„Sztuczna inteligencja zmienia świat!” Banał? Komunał? Z pewnością! Ale też niepodważalny fakt. Oczywiście można się spierać na ile „inteligencja” jest obecnie prawdziwą, leksykalnie rozumianą cechą systemów, to trudno już polemizować z użytecznością i efektywnością uczenia maszynowego i głębokiego, a także skuteczności inferencji. Początkowo wykorzystywana głównie w badaniach naukowych, od pewnego czasu AI staje się podstawą rozwiązań komercyjnych.
Modele użytkowania
On premise
Systemy szyte na miarę, lokowane w infrastrukturze klienta to rozwiązanie najbardziej optymalne dla:
Zobacz więcej
Rozwiązania oparte na GPU
Coraz częściej infrastruktura analityczna jest zupełnie osobnym bytem od miejsca odbioru i przechowywania danych. Jednak aby sprostać ilości i różnorodności danych konieczne jest budowanie klastrów, w których poszczególne węzły odpowiadają za inne zadania.
Ograniczenia technologiczne nie pozwalające na dalsze miniaturyzowanie infrastruktury wymuszają zmianę podejścia. W stronę klastrów z jednostkami GPU.
Szeroki wachlarz rozwiązań oferowanych przez naszą firmę umożliwi analitykom szybsze oraz bardziej trafne wyciąganie wniosków na podstawie dużej ilości danych. W ofercie Comtegra znajdują się jednostki obliczeniowe oparte o rozwiązania NVIDIA gotowe do stworzenia wysokowydajnych klastrów obliczeniowych. Zapewniamy też pełne wsparcie w procesie adaptacji rozwiązań GPU.
Comtegra S.A. w ramach programu FEM 2021-2027 Fundusze Europejskie dla Mazowsza, otrzymała dofinansowanie na realizację projektu „STRUKTURA – System Transformacji i Reorganizacji Nieuporządkowanej Kompilacji Tekstów Używający Rozbudowanych Algorytmów”.
Całkowita wartość projektu: 4 812 805,35 PLN.
Wielkość dofinansowania ze środków EFRR: 2 244 444,15 PLN.
Projekt ma na celu rozwinięcie technologii RAG, umożliwiającej przekształcanie nieustrukturyzowanej wiedzy organizacji do eksplorowalnej przez użytkownika nieposiadającego specyficznej, domenowej wiedzy. Planem jest zbadanie niestosowane wcześniej techniki pracy z danymi, a następnie wykorzystać je w budowie systemu klasy enterprise, dzięki któremu przedsiębiorstwa będą mogły skuteczniej wykorzystywać posiadane dane, podejmować decyzje w oparciu o nie oraz budować przewagę konkurencyjną. Planowane badania obejmą obszary automatycznego mapowania baz wiedzy na inteligentne struktury, hierarchiczności danych i struktur ich połączeń, a wszystko po to, by usprawnić jakość narzędzi ekstrakcji danych.