Copy
Bigdata, datavitenskap, maskinlæring, datavarehus, tekstanalyse, kategorisering av bilder, analyse av sosiale medier.
Les dette i din nettleser

Sommerhilsen

Vi står nå midt oppe i en ny revolusjon i dataindustrien.  Den største endringen siden "dot com".

Den gang, rundt årtusenskiftet, handlet det om tilgjengelighet. Nå handler det om hvordan vi kan trekke kunnskap ut av de stadig økende mengder produserte digitale data. For tre år siden, når Chronos startet opp, var maskinlæring, datavitenskap og bigdata begreper som de mange ikke hadde et forhold til. I dag skrives det om bigdata også i den generelle dagspressen.
Vi kan velge å sitte på gjerdet mens våre konkurrenter prøver ut og implementerer nye løsninger og bygger ny innsikt - "Que Sera, Sera" -  eller vi kan bestemme oss nå for å lære å utnytte de mulighetene som byr seg.

I løpet av de siste årene har vi blitt i stand til å:

  • Styre biler.
  • Evaluere bilder og beskrive innholdet i bildene i tekstform.
  • Slå Carlsen i Sjakk.
  • Lære å spille dataspill bedre en noe menneske kan klare.
  • Svare på medisinske spørsmålstillinger bedre enn den fremste eksperten.

Hold på tanken på hva som kreves for å styre en bil på veien. Det er ekstremt mye informasjon som må behandles på avansert måte for å være i stand til det. Vi mennesker tolker effektivt mønster i bildene vi ser, lydene vi hører, følelsen i rattet, bremse-, clutch-, og gass-pedal. Vi hører turtallet på bilen og vurderer veikvalitet, hindringer og skilter. Å prosessere all denne informasjonen er komplekst.


 
I tidligfase av såkalt kunstig intelligens (Artificial Intelligence-AI) fokuserte fagmiljøene på å definere avanserte regler. Dataløsningene var bygget for å trekke slutninger basert på reglene. Maskinene kunne også lage nye regler som var konsistente og kompletterende til de forhåndsdefinerte reglene. Systemet kune deretter besvare konkrete spørsmål basert på dette. 
Disse regelbaserte systemene var, og er, viktige og kan være meget kraftige.

I dag har utviklingen gått i retning av at man lager selvlærende maskiner.
Reglene for hvordan maskinen skal lære defineres på forhånd, men ikke reglene i seg selv.
Maskinen lærer selv, basert på innmating av store mengder erfaringsdata.

Tilgang til data og prosessorkraft har gjort at denne tilnærmingen er mulig, og til tider fungerer fascinerende godt!  Noen ganger oppleves det som ren magi. 

Er du nysgjerrig på hva de nye mulighetene kan bety for deg så ta kontakt.
Vi kan både fortelle om, og demonstrere mulighetene for deg.

Litt om Chronos' oppgaver siste halvåret
I løpet av det siste halvåret har Chronos arbeidet med:

  • Predikere omsetning på hoteller basert på historiske data og prognoser framover i tid (eks. vær og arrangementkalendre).
  • Innsamling av tekster fra Facebook og Twitter og tekstanalyse av dette materialet.
  • Prediksjon av framtidig belastning i en automatisert materialflyt-operasjon. Dette kan brukes for å planlegge bemanning og beredskap og analyse av behov for preventivt vedlikehold
  • Analyse av røntgenbilder. Vi ser på hvordan vi kan segmentere deler av tannlegebilder basert på tidligere manuelt segmenterte bilder. Formålet er å automatisere dagens manuelle arbeid utført av eksperter.
  • I tillegg arbeider vi med mer tradisjonelle BI-, datavarehus og databaseløsninger som er de viktigste datakildene for de fleste datavitenskapsprosjekter i dag.
 
Vi i Chronos ønsker deg lykke til med dine ambisjoner og planer, enten du er kunde, samarbeidspartner, sparringspartner eller interessent. 

God sommer!


 

Du finner oss på: 
www.chronosit.no  | twitter: @Chronos_IT | linkedin:ChronosIT

Copyright © 2016 Chronos AS, Alle rettigheter.


avmeld meg fra epostliste    oppdater epostlistepreferanser 

Email Marketing Powered by Mailchimp