Как машинное зрение облегчает жизнь? Про котов, аварии и керн.
- Длительность доклада: 14 мин
- Количество просмотров: 20
- Общая продолжительность просмотров: 2 ч 37 мин
- Добавлен в подборки: 7 раз
Автор:
Руководитель по развитию продукта DeepCore, аспирант Сколковского института науки и технологий. Выпускник геологического факультета МГУ, имеет практический опыт седиментологических исследований, учувствовал в ГДП-200. С 2018 года выполняет проекты, основанные на применении методов машинного обучения в геологии.
Аннотация
Вступительное слово о компании Digital Petroleum - чем занимается компания, что позволяют сделать решения компании и в каких направлениях компания работает.
Как работает машинное обучение? Симбиоз алгоритмов, статистики и математики. Необходимость данных для создания модели и предсказание алгоритмами вероятности определений. Ну и, конечно же, немного о котах.
Где используется машинное обучение? Повседневное использование в быту каждого человека, автономное вождение, мобильные фотокамеры, передискретизация данных.
Основные примеры того, как мы применяем машинное обучение:
1) Анализ геофизических карт.
Создание и предоставление алгоритмом карты вероятностей нахождения полезных ископаемых.
2) Способность алгоритма предсказать аварии при бурении и перспективы его применения. Несколько слов о том, как это помогает НОВАТЭКу.
3) Предсказание пород по изображениям керна. Как это используют в МиМГО. Внешние и внутренние факторы, влияющие на статистическое исследование скорости описания керна.
Пример применения алгоритмов автоматического описания керна для рудной отрасли.
Тестовые работы по настройке моделей - сбор и обработка данных, создание нескольких моделей для описания различных характеристик и применение этих моделей на новых, полученных данных с того же месторождения.
Демонстрация процесса DeepCore.
Введение данных пользователем. Автоматическая интерпретация введенных данных и ручное исправление данных при необходимости. Совместимость результатов с другими программами. Производимая работа над улучшением моделей и немного о статистике созданной системы. Информация о подписке и условиях работы с продуктом.
Похожие материалы
- Практическое программирование ИИ: пример решения задачи множественной регрессии и классификации данных с обучением.
- Машинное зрение для определения циклов погрузчиков - компонент системы управления горным производством Pitram.
- Пилотные проекты Норникеля в области искусственного интеллекта
- Rapidminer and Talend. ML methods to use in geology