Consultora de data science em Arnhem

Desenvolve modelos que preveem resultados, como a carga num segmento da rede elétrica ou o número de internamentos, e assegura que continuam a funcionar nas operações diárias. Estes modelos fazem parte das aplicações de IA que desenvolvemos.

Se procura primeiro aconselhamento sobre onde a IA pode trazer vantagens à sua organização, consulte consultor de IA em Arnhem. Aí abordamos as decisões a tomar; aqui, o foco está no próprio modelo e na consultoria de data science em Gelderland.

Não. O LUMC fica em Leiden. Referimos este caso de estudo como exemplo do nosso trabalho com modelos em produção num contexto clínico. Não publicámos nenhum caso de estudo com uma organização de Gelderland.

O nosso escritório fica na Westerdoksdijk, em Amesterdão. Em Arnhem, Nijmegen e no resto de Gelderland, trabalhamos presencialmente ou online.

O cairelab é o centro de especialização em IA na saúde do LUMC. O LUMC queria não só desenvolver e implementar IA, mas também assegurar a sua gestão sustentável na prática clínica diária, numa infraestrutura on-premise e soberana.

Trabalhámos no desenvolvimento de modelos, experiment tracking, CI/CD, model serving, monitorização e manutenção, bem como na integração com sistemas clínicos. O caso de estudo refere também MLflow, Docker, FHIR/HL7 e DICOM/PACS. Leia o caso de estudo.

Arnhem alberga a sede neerlandesa da TenneT e a sede estatutária da Alliander. A Liander, parte da Alliander, gere as redes regionais de gás e eletricidade, entre outras, em Gelderland.

Um modelo pode prever a carga num segmento da rede, ajudar a planear a manutenção ou detetar cedo anomalias nos dados de medição. Estes modelos usam séries temporais que refletem as estações do ano e as condições meteorológicas. Saiba mais sobre o nosso trabalho no setor em dados e IA para o setor da energia.

Monitorizando os dados de entrada e as previsões. Com data drift, os dados de entrada do modelo mudam, por exemplo, devido a novos contadores ou a uma forma diferente de registar os dados. Com concept drift, é a própria relação subjacente que muda, como quando um bairro passa a ter painéis solares em grande escala.

O resultado real só costuma ser conhecido mais tarde. Por isso, mede primeiro as alterações nos dados de entrada e depois compara as previsões com os resultados. Saiba como configuramos este processo em MLOps.

Muitas vezes, através de FHIR, uma norma da HL7 para o intercâmbio eletrónico de informação de saúde. O modelo lê os dados do processo clínico eletrónico e devolve o resultado a um sistema usado pelo profissional de saúde. Além de FHIR/HL7, o caso de estudo do LUMC refere DICOM/PACS para imagens médicas.

Na região encontram-se, entre outros, o Radboudumc em Nijmegen e o Rijnstate em Arnhem. O software que fornece informação para decisões diagnósticas ou terapêuticas pode estar abrangido pelo MDR; cabe ao seu departamento de assuntos regulamentares avaliar essa questão.

Nem sempre, mas é uma possibilidade. Os dados de pacientes e os dados sobre infraestruturas críticas estão sujeitos a requisitos rigorosos quanto ao local onde podem ser armazenados. Nesse caso, o modelo corre no seu próprio ambiente, com os mesmos componentes que teria na cloud: controlo de versões, um model registry, implementação automatizada e monitorização.

No LUMC, a ênfase estava numa infraestrutura on-premise e soberana, para salvaguardar a segurança, a privacidade e o controlo dos dados e dos modelos. Esta decisão é tomada antecipadamente, pois determina as ferramentas que pode utilizar.

Quando uma regra fixa, uma pontuação já conhecida ou um bom relatório respondem à questão, ou quando o resultado não está registado em lado nenhum. Nesse caso, comece pelos dados ou por um dashboard. Saiba como desenvolvemos modelos para imagens, texto e previsões em machine learning.

Para previsões por paciente ou cliente, com ênfase na validação, leia consultora de data science em Utrecht.