Ultimo aggiornamento
4 dic 2018
Con il progetto Brooklyn nel 2015, tutto ciò che sapevamo è collassato. Ci siamo quindi immessi nella Blockchain e nel protocollo Ethereum: un nuovo mondo ci stava aprendo le porte. Abbiamo iniziato a seguire e supportare tutti i programmi straordinari che hanno iniziato a districarsi nel 2016. Il razzo è stato lanciato e sempre più aziende hanno iniziato a raccogliere fondi tramite ICO. A causa dell'impossibilità di supportare tutti i nuovi progetti promettenti, abbiamo dovuto iniziare a raccogliere i dati per scopi di valutazione.
A questo punto, i metodi di analisi tradizionali che eravamo abituati a conoscere non potevano più essere applicati. Gli stakeholder della Cryptosphere sono molto diversi dagli investitori tradizionali e hanno comportamenti decisionali diversi.
Ci siamo concentrati sulla metodologia dei Big Data e sull'Intelligenza Artificiale, le tecnologie più efficienti per comprendere queste cerchie. Abbiamo raccolto una grande quantità di dati sull'ecosistema cripto-beni. Abbiamo sviluppato una piattaforma, offrendo insiemi di dati affidabili e completi e migliorato nuovi indicatori per potenziare i nostri clienti. Un nuovo livello di tecnologia decisionale è nato per gli investitori professionali.
Forniamo agli investitori la migliore tecnologia attraverso il nostro terminale di trading. Come Bloomberg & rsquo; s & ldquo; Bloom & rdquo; fatto negli anni '90 per i mercati tradizionali, il nostro box fornisce miliardi di dati affidabili attraverso canali di streaming e API FIX.
Fino ad oggi, raccogliamo più di 2 miliardi di dati ogni giorno e siamo in grado di condividere con i nostri utenti 150 variabili fondamentali relative a società criptate e dati finanziari (storici e attuali) di oltre 40 scambi crittografici .
I nostri servizi sono disponibili attraverso la nostra piattaforma di trading terminal o un resto & amp; Fix API e Streaming canali per feed di dati continui.
Basandosi sul potere dell'intelligenza artificiale, TokenData è un rivoluzionario innovatore nella creazione di set di dati alternativi che rappresentano la principale fonte di energia nella gestione patrimoniale di oggi.
- Languages: React, Python, Scala, R, JavaScript;
- Librerie: NumPy, SciPy, Pandas, Scikit-learn, Matplotlib, Seaborn, Keras, Theano, Xgboost;
- Algggs: Regressioni, Cluster, ARIMA, Boost, Albero risoluzione, Foresta casuale, Apprendimento profondo
- Infrastruttura: Django / Flask / Tornado, Postgres, MongoDB, Redis, Google Cloud, Hadoop, Spark, Kubernetes.
Per rendere l'esperienza utente sempre piacevole, semplice e intuitiva, abbiamo scelto di utilizzare gli standard di progettazione adottati dalle applicazioni più avanzate come Uber e Airbnb. Speriamo che l'esperienza dell'utente sia ottimale grazie a questi standard.
È ancora più importante pensare all'esperienza utente (UX) che consente agli utenti inesperti di ricevere le migliori indicazioni per le informazioni richieste.
Facciamo affidamento sulla tecnologia JavaScript che sarà la lingua di base del team del prodotto web. NodeS sarà utilizzato per il back-end e ReactS (tecnologia Facebook) per il front-end. Questo stack ha già dimostrato la sua robustezza. Una comunità dinamica e un ecosistema garantiscono la sostenibilità dello stack tecnico. & nbsp;
Dobbiamo fornire ai nostri utenti un'API robusta Riposo & amp; Risolto il problema di interfacciare il loro strumento o database alla nostra tecnologia, con l'obiettivo di rendere scalabile la nostra offerta.
L'API è attualmente compatibile con le seguenti librerie: R, Python ed Excel.
La nostra architettura cloud è completamente in evoluzione e distribuita e l'infrastruttura di test è progettata per elaborare notevoli volumi di dati. È completamente gestito e responsabile del provisioning, dell'evoluzione e del monitoraggio dei dati al fine di consentire all'utente di concentrarsi sulla propria attività piuttosto che sulla gestione dell'infrastruttura di elaborazione e storage.
Idea
Chapter 0 - Genesis // S2 2018
Chapter 1 - Orbital // S1 2019
Chapter 2 - Lazarus
verificata 50%
Attenzione. C'è il rischio che i membri non verificati non siano effettivamente membri del team
