Często podczas pozyskiwania informacji, otrzymujemy od naszych klientów dostęp do danych składających się wyłącznie z pozytywnych zdarzeń np. listy przedmiotów zakupionych przez każdego użytkownika lub klikniętych reklam. Wiele modeli uczenia maszynowego, aby móc prawidłowo oszacować prawdopodobieństwo pozytywnego zdarzenia potrzebuje też negatywnych zdarzeń. Mogą to być przedmioty, których użytkownik nie kupił podczas wizyty w sklepie (pomimo tego, że miał szansę je kupić) lub reklamy, które zobaczył, ale ich nie kliknął. W części projektów tych negatywnych zdarzeń jest tak dużo, że przetwarzanie ich wszystkich jest zbyt czasochłonne. W takich sytuacjach stosujemy samplowanie negatywnych zdarzeń, czyli wybór losowego podzbioru ze wszystkich potencjalnie dostępnych negatywnych

Nowoczesna opieka zdrowotna coraz częściej korzysta z innowacji, które zawdzięczamy szybkiemu rozwojowi sztucznej inteligencji. W MIM Solutions zajmujemy się kwestiami związanymi z leczeniem niepłodności, ale cały czas bacznie obserwujemy inne wykorzystania AI w medycynie. Sztuczna Inteligencja pomaga lekarzom skanować krew pod kątem szkodliwych bakterii. W Beth Israel Deaconess Medical Center w Bostonie pracownicy służby zdrowia używają mikroskopów wspomaganych sztuczną inteligencją, które uczą się, jak rozpoznawać infekcje w próbce krwi. Trafność ich przewidywań sięga 95%. Nowoczesna technologia jest niezbędna w odkrywaniu nowych leków. Ponieważ obecny format badań klinicznych nad nowymi farmaceutykami jest długotrwały i kosztowny (tylko 1 na 1000 leków rozpoczyna

Uniwersalny wzór umowy prawnej nie istnieje. Nie sposób oprzeć się na jednym przykładzie, ponieważ dokumenty prawne wymagane są w wielu różnych przypadkach i instytucjach. Dodatkowo w miarę jak prawo podatkowe i ubezpieczeniowe staje się coraz bardziej złożone, urzędom skarbowym czy instytucjom ubezpieczeniowym coraz trudniej jest przygotować indywidualne dokumenty dla każdej instancji. We współpracy z firmą Pergamin, startupem specjalizującym się w obsłudze dokumentów, opracowaliśmy narzędzie do automatycznej semantycznej analizy umów prawnych. Naszym celem była pomoc w tworzeniu prawnych wzorców umów z wykorzystaniem niewielkiej liczby umów pozyskanych od danego klienta. Tym samym usprawniamy przygotowywanie umów w firmie. Narzędzie akceptuje wiele formatów (tekst,

Kilka tygodni temu otrzymaliśmy świetną informację o tym, że jedna z naszych publikacji została przyjęta na międzynarodową konferencję dotyczącą machine learning – International Conference on Machine Learning (ICML 2021). Za powstaniem tego artykułu kryje się ciekawa historia. Do jego powstania nie doszłoby, gdybyśmy nie skojarzyli pewnej nietrywialnej zależności. Ponad rok temu pracowaliśmy nad bardziej ogólnym rozwiązaniem problemu parametrycznego przepływu. Wcześniej skutecznie rozwiązywano tylko bardzo szczególne przypadki. Na pierwszy rzut oka wydaje się, że ten problem nie ma nic wspólnego z minimalizacją rozkładalnych funkcji submodularnych. Jednak z biegiem czasu zdaliśmy sobie sprawę, że był to brakujący krok w sprowadzaniu tego problemu

W dziedzinie e-commerce kluczowe jest dopasowanie przedstawianych treści do potrzeb konkretnego użytkownika. W MIM Solutions zbudowaliśmy algorytm dedykowany dla firmy HitDuck, który po kliknięciu użytkownika w reklamę produktu automatycznie wybiera stronę, na którą przekierować użytkownika, jak również kolejne strony, tworzące tzw. ścieżkę konwersji. Do tego zagadnienia został zastosowany model wielorękiego bandyty (Multi-armed Bandit), który modeluje grę, w której w każdym ruchu musimy wybrać jeden spośród k automatów, z których każdy ma określone (lecz nieznane) prawdopodobieństwo pi nagrody. Strategia wyboru musi działać na zasadzie pewnego kompromisu pomiędzy eksploracją nowych automatów a eksploatacją tych, które działają dobrze. W naszym zastosowaniu “automatami” są