Überarbeitung von Stundenzetteln, bei der die von anderen Entwicklern gemeldeten Aktivitäten auf der Grundlage der Standardregeln unseres Unternehmens akzeptiert oder abgelehnt werden. Monatlich werden mehr als 120 Stundenzettel verarbeitet, was eine durchschnittliche Zeitersparnis von 20 Stunden für diese Aufgabe bedeutet. Die Lösung wurde vollständig in der Cloud mit Python auf AWS Lambda-Funktionen, NLP-Techniken, Deep Learning, Power Automate, TensorFlow und Amazon SageMaker implementiert.
gehören "Dokumentenanonymisierung" durch NLP- und OCR-Techniken und "Gesichtserkennung" zum Abrufen von Daten auf der Grundlage von Gesichtsmerkmalen mit Python.
Im Durchschnitt werden 192 Stellen pro Monat ausgeschrieben, was eine Einsparung von 16 Stunden für diese Aufgabe bedeutet. Die in dieser Lösung verwendeten Technologien waren Azure Virtual Machine, Power Automate, Sharepoint und Azure Key Vault.
? Entwicklung und Pflege einer Webplattform
Diese in einer AWS EC2-Instanz gehostet wird, um KI-POCs zu zeigen, bei denen Demos über mit Python programmierte Docker-Container bereitgestellt werden.
Erfolgreiche Datenmigration auf eine neue Personalbeschaffungsplattform. Dieses Projekt umfasste die Zusammenführung und Bereinigung von Daten. Die für diese Aufgabe verwendeten Technologien waren Python, Power Automate und Excel
Diese wurden mit Power BI entworfen und entwickelt, um die monatlichen Kennzahlen mit Prognose- und Budgetierungsfunktionen anzureichern.
Entwicklung mehrerer regelmäßiger Berichte für den internen und externen Gebrauch, die unserer Organisation die richtigen Informationen zur besseren Steuerung der Prozesse liefern. Die für diese Berichte verwendeten Technologien sind REST APIs, Python, Power Automate und HTML, um das Aussehen und die Handhabung der E-Mail-Benachrichtigungen zu verbessern.
Überarbeitung von Stundenzetteln, bei der die von anderen Entwicklern gemeldeten Aktivitäten auf der Grundlage der Standardregeln unseres Unternehmens akzeptiert oder abgelehnt werden. Monatlich werden mehr als 120 Stundenzettel verarbeitet, was eine durchschnittliche Zeitersparnis von 20 Stunden für diese Aufgabe bedeutet. Die Lösung wurde vollständig in der Cloud mit Python auf AWS Lambda-Funktionen, NLP-Techniken, Deep Learning, Power Automate, TensorFlow und Amazon SageMaker implementiert.
gehören "Dokumentenanonymisierung" durch NLP- und OCR-Techniken und "Gesichtserkennung" zum Abrufen von Daten auf der Grundlage von Gesichtsmerkmalen mit Python.
Im Durchschnitt werden 192 Stellen pro Monat ausgeschrieben, was eine Einsparung von 16 Stunden für diese Aufgabe bedeutet. Die in dieser Lösung verwendeten Technologien waren Azure Virtual Machine, Power Automate, Sharepoint und Azure Key Vault.
? Entwicklung und Pflege einer Webplattform
Diese in einer AWS EC2-Instanz gehostet wird, um KI-POCs zu zeigen, bei denen Demos über mit Python programmierte Docker-Container bereitgestellt werden.
Erfolgreiche Datenmigration auf eine neue Personalbeschaffungsplattform. Dieses Projekt umfasste die Zusammenführung und Bereinigung von Daten. Die für diese Aufgabe verwendeten Technologien waren Python, Power Automate und Excel
Diese wurden mit Power BI entworfen und entwickelt, um die monatlichen Kennzahlen mit Prognose- und Budgetierungsfunktionen anzureichern.
Entwicklung mehrerer regelmäßiger Berichte für den internen und externen Gebrauch, die unserer Organisation die richtigen Informationen zur besseren Steuerung der Prozesse liefern. Die für diese Berichte verwendeten Technologien sind REST APIs, Python, Power Automate und HTML, um das Aussehen und die Handhabung der E-Mail-Benachrichtigungen zu verbessern.