Neodev Studio

Från vårt kontor i hjärtat av Malmö driver vi utvecklingsprojekt i nära samarbete med våra kunder. Med Neodev Studio erbjuder vi helhetslöningar, från problemdefinition till färdig produkt, i team med bred kompetens som tar ansvar för hela projektet.

2013

Neodev startas av ett gäng gamla kollegor. Visionen är ett personalägt bolag med fokus på Öresundsregionen och inriktningen: “skärning mellan utveckling och test”. Värderingar: Öppenhet, ärlighet, ödmjukhet och delaktighet

2014

Vi får 100 KSEK av Almi för att ta fram ett testramverk (“Vizte”) att erbjuda våra kunder som en kickstart för deras testautomatisering.

2017

Vi bestämmer oss för ändra profilering mot “Software Engineering” och bredda rekryteringen då vår tidigare inriktning mot testautomatisering missförstås som att vi är mjukvarutestare.

2018

Vi påbörjar vår profilering inom machine learning med seminarier och workshops och utvecklar vår kurs “Introduction to Machine Learning and ANN”. Första kurstillfället blir i december.

2019

Machine learning-kursen hålls 8 gånger under året, båda öppet hos oss och ute hos kunder. Vi får flertalet machine learning-uppdrag ute hos kunder. Vi får Dagens Industris “Gasellföretag”-utmärkelse.

2020

Vi flyttar till helt egna lokaler på Södergatan 3 i Malmö. Äntligen har vi vår lokal och kan jobba därifrån både med projektåtaganden och konsultuppdrag. Vi vinner ett hackathon ordnat av Helsingborgs stad.

Neodev Studio lanseras

  • studio@neodev.se
  • +46 (0)73 385 69 15

Tidigare projekt.

Software engineering

Web

Produktionsvisualisering online

Utveckling av webbapplikation för att i realtid kunna övervaka produktionsutrustning, åt en kund inom fordonsindustrin. Systemet möjliggör att få information om både tillverkade komponenter och alla produktionssteg i flera olika produktionslinor. Backenden är utvecklad i Node.js (FoalTS framework, TypeScript) och har till uppgift att hämta ut data från befintliga MS-SQL databaser. Frontenden är utvecklad för att på ett enkelt och övergripligt sätt presentera produktionsdata i realtid till slutanvändare i mobilformat för enkel åtkomst, och är utvecklad i React.js (TypeScript).

[Node.js, JavaScript, TypeScript, React.js, FoalTS, MS-SQL]

Software engineering

Machine learning & systemutveckling

Utveckling av ett maskininlärnings ramverk för ett fastighetssystem i form av en webbapplikation på GCP med en React frontend. Ramverkets funktioner inkluderar datauppladdning, modellträning och evaluering samt predicering. Implementationen görs i Python och NodeJs.

[Python, Node, Javascript, scikit-learn, XGBoost, GCP, Firebase, React, Google Apps Script]

Utveckling av ett system för dokumentkategorisering, regression och outliner detection genom användning av Facebooks fastText.. Systemet körs på GCP AI Platform för att underlätta långa träningstider.

[NLP, FastText, Python, Node, scikit-learn, GCP, Firestore, Cloud run, OpenAPI, JWT]

Machine learning

Apputveckling

Hojta! - App-utveckling

Vi deltog i ett Hackathon, Inhabithon, anordnat av Helsingborgs stad. Utmaningen var att lösa det digitala utanförskapen för äldre personer (70+ år). Vi skapade en app (konceptfas) med en plattform liknande Tinder, med gemensamma intressen som anledning till matchning. Som vinnare av Hackathonet fick vi en prissumma av Helsingborgs stad för att fortsatt ta fram en fullt fungerande prototyp av appen.

[React, JavaScript, Google Cloud, git, CSS]

Machine learning

machine learning & systemutveckling

Vinnovaprojekt - AI-modul för integrering i ett befintligt system för att kategorisera text data i olika klassificeringssystem. Arbetet inkluderade text pre-processing och implementering av modeller för att bädda in ord.

Frontendutveckling för samma system - utveckling av ett user interface i React för att hantera input data, demonstrera kategorisering och underlätta datainsamling. [NLP, Python, React, MongoDB, React, Javascript, Flask]

Samma kund valde oss för att modernisera deras befintliga webbapplikation som var skriven i jQuery och webforms. Utveklingen gjordes i React och arbetet krävde planering, omstrukturering och utveckling av ett nytt arbetsflöde för att kunna leverera en klonad version av webbapplikationen med ytterligare funktioner.

[Git, React, Javascript, C#, ASP.NET, .NET framework]

Machine learning

Machine learning & apputveckling

Utveckling och design av en “mobile first sample gathering” webbapplikation med serverlös backend i Azure. Implementering av model träning och versioning pipeline. Modellerna användes sedan för prediktering av en annan webapplication client genom att använda Tensorflow JS i real-tid. [Python, Node, Tensorflow, Keras, Javascript, Azure (Cosmos DB, Functions)]