thumbnail image
  • Agence
  • Studio 
    • UNFOLD traitement intelligent des documents
    • SYNTHETIC analyse de verbatim
    • AQC contrôle la qualité d'un produit
    • S2S recherche vocale
    • En savoir + sur le studio ℹ️
  • Le blog
  • À propos 
    • L'équipe
    • Nous rejoindre
  • 🇬🇧
  • …  
    • Agence
    • Studio 
      • UNFOLD traitement intelligent des documents
      • SYNTHETIC analyse de verbatim
      • AQC contrôle la qualité d'un produit
      • S2S recherche vocale
      • En savoir + sur le studio ℹ️
    • Le blog
    • À propos 
      • L'équipe
      • Nous rejoindre
    • 🇬🇧
    Nous contacter
    • Agence
    • Studio 
      • UNFOLD traitement intelligent des documents
      • SYNTHETIC analyse de verbatim
      • AQC contrôle la qualité d'un produit
      • S2S recherche vocale
      • En savoir + sur le studio ℹ️
    • Le blog
    • À propos 
      • L'équipe
      • Nous rejoindre
    • 🇬🇧
    • …  
      • Agence
      • Studio 
        • UNFOLD traitement intelligent des documents
        • SYNTHETIC analyse de verbatim
        • AQC contrôle la qualité d'un produit
        • S2S recherche vocale
        • En savoir + sur le studio ℹ️
      • Le blog
      • À propos 
        • L'équipe
        • Nous rejoindre
      • 🇬🇧
      Nous contacter
      • Automatisation et optimisation

        Use cases : Automatisation et optimisation (wip)

        • Définir un système d’optimisation des décisions appuyé sur des modèles mathématiques complexes après analyse de l’historique ;
        • Optimiser l’utilisation de matières premières pour l’amélioration du rendement et l’obtention de caractéristiques désirées du matériau fini par analyse combinatoire et modélisation des corrélations ;
        • Automatiser l’amélioration des visuels d’une présentation grâce à des méthodes de clustering et d’analyse physique des composantes d’un slide.

        Technologies : Automatisation et optimisation (wip)

        • L’analyse combinatoire permet d’étudier toutes les possibles combinaisons entre différents éléments.
        • Dans les cas où peu de données sont disponibles, on peut effectuer des études statistiques et observer les corrélations présentes entre les features pour effectuer une prédiction.
        • Dans les cas où beaucoup de données sont disponibles, on peut faire intervenir des modèles plus complexes de machine learning (régression logistique, forêts de décision, gradient boosting… selon les cas)
        • Diverses méthodes de réduction de dimensionnalité et de pondération des features mettent en lumière quelles données d’entrée sont importantes pour les prédictions d’un modèle.

      Contactez-nous !


      Onogone

      137, Rue Saint-Martin, 75004, Paris

      +33 6 34 38 41 54

      team@onogone.com

       

      Termes et Conditions
        Tous Les Articles
        ×
        ×
        Termes et Conditions
        www.onogone.com est édité par la société Onogone SAS au capital de 15000€, dont le siège est situé au 51 rue du Maréchal Foch 78 000 VERSAILLES (SIREN : 823 444 971). Le directeur de publication est monsieur Pierre Magrangeas.
        
        Il est hébergé par la société OVH –  2 rue Kellermann – 59100 ROUBAIX – France
        Pour contacter cet hébergeur, rendez-vous à l’adresse http://www.ovh.com/fr/support/
        
        Utilisation des cookies
        Nous utilisons des cookies pour assurer une expérience de navigation fluide. En continuant, nous supposons que vous acceptez l'utilisation des cookies.
        En savoir plus