Custom
Enterprise Software

Planned and executed with foresight.

Software solutions from eMundo are conceived with the future in mind. They are designed from the outset to keep pace with every change and challenge your project presents.

Well engineered, developed with agility, sustainable and scalable, all from the very start – we are passionate about new technologies and know no other way.

Software solutions from eMundo are conceived with the future in mind. They are designed from the outset to keep pace with every change and challenge your project presents.

Well engineered, developed with agility, sustainable and scalable, all from the very start – we are passionate about new technologies and know no other way.

You might already know eMundo

At least indirectly

Have you ever

Then you’ve already used a software solution that we’ve played a major role in!

Anomalien in Zeitreihen mittels Machine Learning erkennen

Diverse Techniken des maschinellen Lernens werden bereits genutzt um automatisiert Anomalien in verschiedensten Daten, wie beispielsweise Zeitreihen, zu finden. Zeitreihen sind allgegenwärtig, unter anderem in der Medizin. Hier könnten solche Modelle genutzt werden um frühzeitig lebensrettende Maßnahmen einzuleiten. Um diesem Ziel näher zu kommen forscht eMundo nun gemeinsam mit einer Forschungsgruppe der Ludwig-Maximilians-Universität München.

Gemeinsam mit der Forschungsgruppe Data Mining in der Medizin der Ludwig-Maximilians-Universität München hat eMundo eine vielversprechende Art neuronaler Netze, sogenannte Generative Adversarial Networks, genutzt um nach Anomalien in Daten von Elektrokardiogrammen zu suchen. Hierbei wurde ein bestehender Ansatz für Bilddaten (AnoGAN) adaptiert und es wurden erste Möglichkeiten untersucht um das bestehende Modell an Zeitreihen anzupassen. Die Ergebnisse wurden 2019 im Rahmen eines Workshops der IEEE International Conference on Data Mining in Peking vorgestellt. Basierend auf den dort geschaffenen Grundlagen wurde nun das gemeinsame Projekt ECGAN gestartet. 

ECGAN wird durch die Bayerische Forschungsstiftung gefördert.