Обсуждаем оптимизацию работы с данными с помощью ПО

Площадка для для обмена опытом и практиками для специалистов
Официальный спонсор Digital Petroleum
Ближайший семинар — 18 октября 2024
Применение программирования в геологии
Жидков Роман Юрьевич, Полушкин Сергей Васильевич, Рекун Виталий Сергеевич, Романова Елизавета Романовна
Смотреть
О нашем семинаре

Площадка нацелена раскрыть тему применения алгоритмов машинного обучения и других методов, которые связаны с программированием для повышения эффективности в области обработки, подготовки и интерпретации данных.

С помощью нашего семинара мы хотим поделиться своим опытом и практиками внедрения новых решений между специалистами.

Темы, которые мы затрагиваем:

  • — Обзор статей по применению машинного обучения в разных отраслях и на разных масштабах
  • — Практическое применение машинного обучения в различных задачах
  • — Создание скриптов и ПО для анализа и подготовки данных
  • — Программное обеспечение с элементами машинного обучения
Хочу выступить

Если у вас есть интересный доклад в рамках нашей тематики, будем рады услышать вас!

Чтобы стать спикером, напишите нам

Обзор статей

23.02.23
Использование машинного обучения для прогнозирования показателей зоны потока и классификации гидравлических единиц // Utilizing machine learning for flow zone indicators prediction and hydraulic flow unit classification
  • • Статья представляет собой исследование, посвященное применению машинного обучения для прогнозирования индикатора зоны потока (FZI) и выделения гидравлических единиц (hydraulic flow units, HFU) в нефтяных скважинах.
  • • Рассматриваются различные методы машинного обучения, включая искусственные нейронные сети и метод K-средних.
  • • Исследование фокусируется на параметре FZI, который имеет ненормальное распределение.
  • • Для решения проблемы ненормального распределения используется подход к преобразованию значений FZI с использованием логарифмической шкалы.
23.02.23
Использование машинного обучения для прогнозирования показателей зоны потока и классификации гидравлических единиц // Utilizing machine learning for flow zone indicators prediction and hydraulic flow unit classification
  • • Статья представляет собой исследование, посвященное применению машинного обучения для прогнозирования индикатора зоны потока (FZI) и выделения гидравлических единиц (hydraulic flow units, HFU) в нефтяных скважинах.
  • • Рассматриваются различные методы машинного обучения, включая искусственные нейронные сети и метод K-средних.
  • • Исследование фокусируется на параметре FZI, который имеет ненормальное распределение.
  • • Для решения проблемы ненормального распределения используется подход к преобразованию значений FZI с использованием логарифмической шкалы.

Архив семинара

Ключевые спикеры
3 мая 2024, Nᵒ1302
Попиксельное определение геологических характеристик на изображении (от горных массивов до минералов)
Барабошкин Евгений Евгеньевич
Смотреть
2 июля 2024, Nᵒ1369
Разработка автоматизированной экспертной системы для прогнозирования гидротермальных полиметаллических месторождений на основе нейросетевых технологий
Гришков Георгий Андреевич, Устинов Степан Андреевич
Смотреть
9 июля 2024, Nᵒ1372
Применение программирования в геологии. Часть 1
Полушкин Сергей Васильевич
Смотреть
12 июля 2024, Nᵒ1373
Применение программирования в геологии. Часть 2
Лубинец Алексей, Потысьев Виктор
Смотреть
23 июля 2024, Nᵒ1360
Определение возраста пород с помощью палеонтологического анализа на основе методов искусственного интеллекта
Дьяконов Иван Валерьевич
Смотреть
Хочу предложить тему

Не нашли интересующую вас тему? Мы готовы рассмотреть ваше предложение.

Для этого напишите нам

Авторизуйтесь для просмотра страницы