Kompjuterska vizija za farme živine
Praćenje pilića na velikim farmama peradi je radno intenzivan, zahtijeva stalnu pažnju na okolišne uvjete i dobrobit životinja, što može ometati produktivnost osoblja. Koristeći AI i ML sa HPC-om, razvijeno je rješenje za stvaranje rubnih AI uređaja i senzora za kompjuterski vid koji efikasno prate parametre kao što su ponašanje pilića, tjelesna temperatura i rast. Sa IoT-omogućenim kamerama i ML modelima obučenim pomoću HPC-a, pristup je postigao preko 90% tačnosti u otkrivanju i segmentaciji pilića, uz 10 puta smanjenje vremena razvoja modela. Ova inovacija podržava preciznu poljoprivredu, pružajući poljoprivrednicima napredne alate za povećanje produktivnosti i osiguravanje humane proizvodnje hrane.
Pročitajte više na: [link].
Predviđanje metrike tržišta električne energije
Predviđanje cijena i opterećenja električne energije za dan unaprijed je od suštinskog značaja za donošenje odluka na energetskom tržištu, gdje učesnici nastoje izbjeći volatilnost cijena. Korišćenjem veštačkih neuronskih mreža (ANN) i modela predviđanja vremenskih serija, ovo istraživanje istražuje efikasne metode za predviđanje metrike električne energije koristeći skupove podataka sa tržišta kao što su HUPX i Crna Gora. Studija otkriva da arhitekture ANN koje kombinuju potpuno povezane slojeve sa rekurentnim ili vremenskim konvolucionim slojevima daju najtačnija kratkoročna predviđanja, naglašavajući potencijal vremenskih konvolucionih mreža za dalja istraživanja. Standardizirane metode poređenja i saradnja sa stručnjacima iz industrije osiguravaju robusnu procjenu pristupa predviđanju i njihovu relevantnost za energetski sektor.
Pročitajte više na: [link].
Personalizovana bankarska softverska rešenja
Projekat razvija SaaS rješenja za poboljšanje personaliziranih bankarskih i platnih usluga kroz strojno učenje i prikupljanje podataka. Nadovezujući se na aplikaciju SKEN za praćenje troškova, novi sistem će se integrirati sa aplikacijama mBanking i eBanking, pružajući korisnicima automatsku, detaljnu kategorizaciju transakcija i uvid. Koristeći ML algoritme zasnovane na NLP-u, sistem klasifikuje transakcije u unapred definisane kategorije kao što su hrana ili usluge, koristeći podatke iz SKEN-a i ekspertizu istraživanja. Ova inovacija ima za cilj da finansijskim institucijama ponudi napredne alate za bolje angažovanje klijenata i poboljšane finansijske uvide.
Pročitajte više na: [link].
PAID-T: Napredne simulacije trgovanja
PAID MNE je kompanija specijalizovana za izradu skalabilnih softverskih rešenja za investicione firme, koristeći napredne algoritme, mašinsko učenje i vještačku inteligenciju za optimizaciju strategija trgovanja i upravljanja rizikom. Njihovo PAID-T rješenje dinamički se prilagođava tržišnim fluktuacijama, nudeći optimizirano iskustvo trgovanja. Projekat PAID-T se bazira na optimizaciji složenih algoritama trgovanja pokretanjem miliona simulacija za fino podešavanje parametara za precizno predviđanje cijena.
Pročitajte više na [link].
Uhura: Generativna AI inteligentna platforma za automatizaciju procesa
Uhura Solutions razvija AI platformu za automatizaciju procesa vođenih dokumentima u finansijskim uslugama. Projekat „Generative AI Intelligent Process Automation Platform – GAIPAP“ je transformativna inicijativa koja ima za cilj revoluciju u finansijskoj industriji kroz integraciju naprednih rješenja za automatizaciju vođenih vještačkom inteligencijom koja kombinuju mogućnosti LLM modela, low code razvoja i automatizaciju procesa.
Pročitajte više na [link].
Wasco AI – Optimizacija prilagođenog AI asistenta putem HPC-a
Razvoj naprednih AI modela za obradu videa i vizuelnu analitiku zahtijeva ogromnu računarsku snagu i sposobnost rukovanja složenim podacima u realnom vremenu. Standardna serverska infrastruktura nije bila dovoljna da omogući skaliranje modela do nivoa potrebnog za testiranje, optimizaciju i razvoj novih funkcionalnosti. Ključni izazov bio je kako osigurati resurse koji bi omogućili obuku modela na hiljadama GPU jezgara, a istovremeno održati stabilnost, brzinu i tačnost rezultata. Pored tehničkih prepreka, postojao je i izazov pozicioniranja lokalnog projekta unutar evropskog konteksta, gdje se neki od najnaprednijih istraživačkih i industrijskih timova takmiče za resurse.
Pročitajte više na [link].
Korištenje AI i HPC-a za jačanje autentičnosti i povjerenja u med
Provjera autentičnosti meda ostaje složen i resursno intenzivan proces, posebno kada se određuje botaničko i geografsko porijeklo tradicionalnim melisopalinološkim metodama. Ručna mikroskopska analiza polenovih zrna zahtijeva visoko specijaliziranu stručnost, oduzima puno vremena i uvodi varijabilnost između laboratorija, što otežava skaliranje provjere uz očuvanje konzistentnosti i pouzdanosti. Za proizvođače meda i poljoprivrednike, posebno za mala i srednja preduzeća, ova ograničenja ograničavaju pristup premium i izvoznim tržištima, gdje su provjereno porijeklo i sljedivost sve obavezniji. Nedostatak brzih, objektivnih i pristupačnih alata za provjeru slabi konkurentnost i izlaže proizvođače reputacijskim rizicima povezanim s krivotvorenjem meda i pogrešnim označavanjem.
Pročitajte više na [link]