Обсуждаем оптимизацию работы с данными с помощью ПО

Площадка для для обмена опытом и практиками для специалистов

Официальный спонсор Digital Petroleum

Ближайший семинар — 27 декабря 2024

Геометаллургия, нейронные сети и практический опыт применения с использованием современных программных решений

Мальцев Евгений

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

• 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

Поиск

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