PLATFORMAOFERTOWACPV 72000000 · Usługi informatyczne Mazowieckie Termin: 9 października 2026
Ewaluacja i testowanie modeli machine learning – Warszawa
Pełna nazwa postępowania: AI Investments Sp. z o.o. pragnie wyłonić Podwykonawcę prac związanych z ewaluacją i testowaniem modeli machine learning, w związku z ubieganiem się o dofinansowanie projektu pod roboczą nazwą: “GUARD – Głębokie Uczenie w Autoadaptacyjnym Równoważeniu Derywatów. Badanie i opracowanie kompleksowego modelu portfolio pozycji opcyjnych i instrumentów spot o wysokim poziomie neutralności względem czynników rynkowych zapewniającym pozytywne wyniki inwestycyjne, wraz z dynamicznym rebalancingiem popr
AI Investments Spółka z Ograniczoną Odpowiedzialnością·NIP 7010804821·Warszawa
Wartość szac.
—
nie podano
Termin składania
09.10.2026
za 3 dni
Otwarcie ofert
—
nie podano
Opublikowano
29 września 2026
źródło: PLATFORMAOFERTOWA
Streszczenie SWZ
Streszczenie AI · Janusz
Widzisz połowę każdej z 10 sekcjiDruga połowa — łącznie 21 zdań z warunkami, dokumentami i analizą ryzyka — odsłania się po założeniu darmowego konta.
Tryb: zapytanie ofertowe, zasada konkurencyjności przewidziana w „Wytycznych dotyczących kwalifikowalności wydatków na lata 2021-2027”. - Komunikacja i składanie ofert: wyłącznie za pośrednictwem Bazy Konkurencyjności.
4
Budżet i wartość
Pełna treść
Finansowanie: projekt „GUARD – Głębokie Uczenie w Autoadaptacyjnym Równoważeniu Derywatów…”, program Fundusze Europejskie dla Nowoczesnej Gospodarki, Priorytet 1, Działanie 1.1 Ścieżka SMART (konsorcja) - Numer naboru:FENG.01.01-IP.01-002/26
5
Terminy
Widoczne 50%
Składanie ofert: do 07.10.2026, godz. 23:59, wyłącznie Baza Konkurencyjności; pytania ≥ 2 dni robocze wcześniej.
Związanie ofertą:90 dni od upływu terminu składania ofert.
Świadczenie usługi:01.06.2027 – 30.09.2030; harmonogram z 1 miesiąc wyprzedzeniem, odbiór i zapłata miesięczne.
Kadry: min. 3 specjaliści IT oddelegowani na realizację usługi, na dzień złożenia oferty.
Doświadczenie zespołu: każdy członek z min. 10-letnim udokumentowanym doświadczeniem w zwinnym zarządzaniu projektami IT oraz w jakości rozproszonych, wysokodostępnych systemów IT.
Doświadczenie badawcze: min. 2 członków z praktycznym doświadczeniem w pracach badawczych z ML; wykaz z projektami Szybka Ścieżka, Eurostars, Horizon 2020 lub zbliżonymi.
Kwalifikacje: min. 1 członek ze stopniem doktora; min. 1 członek z certyfikatem ISTQB.
Cena netto: waga 100%; wzór C = Wmin/Wi × 100 (max 100 pkt); najkorzystniejsza — najwyższa punktacja.
8
Kary i sankcje
Pełna treść
Kary umowne, wadium, zabezpieczenie należytego wykonania, rękojmia/gwarancja: brak takich zapisów w zapytaniu ofertowym oraz załącznikach nr 1–5.
9
Inne zapisy
Widoczne 50%
Zmiany umowy: istotne zmiany wyłącznie pisemnie — zmiany prawa (m.in. stawki VAT), parametry techniczne bez wpływu na cenę, siła wyższa, przedłużenie terminu (do ostatniego dnia projektu)
Progi zmian: dodatkowe usługi ≤ 50% wartości przedmiotu umowy netto; zmiany nieistotne łącznie < 140 000 euro i < 10% wartości zamówienia
Zamówienie uzupełniające: do 50% wartości zamówienia podstawowego
Umowa warunkowa: realizacja uzależniona od pozytywnej decyzji instytucji finansującej o dofinansowanie projektu
Z każdej z 10 sekcji pokazujemy połowę. Załóż darmowe konto, żeby odsłonić pozostałe 21 zdań — pełne warunki udziału, dokumenty i analizę ryzyka Janusza. Bez karty, 14 dni za darmo.
14 dni za darmo Bez karty płatniczej Rezygnacja w 1 klik
Opis przedmiotu zamówienia
Streszczenie AI · Janusz
Zamówienie jednoczęściowe — usługa ewaluacji i testowania modeli machine learning dla projektu GUARD (kompleksowy model portfolio pozycji opcyjnych i instrumentów spot z dynamicznym rebalansingiem), łącznie 1100 roboczodni, z dokumentami technicznymi i projektowymi (raportami) jako efektem usługi:
Zadanie 1 (badania): strategia testów, przypadki testowe i wykonanie testów pobierania oraz selekcji cech i wieloźródłowej fuzji danych — 250 roboczodni.
Zadanie 2 (badania): strategia testowa, przypadki testowe i testy techniczne architektur Deep Hedging oraz metod Wyjaśnialnej Sztucznej Inteligencji (XAI) — 300 roboczodni.
Zadanie 3 (badania): strategia testowa, przypadki testowe i testy algorytmów dynamicznego rebalansowania portfela opartych na uczeniu ze wzmocnieniem i generatywnych symulatorach rynkowych (Digital Twin) — 300 roboczodni.
Zadanie 4 (prace rozwojowe): strategia i przypadki testowe walidacji modułów rebalansowania i Deep Hedge w środowiskach zbliżonych do rzeczywistych oraz testy integracyjne modułu Deep Hedge z platformą AI Investments — 250 roboczodni.
