder volgen enkele concrete diensten:
- Ontwikkeling van algoritmen voor de industrie: predictive maintenance, predictive quality, digitale tweeling
- Softwareontwikkeling op het gebied van AI / kunstmatige intelligentie / AI / artificial intelligence / data science
- Ontwikkeling van algoritmen: bijv. Monte Carlo, beeldverwerking, wiskundige optimalisatie
- Presentaties / keynote-speeches over het onderwerp AI / kunstmatige intelligentie / AI / artificial intelligence: zowel over de basisprincipes van AI als over praktische toepassingen in een industriële context
- Programmering in Python, C, C +/ Cpp / C Plus Plus, Fortran, Mathematica
- Natural language processing / taalverwerking: inzet van large language models (LLM) zoals ChatGPT en ontwikkeling van complexe vraagstukken op het gebied van taalverwerking: bijv. documenten categoriseren, informatie uit vrije tekst extraheren
- Wiskundige optimalisatievraagstukken: oplossing met methoden met verschillende complexiteit van lineaire optimalisatie tot op maat gemaakte algoritmen, bijv. https://www.algorithmus-schmiede.de/komplexe-optimierungsaufgaben/
Beoordelingen
Feedbax beoordelingen
Heeft u al samengewerkt met deze dienstverlener?
Diensten
- AI 70%
- Software ontwikkeling 20%
- BI en Big Data 5%
- IT-consulting 5%
Kunstmatige intelligentie
- Machine learning 40%
- Beeldverwerking 30%
- Spraak- en tekstverwerking 15%
- Modellering op basis van entropiekracht 10%
- Voorbeeldanalyse 5%
Programmeren & scripten
- Python 70%
- C Plus Plus (C++) 20%
- C 5%
- Overig 5%
Consultancy
- Projectbeheer 85%
- Digitale strategie 5%
- Digitale transformatie 5%
- IT-strategie 5%
Portfolio
Klanten
- Heidelberger Druckmaschinen AG
- Soniverse Softwareentwicklung
- T-Systems International GmbH
Downloads
Anwendungen Industrie PDFProjecten
Geautomatiseerde planning van bouwpercelen
Case study van Algorithmus Schmiede GmbH
Soniverse Softwareentwicklung GmbH
Architectuur en bouw
maart 2022
juli 2022
AI
-
Beschrijving
Het doel was om met behulp van kunstmatige intelligentie (KI, AI) en machine learning (ML, machinaal leren) een groot oppervlak op te delen in afzonderlijke bouwpercelen. Dit is een probleem op het gebied van optimalisatierekenen dat niet langer kan worden opgelost met lineaire optimalisatie. Of de optimalisatie van de percelen met behulp van data science-methoden werd uitgevoerd door een data scientist, via Monte Carlo of via klassieke algoritmen, was voor de opdrachtgever niet relevant.
Uitdaging
Een oppervlak van 65.000 m² werd als benchmark genomen. Dit leidde al snel tot de optimalisatie van een combinatorisch probleem dat numeriek niet meer kon worden gemodelleerd met exacte wiskunde. Ook de Monte Carlo-aanpakken van het proof of concept waren niet langer succesvol. De gebruikte graph-bibliotheek (Python) voor de wiskundige modellering van het optimalisatieprobleem zorgde eveneens voor prestatieverlies.
Oplossing
Voor de optimalisatie van de bouwpercelen gebruikten wij een meerfasig algoritme. Hiervoor maakten we gebruik van beproefde methoden uit de wiskunde, natuurkunde en numeriek. We vervingen de graph-bibliotheek door een alternatief op basis van C++ in plaats van Python. Dit beschikte over een Python-interface, zodat onze programmacode volledig uit Python bleef bestaan.
Resultaten
We ontwikkelden een applicatie voor kunstmatige intelligentie (KI, AI) die in korte tijd een complexe optimalisatie van bouwpercelen uitvoert. Met data science-methoden voeren wij een data-analyse uit om de kwaliteit van onze resultaten te beoordelen. Zo ontwikkelden we een algoritme dat een optimalisatie uitvoert van een aanzienlijk complexer probleem dan mogelijk is met lineaire optimalisatie. We zetten machine learning (ML, machinaal leren) niet in om dit probleem op te lossen, omdat de opdracht dicht bij de wiskunde lag en hier vermoedelijk doordachte benaderingen tot duidelijk betere resultaten zouden leiden dan wat men van machine learning (ML, machinaal leren) zou kunnen verwachten.
Projectbeschrijving: https://www.algorithmus-schmiede.de/komplexe-optimierungsaufgaben/
Heeft u een soortgelijk project?
Neem contact op met de dienstverlener en ontvang zo spoedig mogelijk een passend aanbod.
Meer case studies van de dienstverlener
Team
Dr. Markus Dutschke:
- Data scientist en algoritmeontwikkelaar
- Eigenaar, sinds sept. 2018 zelfstandig
- Promotie in theoretische natuurkunde (2018)
- Python, C + +, Fortran
- Ontwikkeling van industriesoftware: predictive maintenance, predictive quality, digitale tweeling
- AI, kunstmatige intelligentie, AI, data science, machine learning, ML, machinaal leren, reinforcement learning
- Wiskunde, lineaire optimalisatie, optimalisatie, optimalisatierekenen, Monte Carlo-simulaties
- Numeriek, softwarearchitectuur, algoritmeontwikkeling
- Promotie: algoritme voor het verhogen van de nauwkeurigheid van ACAR-experimenten
- Masterproef: Monte Carlo (Metropolis Hastings)-simulatie van elektronen in een kristalrooster
- Bachelorproef: parameteroptimalisatie van kwantummechanische schakelprocessen
Dr. Marc Alexander
- Data scientist en algoritmeontwikkelaar
- In vaste dienst sinds aug. 2021
- Promotie in theoretische natuurkunde
- Python, C + +, Mathematica
- Ontwikkeling van industriesoftware: predictive maintenance, predictive quality, digitale tweeling
- AI, kunstmatige intelligentie, AI, data science, machine learning, ML, machinaal leren
- Wiskunde, lineaire optimalisatie, optimalisatie, optimalisatierekenen
- Numeriek, softwarearchitectuur, algoritmeontwikkeling
- Computer vision, template matching, differentiaalvergelijkingen, C + -Python-interfaces
- Promotie: simulatie van kwantummechanische meerdeeltjesystemen
- Masterproef: numerieke analyse van golffuncties
- Bachelorproef: numerieke oplossing van differentiaalvergelijkingssystemen
