Champs Libres

Les équilibristes

Page & Plume

Bazal

Fashion Content

Brakage

Le Hub Nomade

Pipeline

REDTEAM

FLEET Collective

Stratégie SI

Ana&Eve

Le Coup d'Après

koalition.ai

Iteru

BACARGO

Pladetta

Créaboost

Litt'oral

<p>L'un des plus grands ennemis de la grande barrière de corail est l'étoile de mer. Plus précisément : les étoiles de mer "couronne d'épines". La détection de l'apparition de ces parasites est donc le nerf de la guerre.</p><p></p><p>Chez Bazal, nous avons donc entraîné un réseau de neurones (de type CNN) sur un dataset de photos de surveillance où ces étoiles de mer ont été encadrées. Le but ? Reconnaître leur présence sur les photos prises par les caméras sous-marines afin d'empêcher leur prolifération.</p><p></p><p>Ci-dessous l'une des images sur lesquelles nous avons fait tourné notre prototype avant livraison au client. Sont encadrés en rouge les objets détectés par le réseau.</p><div class="image-container"><div class="image-row-wrapper"><div class="image-wrapper"><img src="https://cdn.collective.work/cldvt6s5u0gzi5weo7h239mhp.png"><div class="image-overlay"></div></div></div></div>

Détection d'étoiles de mer sur photos de la barrière de corai

Python

Machine learning

Détection d'objet - Computer Vision

LumyMe

<p>LumyMe est une plateforme mettant en contact photographes et clients. C'est une entreprise que nous avons cofondée, et dont nous avons vendu nos parts.</p><p>La problématique était la suivante : comment automatiser la retouche des photos et évaluer la qualité d'une photo en utilisant le Machine Learning ?</p><p>Nous avons donc mis en place un outil permettant de résoudre cette problématique en utilisant plusieurs CNN (type de réseau de neurones adapté à la retouche/lecture d'images) pour l'évaluation de qualité technique et esthétique, la détection d'objets et la retouche de colorimétrie.</p><p>En image l'on peut voir l'avant(gauche)-après(droite) passage dans la première version du réseau de retouche de colorimétrie.</p><div class="image-container"><div class="image-row-wrapper"><div class="image-wrapper"><img src="https://lh3.googleusercontent.com/RtsOhVbjP70fhazf4j_UD3YskMed4mU_pPnKFzUpp4Ho9atUf_jPn7AthkhVx_vr74JC8_QKfs1G0wBaHoPewmaZ7owmdk7tttO8wqh_N5hBQ5C36lMZZ9pV6nXNDgSS9ni0tEOJrcgrVv2jvvWnQbdKSGuYeqkKcFCDOwXlxYhDG2EIfONcUI9rYjpHqhf0-zow8Ayw"><div class="image-overlay"></div></div></div></div>

Développement de réseaux de neurones permettant de détecter des objets, et de retoucher la colorimétrie - Computer Vision

Data science

Computer Vision - LumyMe

73 Strings

<p>73 Strings avait besoin d’un coup de main pour analyser de larges quantités de données textuelles financières. Le but était d’en extraire de l’information pertinente aux fonds d’investissement.</p><div class="image-container"><div class="image-row-wrapper"><div class="image-wrapper"><img alt="" src="https://assets.website-files.com/6241b053821dec090218ba64/62ac98ebac86130de68c6fe2_image1.png"><div class="image-overlay"></div></div></div></div><p>Nous avons assisté l’équipe technique de 73 Strings sous différents axes :</p><ol><li><p><strong><u>veille scientifique</u></strong> afin de déterminer les méthodes de NLP (analyse textuelle) adaptées à leur cas d’usage</p></li><li><p>test de ces mêmes méthodes et sélection des plus adaptées</p></li><li><p><strong><u>développement de modèles de Machine Learning</u></strong> à partir des méthodes sélectionnées.</p></li><li><p>développement d'<strong><u>API/ED</u></strong>I interfaçant les modules développés à l'architecture existante de 73String</p></li></ol>

73 Strings
—
73 Strings agrège intelligemment Machine Learning et expertise financière pour révolutionner l’analyse de données en Corporate Finance.

Flask

Analyse de données textuelles - NLP

Ooxoft

<p>Ooxoft a développé une application web, mise à disposition de ses premiers clients. La direction d’Ooxoft souhaitait faire auditer son modèle de données, afin de vérifier que leur architecture est alignée avec leurs futurs projets Data, et leur quantité de données grandissante. Ils ont pour ce faire fait appel à nous, Bazal.</p><div class="image-container"><div class="image-row-wrapper"><div class="image-wrapper"><img alt="" src="https://assets.website-files.com/6241b053821dec090218ba64/62ac990d43c5b64e78453279_Capturedecran2022-05-12a16.26.08.png"><div class="image-overlay"></div></div></div></div><p>Pour répondre à ce besoin, nous avons :</p><p>1. Listé les projets Data à venir d’Ooxoft</p><p>2. Listé les attentes de leurs clients quant à leur plateforme</p><p>3. Listé les questions de la direction d’Ooxoft quant à leur architecture</p><p>4. Parcouru leur base de donnée et lancé le code de leur application web. Analyse de la structure d'<strong><u>API/EDI/FTP</u></strong> existante, et choix des technologies les plus pertinentes relativement aux projets futurs.</p><p>5. Emis une liste de recommandations et de remarques à suivre relativement à leur modèle et leur quantité de données</p><p>6. Débattu de ces recommandations au cours de plusieurs ateliers avec la direction d’Ooxoft</p>

Comment adapter notre modèle de données à notre quantité de données grandissante et nos futur projets Data ?

Javascript & Typescript

Data vizualization

Coaching

Audit de l’architecture de données

<p>Bazal c’est l’intersection de notre amour pour l’Intelligence Artificielle et des besoins en Data des entreprises actuelles. Computer Vision, OCR, NLP, et plus encore, nous mettons ces technologies innovantes au service de nos partenaires.</p>

Data Scientist

Nous développons à vos côtés un prototype/MVP intégrant des fonctionnalités d'IA.

Prototypage - MVP

Nous étudions à vos côtés l'intérêt d'intégrer de l'Intelligence Artificielle dans votre architecture, relativement à l'état de vos données et à votre pipeline informatique.

Étude de cas - Audit Data

En itérant sur du code ou des réseaux de neurones existants, nous développons un outil intégrant des fonctionnalités d'IA.

Développement

Nous vous assistons afin d'augmenter la précision de vos solutions d'IA, à travers de la veille scientifique et du développement informatique.

758 matching collectives