À propos de nous

L'histoire du développement d'INNAI : Une saga de percées technologiques
En 2022, nous avons fait le premier pas vers la création d'un produit révolutionnaire : INNAI. Ce système, conçu pour le trading et l'arbitrage de cryptomonnaies, a été lancé en mode test, fonctionnant à une vitesse dépassant les capacités humaines. Les résultats de la première génération ont dépassé toutes les attentes : en une seule heure, INNAI a traité un volume de transactions équivalent au travail de 253 traders ! Cet exploit remarquable a transformé notre vision des possibilités technologiques. Nous avons compris que nous n'avions touché que la pointe de l'iceberg, avec des objectifs encore plus ambitieux devant nous : plus rapide, plus précis, plus performant.
Mais ce n'était que le début. Au cours des deux années suivantes, nous avons perfectionné INNAI sans relâche, élevant le niveau avec chaque mise à jour, chaque ligne de code et chaque ajustement. À la tête de ce projet ambitieux se trouvait notre PDG et ingénieur en chef, Janis Liepa, qui a travaillé jour et nuit, porté par une vision : transformer INNAI en un outil capable de surpasser plus de 1,000 traders expérimentés.
Le projet INNAI était son défi personnel, une remise en question des lois de la physique et des limites humaines. Les jours se mêlaient aux nuits, et version après version, INNAI est passé d'un simple concept à une plateforme de trading puissante, capable de prédire les mouvements du marché avec une précision et une vitesse inégalées.
Janis Liepa
Fondateur d'INNERAS, maître d'idée et créateur d'INNAI

Né le 24/12/1973 à Riga, Lettonie
Formation :
Diplômé de l'Université technique de Riga
Expérience professionnelle :
Développement de logiciels en Python et Java, contribution à la conception d'architectures de microservices évolutives. Spécialisé dans la sécurité, réalisation d'analyses de vulnérabilités et mise en place de mécanismes de protection aux niveaux de l'infrastructure et des applications. Développement et optimisation de modèles d'apprentissage automatique pour les tâches NLP et vision par ordinateur, basés sur des réseaux neuronaux profonds avec TensorFlow et PyTorch. Participation au déploiement de modèles d'IA dans le cloud à l'aide de Docker et Kubernetes.