«Прогнозировать сложно, особенно когда речь идет о будущем», а иногда и Виктору Борге (в свою очередь, датско-американскому пианист и дирижер, но больше всего комик). Как бы то ни было, датчане на высоте. Все, кто занимается моделированием явлений, знают эту цитату, и все также принимают ее со смирением, потому что наши результаты прогнозов иногда очень хороши ... а иногда немного иначе.
Однако предсказание явлений и предсказание их изменений в будущем - не прекращается, потому что это основа для всех оптимальных решений в регулировании и контроле, и, прежде всего, дает нам видение, а иногда и надежду на то, что произойдет в мгновение ока.
Сейчас мы говорим только о кризисе - поэтому мы тоже на нем акцентируем внимание. На сегодняшний день у нас есть для вас новый результат от одной из наших команд в Transition Technologies (аплодисменты Яцеку Гралаку), занимающейся наукой о данных (т. Е. Магическим манипулированием данными и построением моделей на основе исторических данных) и прогнозированием изменений в болезнях в Польше (новый случаи) ...
Глядя на зеленую линию (это чтение чайных листьев - извините, гадание и попытка найти скрытые связи) - вы можете быть весьма оптимистичны - через десяток или около того дней мы должны войти в постоянный нисходящий тренд.
С точки зрения техники моделирования - нейронная сеть использовалась в типичном подходе MPL (многослойный персептрон), но также проверяются сверточный CNN или рекурсивный LSTM, и в них используются данные, которые в настоящее время доступны в сети. В последние годы появилось огромное количество новых.
Наука о данных - это своего рода «противоречие» классической физике - мы не ищем уравнений, описывающих мир или общие закономерности, но мы жестоко (компьютер) анализируем исторические данные и там мы ищем скрытые зависимости и тенденции на будущее. Тем не менее, вы должны сохранять дистанцию и реалистично оценивать результаты - вся концепция основана на анализе исторических данных, и чем лучше методы, чем более надежные данные доступны - проще говоря, нейронные сети (и вся наука о данных) очень хорошо спрогнозировать процесс, в котором у нас есть полный набор исторических данных.