А вы знаете, как руда превращается в чугун? Даже на автоматизированном производстве многое зависит от ручной экспертизы. На производстве железорудных окатышей ещё недавно качество продукции измерялось буквально на ощупь. Дата-сайентисты помогли снизить зависимость от человеческого фактора. Как это получилось, что общего у окатышей с клетками и зелёным горошком, и как модели помешал кран с водой — читайте в этой статье.
Рубрика «алгоритмы машинного обучения»
ML в промышленности: как построить систему управления процессом окомкования железорудных окатышей
2024-12-10 в 8:59, admin, рубрики: CV-модель, IT в промышленности, ml, Physics Informed Machine Learning, StarDist, автоматизация предприятий, алгоритмы машинного обучения, ограничения, тестирование, управление процессами в ITКак российские разработчики заставили GPT предсказывать биржевые котировки
2024-11-26 в 11:44, admin, рубрики: AI, Алгоритмы, алгоритмы машинного обучения, ИИ и машинное обучение, конференция, криптовалюта, прибыль, трейдинг, трейдинг на фондовом рынке, трейдинговый бот
18 мая 2024 на конференции «Тюльпаномания» Тихон Павлов, количественный аналитик «Финансовой компании Викинг» раскрыл секрет использования GPT-4 для прогнозирования биржевых котировокЧитать полностью »
Кластеризация в ML: от теоретических основ популярных алгоритмов к их реализации с нуля на Python
2024-03-08 в 19:01, admin, рубрики: affinity propagation, data science, dbscan, k-means, python, агломеративная кластеризация, алгоритмы машинного обучения, глубокое обучение, кластеризация, машинное обучение
Разбираемся с Machine Learning в Elastic Stack (он же Elasticsearch, он же ELK)
2019-06-13 в 4:05, admin, рубрики: Beats, big data, elastic stack, elasticsearch, kibana, logstash, machine learning, алгоритмы машинного обучения, анализ данных, Блог компании Gals Software, визуализация данных, машинное обучение
Напомним, что в основе Elastic Stack лежат нереляционная база данных Elasticsearch, веб-интерфейс Kibana и сборщики-обработчики данных (самый известный Logstash, различные Beats, APM и другие). Одно из приятных дополнений всего перечисленного стека продуктов — анализ данных при помощи алгоритмов машинного обучения. В статье мы разбираемся что из себя представляют эти алгоритмы. Просим под кат.
Читать полностью »
Нейронные сети, фундаментальные принципы работы, многообразие и топология
2018-07-03 в 15:17, admin, рубрики: Алгоритмы, алгоритмы машинного обучения, искусственный интеллект, математика, машинное обучение, многообразие, нейронная сеть, топология, Читальный залНейронные сети совершили революцию в области распознавания образов, но из-за неочевидной интерпретируемости принципа работы, их не используют в таких областях, как медицина и оценка рисков. Требуется наглядное представление работы сети, которое сделает её не чёрным ящиком, а хотя бы «полупрозрачным». Cristopher Olah, в работе «Neural Networks, Manifolds, and Topology» наглядно показал принципы работы нейронной сети и связал их с математической теорией топологии и многообразия, которая послужила основой для данной статьи. Для демонстрации работы нейронной сети используются низкоразмерные глубокие нейронные сети.
Понять поведение глубоких нейронных сетей в целом нетривиальная задача. Проще исследовать низкоразмерные глубокие нейронные сети — сети, в которых есть только несколько нейронов в каждом слое. Для низкоразмерных сетей можно создавать визуализацию, чтобы понять поведение и обучение таких сетей. Эта перспектива позволит получить более глубокое понимание о поведении нейронных сетей и наблюдать связь, объединяющую нейронные сети с областью математики, называемой топологией.
Из этого вытекает ряд интересных вещей, в том числе фундаментальные нижние границы сложности нейронной сети, способной классифицировать определенные наборы данных.
Рассмотрим принцип работы сети на примере
Читать полностью »
Умный «фейс-контроль»: алгоритмы машинного обучения для эффективного кэширования данных на SSD
2018-03-29 в 14:09, admin, рубрики: ssd caching, ssd кэш, Алгоритмы, алгоритмы машинного обучения, Блог компании RAIDIX, математика, машинное обучение, СХД, хранение данныхДанная статья была представлена на конференции SECR2017, где получила премию Бертрана Мейера за лучший исследовательский доклад.
В этом материале руководитель исследовательской лаборатории «Рэйдикс» Светлана Лазарева рассказывает о новом алгоритме заполнения параллельного кэша в СХД, который основан на алгоритме машинного обучения.