Николай Лазарев

Уважаемые читатели, хочу поделиться очередным шагом на пути специалиста AI систем. Дело в том, что ежегодно в Сколтехе проходит летняя школа по машинному обучению "Смайлс". В этот раз я решил принять участие, и подготовил презентацию по интересующей меня тематике - применению ИИ в материаловедении. Подготовка к участию стала для меня отдельным небольшим шагом, результаты которого нужно зафиксировать...

В данной статье описан мой первый шаг по применению графовых нейросетей GNN для прогнозирования свойств материалов. Если вам интересна тематика ИИ в материаловедении, то Вы наверняка слышали о возможности применения классических моделей машинного обучения в данной сфере. Но дело в том, что признаки в классическом ML не могут точно отразить структуру материала, а структура - это основа всех свойств! В свою очередь, графы идеально подходят для её описания, и на сегодняшний день являются одним из наиболее перспективных подходов в рамках нашей задачи...

Друзья, решил продублировать в отдельной статье одну главу из моего разбора полётов реализованного проекта. Возможно кому-то будет интересна не все главы а только тема особенностей валидации. Необычная валидация - это действительно наверное самое главное, что мне удалось узнать. Итак, оказывается есть особый подход при валидации ML-моделей в материаловедении! Если при кросс-валидации разбивка на обучающую и тестовую выборку происходит случайным образом, то в нашем случае данная разбивка может проходить по определенной логике...

В прошлой статье описан проект применения машинного обучения в материаловедении для прогнозирования модуля объёмной упругости. При анализе проекта от куратора получены крайне ценные замечания, которые можно учесть в последующих работах. Я решил подготовить отдельную статью, т.к. материала достаточно много. Напомню, что из базы данных MaterialsProject изначально были выгружены следующие признаки: 'point_group_tgs' - точечная группа симметрии 'symbol_pgs' - пространственная группа симметрии 'crystal_system_syngony'...

Мой первый ML проект в сфере материаловедения. В предыдущей статье анализировал перспективы применения ML инструментов в данном направлении. Скажу сразу, что сходу въезжать в специфику науки о материалах достаточно непросто. Несмотря на применение классических ML инструментов, в данном проекте присутствует специфическая терминология. Но если поставить перед собой цель, во всём со временем можно разобраться. И в химии, и в сопромате, и даже, не побоюсь этого слова, в квантовой механике. Дорогу осилит идущий! Поехали) Прогнозирование одной из характеристик - это одна из самых простых задач...

Тематика применения машинного обучения (ML-machine learning) в материаловедении меня интересует по нескольким причинам. В 2014 году я получил диплом инженера в НИТУ МИСиС по специальности 15.06.01 "Новые материалы и технологии". А сейчас, работая в крупной электротехнической компании в качестве аналитика-датасаентиста, применяю машинное обучение для решения аналитических задач бизнеса. Анализируя информацию о последних достижениях науки о материалах с радостью узнал о применении машинного обучения в современных исследованиях и прогнозировании/разработке новых материалов...

Иди и реши вопрос! Именно такую фразу иногда приходится слышать IT-специалистам. Даже если проектный менеджмент не входит в перечень их обязанностей. Так было и со мной в этот раз. В такие моменты вспоминаешь свой богатый опыт руководства проектами, причины для смены профессии и перехода в IT. Говоришь себе - Ну вот опять. И ... закатываешь рукава. Итак, в компании есть некая срочная IT-задача, которую нужно решить силами специалистов разных отделов, разных департаментов, разных бизнес-единиц. Каждый...

Ничего не могу с собой поделать, мне очень нравится фильм "Джентльмены". И когда я рассчитываю коэффициент Пирсона для очередной модели, представляю себя владельцем небольшого предприятия. Согласитесь, что более пафосно звучало бы коэффициент Микки Пирсона))). Но всё же , оставим лирику. Итак, руководство поставило задачу проанализировать данные на предмет влияния на срок резервирования продукции на сладе. Т.е. предварительно проговорили варианты, что в целом могло бы повлиять, что можно попробовать посмотреть...

Заказчиком поставлена задача подготовить данные по продажам к включению в контур корпоративного прогнозирования. Дело в том, что данные из представленного источника вызывают опасения по качеству. И в соответствии с ТЗ, качество данных в конкретном случае в абсолютном приоритете по отношению к полноте данных. Поэтому основной нюанс в том, что если найдена ошибка в какой либо операции, то удаляется вся история продаж конкретной позиции для конкретного контрагента. Итак, на входе таблица в базе данных...

В виду того, что сделки по слияниям и поглощениям никто не отменял, иногда аналитику данных ставиться задача сформировать классическую отчётность для нового предприятия, вошедшего в структуру компании. Тут есть два пути, один правильный, а второй быстрый))). По факту разные исполнители реализуют и тот и другой вариант, но мне поручили подготовить отчётность быстро. Итак, на входе выгрузки из 1С Предприятия по продажам, годовой план продаж, классификатор номенклатуры, классификатор контрагентов. Но это в идеальном мире...

Очередной мощный проект. На этот раз в сфере промышленности. Ссылка на мой код в github. Задача проекта Чтобы оптимизировать производственные расходы, металлургическому комбинату (компании - заказчику) необходимо уменьшить потребление электроэнергии на этапе обработки стали. Необходимо построить модель машинного обучения, которая предскажет температуру стали. Оглавление 1 Описание проекта 1.1 Задача проекта 1.2 Описание этапа обработки 1.3 Описание данных 2 Анализ данных 2.1 Импорт необходимых библиотек 2...

Это один из самых мощных моих проектов за последнее время. Кроме того, что тема временных рядов сама по себе важна в специфике работы торговой компании, ещё было интересно закрепить навыки работы с широким спектром ML инструментов, от линейной регрессии до SARIMA. Описание проекта Компания заказчика собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Требования и указания : Описание данных...