Tối ưu hóa, học máy cũng như thiết kế và phát triển thuật toán

Chúng tôi phát triển các mô hình phân tích cho các vấn đề có quá nhiều biến số, ràng buộc và sự đánh đổi để có thể quản lý tốt bằng tay. Công việc của chúng tôi bao gồm tối ưu hóa không gian và phi không gian, bao gồm phân bổ vị trí, lựa chọn địa điểm, định tuyến, phân tích vùng phủ sóng, thiết kế vùng áp lực, phân công nhân viên, cắt giảm hàng tồn kho, phân công và lập kế hoạch.

Khi một vấn đề yêu cầu tối ưu hóa chính thức, chúng tôi thiết kế cấu trúc mô hình, xác định mục tiêu và các ràng buộc, chuẩn bị đường truyền dữ liệu và triển khai quy trình giải quyết bằng các công cụ như Pyomo, PuLP, COIN-OR, GLPK và Gurobi. Trong trường hợp máy học phù hợp hơn, chúng tôi xây dựng các mô hình hỗ trợ dự báo, phân loại, ưu tiên hoặc phát hiện mẫu, thường sử dụng các quy trình và khung làm việc dựa trên Python như TensorFlow.

Chúng tôi tập trung vào các giải pháp có thể giải thích và sử dụng được chứ không chỉ thú vị về mặt toán học. Điều đó có nghĩa là đóng gói các kết quả đầu ra theo cách hỗ trợ các quyết định thực tế, ghi lại các giả định, thử nghiệm dựa trên các kịch bản hoạt động và khi cần, tích hợp mô hình vào bảng thông tin, API, quy trình hàng loạt hoặc sản phẩm sản xuất.