Danske Commodities
Handel

Einrichten eines Teams für den automatischen Handel

Danske Commodities wollte sicherstellen, dass das neue Team für maschinelles Lernen im Autohandel von Anfang an die richtigen Dinge tat. Wir gaben dem Team tiefe Einblicke in die Anwendung des maschinellen Lernens im Handel.

Laborgeräte für die Genomik und Metabolomik produzieren eine riesige Menge von Daten, die dadurch für eine manuelle Analyse ungeeignet sind.

Durch den Einsatz von maschinellem Lernen führt Centogene eine automatisierte Mustererkennung an großen Datensätzen durch, wodurch die Analysezeit verkürzt werden kann, um neue Erkenntnisse über seltene Krankheiten zu gewinnen.

Dies wiederum hilft Centogene, mehrere Biomarker oder zusätzliche Biomarker-Muster zu identifizieren, um die Entwicklung von Behandlungen für Patienten zu beschleunigen.

Unser größtes Problem war, dass wir ein ziemlich neues Team mit wenig Erfahrung im Machine Learning waren. Wir brauchten etwas Inspiration. Wir mussten wissen, ob wir auf dem richtigen Weg sind. Wenn wir den Input nicht bekommen hätten, wäre es nicht so gut gelaufen. Ein Anliegen für uns war, dass Sie eine Standardvorführung erhalten, die nicht wirklich mit uns als Unternehmen zusammenhängt - dass sie nur ihre Standardfolien und Vorträge abfeuern. Und das war überhaupt nicht der Fall." Das Feedback auf den Workshop war sehr positiv und wir sind sehr froh, dass es so konkret war, dass wir direkt zu den Fakten gekommen sind - und dass wir etwas hatten, das wir am nächsten Tag richtig nutzen konnten."

Thor Kalstrup

,

Leiter des Bereichs Automatisierter Handel

Tools, die wir benutzt haben

Pandas
-
Ideal für Sondierung und Feature Engineering.
Python
-
Unsere wichtigste Programmiersprache.
XGBoost
-
Gradient Boosting to the max.
scikit-learn
-
Machine Learning Toolbox.
Zipline
-
Trading Simulation.