Anomaly detection, data mining og mønstergenkendelse

Simon Aagaard Enni

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 17 45.

tekst: anomaly detection, data mining og mønstergenkendelse. baggrund: person foran to skærme

Anomaly detection, data mining og mønstergenkendelse

I takt med en forhøjet grad af digitalisering indsamler danske virksomheder i stadig større mængder data i forbindelse med deres forretning. Denne data kan potentielt føre til afgørende forbedringer i produktionen og effektiviteten. Dog kan data uden et klart formål have svært ved at skabe værdi, og det kan føles, som om man drukner i det. Det er derfor vigtigt, at data bliver renset, valideret og udforsket, før det kan gøre nogen gavn.

Data Mining er en metode til at udforske disse store datamængder for at genkende mønstre og strukturer. Dette kan give et overblik over, hvad man måler, hvordan disse målinger relaterer til hinanden, og hvilke muligheder der kan være i at lave analyser og modeller på dem. Men med mønstre kommer også anomalier eller afvigelser, f.eks. i en produktionskontekst, men også som kreditkortsvindel eller i videnskabelige eksperimenter.

Hos Teknologisk Institut kan vi hjælpe din virksomhed med at skabe orden i din data, analysere afvigelser fra normen, og få ægte værdi ud af store datamængder. Vi bruger Data Mining til at genkende mønstre i jeres store datasæt, som I kan omdanne til viden om jeres forretning, der kan bruges i jeres fremtid. Vi hjælper også med at opsætte robuste systemer til dataopsamling og modellering samt analyse af den resulterende data.

Teknologisk Institut kan hjælpe dig med at:

  • analysere din virksomheds eksisterende data for at genkende interessante mønstre og bemærkelsesværdige afvigelser
  • validere kvaliteten af din virksomheds eksisterende data og give vejledning med henblik på klargøring til dataanalyse
  • opsætte og forbedre systemer og pipelines til dataopsamling for at muliggøre automatisk outliersporing og trendanalyser