Slimme software

“The best way to find yourself is to lose yourself in the service of others” – Mahatma Gandhi 

Ontdek onze door AI en Big Data gedreven software!

Aime levert slimme software: maatwerk- en off-the-shelf-softwareoplossingen met een AI- en Big Data-component. Webapplicaties waarin uw backoffice meldingen ontvangt over verdachte situaties? Mobiele apps waarmee in het veld door grote datasets gezocht kan worden? Of een data-analyse die inzichtelijk is gemaakt in een dashboard? Welkom bij Aime.

Hoe we dat doen? We leggen het hieronder graag aan u uit!

Stap 1: we gaan om tafel en trakteren u op ☕

Stap 1: we gaan om tafel en trakteren u op ☕

Om elkaar goed van dienst te kunnen zijn is het belangrijk dat we elkaar begrijpen. Dat wij als Aime snappen welke problemen er spelen in uw business en wat er momenteel gebeurt om deze op te lossen. We gaan daarvoor met u om tafel en kijken waar we een eerste stap kunnen zetten.

Om elkaar goed van dienst te kunnen zijn is het belangrijk dat we elkaar begrijpen. Dat wij als Aime snappen welke problemen er spelen in uw business en wat er momenteel gebeurt om deze op te lossen. We gaan daarvoor met u om tafel en kijken waar we een eerste stap kunnen zetten.

Stap 2: we doen een haalbaarheidsonderzoek

Stap 2: we doen een haalbaarheidsonderzoek

Net als ieder ander softwareproject heeft ook de inzet van AI en Big Data een impact op uw organisatie. Voorafgaand aan de daadwerkelijke ontwikkeling onderzoekt Aime wat de kansen en mogelijkheden zijn voor de in stap 1 geïdentificeerde kans. Daarmee krijgt u een realistisch beeld van de situatie.

Net als ieder ander softwareproject heeft ook de inzet van AI en Big Data een impact op uw organisatie. Voorafgaand aan de daadwerkelijke ontwikkeling onderzoekt Aime wat de kansen en mogelijkheden zijn voor de in stap 1 geïdentificeerde kans. Daarmee krijgt u een realistisch beeld van de situatie.

Stap 3: we ontwikkelen een Proof of Concept

Stap 3: we ontwikkelen een Proof of Concept

Als men niet uitkijkt loopt een softwareproject al gauw uit de klauwen. Daarom bouwen we in stap 3 eerst een Proof of Concept met een beperkte scope. U krijgt na deze stap een tastbaar product in handen en ervaart de kracht van de combinatie tussen AI & Big Data.

Als men niet uitkijkt loopt een softwareproject al gauw uit de klauwen. Daarom bouwen we in stap 3 eerst een Proof of Concept met een beperkte scope. U krijgt na deze stap een tastbaar product in handen en ervaart de kracht van de combinatie tussen AI & Big Data.

Stap 4: we schalen de software op

Stap 4: we schalen de software op

Wanneer het Proof of Concept kansrijk blijkt te zijn kunnen we de software verder helpen opschalen. We kunnen u adviseren bij het opschalen op zowel businessniveau (meer business units en afdelingen) als technologisch niveau.

Wanneer het Proof of Concept kansrijk blijkt te zijn kunnen we de software verder helpen opschalen. We kunnen u adviseren bij het opschalen op zowel businessniveau (meer business units en afdelingen) als technologisch niveau.

Wat ging uw project voor?

Een greep uit de software die we reeds voor anderen hebben ontwikkeld.

osLabel

Webapplicatie: Angular, ExpressJS, NodeJS

Het meest vervelende werk, aldus data scientists, is het labelen van data. Het is een tijdrovende en behoorlijk repetitieve klus. Een goede user interface is daarbij onontbeerlijk. Aime’s osLabel-software stelt uw medewerkers in staat om op een intuïtieve manier data te labelen en zodoende geschikt te maken voor Artificial Intelligence.

Object recognition demo

Deep learning-applicatie: Tensorflow, OpenCV

Voor Business Innovation Campus de Gasfabriek in Deventer ontwikkelden we een object recognition demo. Op een computerscherm in het innovatiecentrum draait deze applicatie, waardoor bezoekers de kracht van Artificial Intelligence met eigen ogen kunnen ervaren. De demo herkent circa 90 objecten, waaronder mensen, mobiele telefoons, flessen, dieren zoals honden en katten, en meer!

Ping identificatie

Deep learning & machine learning: Tensorflow, Keras, Scikit-learn

Voor een opdrachtgever die actief is op het gebied van ondergrondse infrastructuur heeft Aime het Proof of Concept ‘Ping identificatie’ ontwikkeld. Bij bouwwerkzaamheden worden regelmatig ondergrondse objecten geraakt. Met grondradartechnologie kunnen die worden waargenomen, maar tot nu toe enkel achteraf en met complexe, zelfgeschreven wiskundige programma’s. Dat kan anders: met deep learning- en machine-learning-modellen toonden we aan dat het identificeren van pings ook kan zonder complexe code!

Gemaakt met moderne bouwblokken

De wereld van vandaag vereist flexibiliteit. Om uw software naar behoeven aan te passen. Of om uw software op grotere schaal in uw organisatie in te zetten. Aime bouwt haar slimme software met toegankelijke bouwblokken. Daarmee beperkt u de risico’s voor uw organisatie.

Aime heeft in de loop der tijd ervaring opgedaan met de volgende technologieën.

Tensorflow

Tensorflow

Deep learning

Keras

Keras

Deep learning

Scikit-learn

Scikit-learn

Machine learning

Amazon AWS

Amazon AWS

Cloudtechnologie

Spark

Spark

Big data

Spark SQL

Spark SQL

Big data

Angular

Angular

Webapplicaties

React Native

React Native

Mobiele apps

Unity

Unity

Agent based AI

Tableau

Tableau

Dashboarding

Qlikview

Qlikview

Dashboarding

IBM Watson

IBM Watson

Data analytics

Wat ging uw project voor?

Een greep uit de software die we reeds voor anderen hebben ontwikkeld.

osLabel

Webapplicatie: Angular, ExpressJS, NodeJS

Het meest vervelende werk, aldus data scientists, is het labelen van data. Het is een tijdrovende en behoorlijk repetitieve klus. Een goede user interface is daarbij onontbeerlijk. Aime’s osLabel-software stelt uw medewerkers in staat om op een intuïtieve manier data te labelen en zodoende geschikt te maken voor Artificial Intelligence.

Object recognition demo

Deep learning-applicatie: Tensorflow, OpenCV

Voor Business Innovation Campus de Gasfabriek in Deventer ontwikkelden we een object recognition demo. Op een computerscherm in het innovatiecentrum draait deze applicatie, waardoor bezoekers de kracht van Artificial Intelligence met eigen ogen kunnen ervaren. De demo herkent circa 90 objecten, waaronder mensen, mobiele telefoons, flessen, dieren zoals honden en katten, en meer!

Ping identificatie

Deep learning & machine learning: Tensorflow, Keras, Scikit-learn

Voor een opdrachtgever die actief is op het gebied van ondergrondse infrastructuur heeft Aime het Proof of Concept ‘Ping identificatie’ ontwikkeld. Bij bouwwerkzaamheden worden regelmatig ondergrondse objecten geraakt. Met grondradartechnologie kunnen die worden waargenomen, maar tot nu toe enkel achteraf en met complexe, zelfgeschreven wiskundige programma’s. Dat kan anders: met deep learning- en machine-learning-modellen toonden we aan dat het identificeren van pings ook kan zonder complexe code!

Interesse in de mogelijkheden?

Interessant! Zoals we al schreven bent u van harte welkom voor koffie of thee. Wilt u liever dat we bij u langskomen, dan kan dat natuurlijk ook.