Sistemas de IA de produção, dos dados ao edge.

Dois engenheiros, uma equipa responsável.Modelos especializados em vez de wrappers de LLM.Infraestrutura na UE, por defeito.

AIM: 1 min de vídeo 720p analisado em ~7 s numa GPU na cloud (antes ~6 min)

AIM: o treino passou para hardware muito mais barato

Visão computacional
ML no edge
RAG e agentes
MLOps e cloud
Otimização de custos
Pronto para auditoria

Clientes

Em produção

Construído por nós e a funcionar todos os dias. Cada número vem com as condições em que foi medido.

AIM Treino de futebol com IA

Problema: Um sistema frágil baseado em regras, que não aguentava vídeo real gravado com telemóvel.
O que fizemos: Reconstruímo-lo como um pipeline de machine learning: modelos de visão próprios para jogadores, bola e cones, tracking, compreensão de exercícios e repetições, biomecânica e pontuação, com todo o caminho de inferência otimizado de ponta a ponta.
Resultado: Um minuto de vídeo 720p analisado em cerca de 7 segundos, face a cerca de 6 minutos antes. O treino passou para hardware muito mais barato.

Tempo para analisar um minuto de vídeo 720p numa única GPU na cloud.

Apenas o output dos modelos: esqueletos de pose, trajetória da bola e o HUD do exercício, sobre fundo preto. Não é mostrada nenhuma imagem de jogadores.

Serviços

Visão computacional

Deteção, segmentação, pose e tracking que funcionam em vídeo real, não só em benchmarks.

ML no edge

Modelos rápidos no hardware que já tem, no dispositivo e no edge, com TensorRT, ONNX e CUDA.

RAG e agentes

Fluxos de pesquisa e de agentes que se mantêm precisos em produção, entregues com avaliações e monitorização.

MLOps e cloud

Clouds europeias, ou AWS e Google Cloud em regiões da UE, e os pipelines, deploy e monitorização para pôr tudo a funcionar.

Otimização de custos

Modelos especializados onde um LLM genérico é a ferramenta errada, e modelos mais pequenos que mantêm a precisão.

Pronto para auditoria

Documentação, registos, supervisão humana e avaliações de raiz, para que o sistema passe uma revisão de segurança ou uma auditoria ao abrigo do AI Act da UE.

Infraestrutura na UE, por defeito

Os seus dados ficam na UE, em infraestrutura que identificamos à partida, processados por modelos que nós próprios operamos. Nada vai para um fornecedor de modelos externo sem a sua autorização.

O seu hardware

Nas suas instalações ou no dispositivo. Os dados nunca saem do seu edifício, e o modelo corre onde os dados são captados.

Cloud europeia

Fornecedores europeus, em centros de dados na UE, apenas sob a lei da UE. A escolha quando a residência de dados não chega e precisa de soberania.

AWS ou Google Cloud, regiões da UE

Dados guardados e processados em regiões da UE. Os dois fornecedores são empresas americanas, por isso isto é residência de dados e não soberania total, e dizemos-lhe qual das duas o seu caso precisa.

Modelos nossos

Modelos open-weight e próprios, instalados junto dos seus dados. Os seus documentos, prompts e vídeos vão para os nossos modelos, não para os de um fornecedor de modelos.

APIs de modelos externas

Desligadas por defeito. Evitamos APIs que enviam dados para fora da UE ou que não cumprem o RGPD. Se uma for a ferramenta certa, a decisão é sua, por escrito.

Este site não usa cookies, não carrega nada de terceiros e não tem rastreadores. O separador de rede do seu browser confirma-o.

Como trabalhamos

Primeiro, o âmbito
Cada projeto começa com uma primeira fase pequena e bem delimitada: os seus dados, as suas restrições e uma definição mensurável de sucesso, antes de qualquer compromisso maior.
De ponta a ponta
Os mesmos dois engenheiros levam o projeto dos dados em bruto a um sistema em produção: dados, modelos, avaliação e cloud. Sem passagens de testemunho.
A funcionar depois
Monitorização, documentação e residência de dados na UE por defeito, para que o sistema continue a funcionar depois de sairmos.

Respondemos em 24 horas, em português, inglês ou alemão.

Fundadores

Jude Mingay

Engenheiro e estratega de IA/ML

Visão computacional, deploy no edge e arquiteturas de deep learning feitas à medida. Lidera o pipeline de ML por trás da AIM. Começou em software industrial, a escrever gateways de protocolo em C e C++ para redes elétricas (IEC 61850, IEC 60870, TASE.2), e passou para o ML através de investigação em bioimagem na Universidade do Algarve e de um mestrado em IA na Universidade de Friburgo, onde trabalhou com o laboratório de AutoML na redução do TabPFN.

Idiomas: Português, alemão, inglêsLinkedIn

Pedro da Matta

Engenheiro de ML e arquiteto de cloud

Engenharia de ML em produção e cloud. Quase três anos na Deloitte a construir backends em Python, pipelines de dados e DevOps em AWS, com integração de sensores inteligentes, MongoDB distribuído e arquiteturas em contentores com Docker e Kubernetes. Certificado AWS Solutions Architect e Developer (Associate). Hoje é engenheiro de produção e de machine learning ao lado do Jude. Estudou Informática na Universidade do Algarve, onde fundou um clube de programação e competiu na MIUP, a Maratona Inter-Universitária de Programação. Está a fazer o mestrado em IA na Universidade de Coimbra.

Idiomas: Português, inglêsLinkedIn

Marque uma chamada

Diga-nos o que está a construir e onde está preso. Respondemos em 24 horas.

Enviar email