Оптимизация, машинное обучение, проектирование и разработка алгоритмов

Мы разрабатываем аналитические модели для проблем, в которых слишком много переменных, ограничений и компромиссов, чтобы справиться с ними вручную. Наша работа охватывает пространственную и непространственную оптимизацию, включая распределение местоположения, выбор места, маршрутизацию, анализ покрытия, проектирование зон давления, составление расписания персонала, сокращение запасов, назначение и решение проблем планирования.

Когда проблема требует формальной оптимизации, мы проектируем структуру модели, определяем цели и ограничения, готовим конвейер данных и реализуем рабочий процесс решения с использованием таких инструментов, как Pyomo, PuLP, COIN-OR, GLPK и Gurobi. Там, где лучше всего подходит машинное обучение, мы создаем модели, поддерживающие прогнозирование, классификацию, определение приоритетов или обнаружение закономерностей, обычно используя рабочие процессы и платформы на основе Python, такие как TensorFlow.

Мы фокусируемся на решениях, которые объяснимы и пригодны для использования, а не просто интересны с математической точки зрения. Это означает упаковку результатов таким образом, чтобы они поддерживали реальные решения, документирование предположений, тестирование на соответствие операционным сценариям и, при необходимости, интеграцию модели в информационные панели, API, пакетные процессы или производственные продукты.