Всем привет.
В ближайший четверг (11.11) состоится конференция AI Journey, в рамках которой планируется два доклада от представителей нашей лаборатории:
1) Анна Калюжная: Мечтает ли ИИ об эволюции? (Секция AI in Russia, начало секции в 15:20).
2) Николай Никитин: FEDOT - открытый фреймворк эволюционного автоматического обучения композитных пайплайнов (Секция AutoML, начало секции в 17:00)
Полная программа конференции доступна тут. Для просмотра трансляции необходимо зарегистрироваться.
Приходите, будет интересно!
В ближайший четверг (11.11) состоится конференция AI Journey, в рамках которой планируется два доклада от представителей нашей лаборатории:
1) Анна Калюжная: Мечтает ли ИИ об эволюции? (Секция AI in Russia, начало секции в 15:20).
2) Николай Никитин: FEDOT - открытый фреймворк эволюционного автоматического обучения композитных пайплайнов (Секция AutoML, начало секции в 17:00)
Полная программа конференции доступна тут. Для просмотра трансляции необходимо зарегистрироваться.
Приходите, будет интересно!
Всем привет.
В рамках организованной НЦКР школы молодых учёных в области ИИ планируется несколько докладов от представителей нашей лаборатории. Они пройдут вечером 23 ноября.
- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная, ИТМО.
- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов, ИТМО.
- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов, ИТМО.
Полная программа школы доступна тут. Её участниками могут стать студенты старших курсов, магистранты, аспиранты, молодые ученые и специалисты. Заявки на участие принимаются до 20 ноября 2021 г.
В рамках организованной НЦКР школы молодых учёных в области ИИ планируется несколько докладов от представителей нашей лаборатории. Они пройдут вечером 23 ноября.
- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная, ИТМО.
- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов, ИТМО.
- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов, ИТМО.
Полная программа школы доступна тут. Её участниками могут стать студенты старших курсов, магистранты, аспиранты, молодые ученые и специалисты. Заявки на участие принимаются до 20 ноября 2021 г.
NSS Lab News
Всем привет. В ближайший четверг (11.11) состоится конференция AI Journey, в рамках которой планируется два доклада от представителей нашей лаборатории: 1) Анна Калюжная: Мечтает ли ИИ об эволюции? (Секция AI in Russia, начало секции в 15:20). 2) Николай…
Всем привет.
Для тех, кто пропустил выступления сотрудников лаборатории на конференции AI Journey - выкладываем видео:
Мечтает ли ИИ об эволюции? - Анна Калюжная
https://www.youtube.com/watch?v=Jt098BMy-fQ
FEDOT - открытый фреймворк автоматического машинного обучения для композитных моделей - Николай Никитин
https://www.youtube.com/watch?v=qiVRZvJCio0
Also, we have versions in English:
Does AI dream of evolution? - Anna Kalyuzhnaya
https://www.youtube.com/watch?v=Mo-wn5T5vCo
FEDOT - open-source AutoML for composite pipelines - Nikolay Nikitin
https://www.youtube.com/watch?v=JblS7AmnkXA
Для тех, кто пропустил выступления сотрудников лаборатории на конференции AI Journey - выкладываем видео:
Мечтает ли ИИ об эволюции? - Анна Калюжная
https://www.youtube.com/watch?v=Jt098BMy-fQ
FEDOT - открытый фреймворк автоматического машинного обучения для композитных моделей - Николай Никитин
https://www.youtube.com/watch?v=qiVRZvJCio0
Also, we have versions in English:
Does AI dream of evolution? - Anna Kalyuzhnaya
https://www.youtube.com/watch?v=Mo-wn5T5vCo
FEDOT - open-source AutoML for composite pipelines - Nikolay Nikitin
https://www.youtube.com/watch?v=JblS7AmnkXA
YouTube
11.11.2021 // AIJ // Мечтает ли ИИ об эволюции? Анна Калюжная, Университет ИТМО
Всем привет.
Продолжаем серию постов о новых конференционных докладах, описывающий результаты нашей группы.
Сегодня речь пойдет о выступлении директора национального центра когнитивных разработок Александра Бухановского под заголовком ""Автоматизированный ИИ".
Видео доклада доступно по ссылке:
https://youtu.be/5hmb-oqA2e8
В нём рассказывается о уже знакомом вам фреймворке для автоматизированного построения моделей композитного ИИ FEDOT, основных проблемах, с которыми сталкиваются заказчики технологий ИИ, а также полном цикле разработки ИИ – от подготовки данных до внедрения моделей в реальные задачи.
Лекция состоялась в рамках Школы ведущих инженеров НОЦ ТулаТЕХ.
Продолжаем серию постов о новых конференционных докладах, описывающий результаты нашей группы.
Сегодня речь пойдет о выступлении директора национального центра когнитивных разработок Александра Бухановского под заголовком ""Автоматизированный ИИ".
Видео доклада доступно по ссылке:
https://youtu.be/5hmb-oqA2e8
В нём рассказывается о уже знакомом вам фреймворке для автоматизированного построения моделей композитного ИИ FEDOT, основных проблемах, с которыми сталкиваются заказчики технологий ИИ, а также полном цикле разработки ИИ – от подготовки данных до внедрения моделей в реальные задачи.
Лекция состоялась в рамках Школы ведущих инженеров НОЦ ТулаТЕХ.
Дорогие друзья, всем привет!
Сегодня вышла наша новая статья в Q1-журнале Water: "Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River".
Статья написана по мотивам выигранного нашей командой "NSS_lab team" Хакатона Emergency datahack 2021, где нам лучше других команд удалось спрогнозировать подъемы уровня воды в период половодья на реке Лена. В этом нам помогла наша разработка - AutoML-фреймворк FEDOT, на основе которого мы построили большую часть моделей.
В статье обсуждается подход к прогнозированию уровня воды на основе композитного пайплайна на семь дней вперёд c помощью автоматического машинного обучения. Мы показали, что можно эффективно объединять классические физические модели и модели машинного обучения в единую прогнозную систему. Подтверждением этих слов служит высокое значение коэффициента Нэша – Сатклиффа, показанное нашей моделью на валидационной выборке: 0.8 (коэффициент изменяется от минус бесконечности до 1, чем больше значение - тем лучше модель). В соответствии с данной классификацией, модель попала в "лучшую категорию" по значению данного популярного в гидрологии коэффициента.
Ссылка на статью (open access) - https://www.mdpi.com/2073-4441/13/24/3482
@Article{w13243482,
AUTHOR = {Sarafanov, Mikhail and Borisova, Yulia and Maslyaev, Mikhail and Revin, Ilia and Maximov, Gleb and Nikitin, Nikolay O.},
TITLE = {Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River},
JOURNAL = {Water},
VOLUME = {13},
YEAR = {2021},
NUMBER = {24},
ARTICLE-NUMBER = {3482},
URL = {https://www.mdpi.com/2073-4441/13/24/3482},
ISSN = {2073-4441},
DOI = {10.3390/w13243482}
}
И бонус - заглавная картинка в сообщении ниже
Сегодня вышла наша новая статья в Q1-журнале Water: "Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River".
Статья написана по мотивам выигранного нашей командой "NSS_lab team" Хакатона Emergency datahack 2021, где нам лучше других команд удалось спрогнозировать подъемы уровня воды в период половодья на реке Лена. В этом нам помогла наша разработка - AutoML-фреймворк FEDOT, на основе которого мы построили большую часть моделей.
В статье обсуждается подход к прогнозированию уровня воды на основе композитного пайплайна на семь дней вперёд c помощью автоматического машинного обучения. Мы показали, что можно эффективно объединять классические физические модели и модели машинного обучения в единую прогнозную систему. Подтверждением этих слов служит высокое значение коэффициента Нэша – Сатклиффа, показанное нашей моделью на валидационной выборке: 0.8 (коэффициент изменяется от минус бесконечности до 1, чем больше значение - тем лучше модель). В соответствии с данной классификацией, модель попала в "лучшую категорию" по значению данного популярного в гидрологии коэффициента.
Ссылка на статью (open access) - https://www.mdpi.com/2073-4441/13/24/3482
@Article{w13243482,
AUTHOR = {Sarafanov, Mikhail and Borisova, Yulia and Maslyaev, Mikhail and Revin, Ilia and Maximov, Gleb and Nikitin, Nikolay O.},
TITLE = {Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River},
JOURNAL = {Water},
VOLUME = {13},
YEAR = {2021},
NUMBER = {24},
ARTICLE-NUMBER = {3482},
URL = {https://www.mdpi.com/2073-4441/13/24/3482},
ISSN = {2073-4441},
DOI = {10.3390/w13243482}
}
И бонус - заглавная картинка в сообщении ниже
Всем привет.
Сегодня у нас анонс серии открытых лекций по прикладному геомоделированию от наших коллег из Научно-Технического Центра «Газпром нефти».
Первая лекция уже началась - успейте подключиться! Ссылка вот.
Подробности:
📆 Даты: 22 и 24 декабря, начало в 17:00 (МСК)
📗 Ссылка на регистрацию: https://dx.timepad.ru/event/1880864/
Мероприятие проходит онлайн
22.12.2021: Введение в геологическое моделирование
Спикер: Штырляева Анастасия Андреевна, руководитель направления Блока интегрированных решений Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о типах данных и их подготовке для геологического моделирования, рассмотрите его основные этапы, а также поговорите о концептуальном и трехмерном геологическом моделировании.
24.12.2021: Использование методов машинного обучения при построении геологических моделей
Спикер: Суханов Роман Александрович, руководитель программ проектов Центра компетенций по когнитивным технологиям Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о специфике ML проектов в нефтяной сфере, об основных типах задач, которые можно встретить в нефтянке и путях их решения, а также рассмотрите несколько примеров подобных проектов.
Лекции проходят в рамках курса магистратуры "Цифровые геотехнологии" Университета ИТМО.
Сегодня у нас анонс серии открытых лекций по прикладному геомоделированию от наших коллег из Научно-Технического Центра «Газпром нефти».
Первая лекция уже началась - успейте подключиться! Ссылка вот.
Подробности:
📆 Даты: 22 и 24 декабря, начало в 17:00 (МСК)
📗 Ссылка на регистрацию: https://dx.timepad.ru/event/1880864/
Мероприятие проходит онлайн
22.12.2021: Введение в геологическое моделирование
Спикер: Штырляева Анастасия Андреевна, руководитель направления Блока интегрированных решений Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о типах данных и их подготовке для геологического моделирования, рассмотрите его основные этапы, а также поговорите о концептуальном и трехмерном геологическом моделировании.
24.12.2021: Использование методов машинного обучения при построении геологических моделей
Спикер: Суханов Роман Александрович, руководитель программ проектов Центра компетенций по когнитивным технологиям Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о специфике ML проектов в нефтяной сфере, об основных типах задач, которые можно встретить в нефтянке и путях их решения, а также рассмотрите несколько примеров подобных проектов.
Лекции проходят в рамках курса магистратуры "Цифровые геотехнологии" Университета ИТМО.
Всем привет.
Сегодня в нашем YouTube-канале стало доступно несколько выступлений сотрудников нашей лаборатории на недавних мероприятиях.
Первые три были сделаны в рамках "Школы молодых ученых" НЦКР ИТМО:
- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная.
- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов.
- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов.
————————-————————————————————
Четвертое же более экзотично - это доклад о возможностях фреймворка FEDOT, сделанный Ильёй Ревиным в рамках конференции русско-китайской секции конференции Open innovations 2.0.
Доклад, переведенный на китайский язык доступен в нашем канале по ссылке 生成式自动机器学习系统.
Сегодня в нашем YouTube-канале стало доступно несколько выступлений сотрудников нашей лаборатории на недавних мероприятиях.
Первые три были сделаны в рамках "Школы молодых ученых" НЦКР ИТМО:
- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная.
- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов.
- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов.
————————-————————————————————
Четвертое же более экзотично - это доклад о возможностях фреймворка FEDOT, сделанный Ильёй Ревиным в рамках конференции русско-китайской секции конференции Open innovations 2.0.
Доклад, переведенный на китайский язык доступен в нашем канале по ссылке 生成式自动机器学习系统.
Всем привет.
Несмотря на праздничный день, у нас есть о чем рассказать.
Только что произошел релиз новой версии фреймворка FEDOT - 0.5.0, в которую вошло много важных изменений - от новых функций, расширяющего его функциональность, до исправления больших и малых ошибок.
Мы доработали препроцессинг табличных данных, улучшили пользовательский API, добавили zerocode-режим работы через консоль, реализовали интерпретацию моделей с помощью объясняющих деревьев, улучшили оптимизатор, повысили эффективность работы с временными рядами - и многое, многое другое.
Более подробные release notes можно почитать тут.
Будем очень рады как звездочкам на github-е, так и любому фидбеку от пользователей.
На этом наука 2021 заканчивается - но впереди уже ждет новая.
От лица NSS Lab поздравляю всех читателей канала с наступающим Новым Годом! 🎄
Несмотря на праздничный день, у нас есть о чем рассказать.
Только что произошел релиз новой версии фреймворка FEDOT - 0.5.0, в которую вошло много важных изменений - от новых функций, расширяющего его функциональность, до исправления больших и малых ошибок.
Мы доработали препроцессинг табличных данных, улучшили пользовательский API, добавили zerocode-режим работы через консоль, реализовали интерпретацию моделей с помощью объясняющих деревьев, улучшили оптимизатор, повысили эффективность работы с временными рядами - и многое, многое другое.
Более подробные release notes можно почитать тут.
Будем очень рады как звездочкам на github-е, так и любому фидбеку от пользователей.
На этом наука 2021 заканчивается - но впереди уже ждет новая.
От лица NSS Lab поздравляю всех читателей канала с наступающим Новым Годом! 🎄
🔥6❤4👍1
Всем привет.
Сегодняшнее душеспасительное чтение - интервью с нашим сотрудником-аспирантом Михаилом Масляевым:
https://news.itmo.ru/ru/science/it/news/12367/
Из него вы можете узнать, какие задачи можно решать, работая и учась у нас (напомню, что у нас есть ряд открытых вакансий, как full-time, так и стажерских - 1, 2, 3).
Также, для тех кто пропустил - небольшое интервью Александра Хватова о Лаборатории Композитного ИИ.
#про_нас_пишут
#nss_interview
Сегодняшнее душеспасительное чтение - интервью с нашим сотрудником-аспирантом Михаилом Масляевым:
https://news.itmo.ru/ru/science/it/news/12367/
Из него вы можете узнать, какие задачи можно решать, работая и учась у нас (напомню, что у нас есть ряд открытых вакансий, как full-time, так и стажерских - 1, 2, 3).
Также, для тех кто пропустил - небольшое интервью Александра Хватова о Лаборатории Композитного ИИ.
#про_нас_пишут
#nss_interview
❤2🔥2👍1
Всем привет.
Многие из вас слышали слышали о Highload++ - топовой ИТ-конференции, которая скоро пройдет в Москве.
Наш automl-фреймворк FEDOT, о котором мы часто пишем, был отобран среди 16 других open-source продуктов для финального голосования:
https://opensource.highload.ru/vote
Поэтому, если вам будет интересно послушать свежие подробности про реализацию FEDOT - будем рады поддержке голосами)
Многие из вас слышали слышали о Highload++ - топовой ИТ-конференции, которая скоро пройдет в Москве.
Наш automl-фреймворк FEDOT, о котором мы часто пишем, был отобран среди 16 других open-source продуктов для финального голосования:
https://opensource.highload.ru/vote
Поэтому, если вам будет интересно послушать свежие подробности про реализацию FEDOT - будем рады поддержке голосами)
🔥5❤1
Всем привет.
Завтра в рамках "Научной и учебно-методической
конференция Университета ИТМО" планируется несколько докладов от представителей нашей лаборатории.
Мероприятие начинается онлайн в 11-00. Речь пойдет о наших наработках в области генеративного дизайна физических объектов (библиотека GEFEST) и обучения байесовских сетей (библиотека BAMT).
Также будет затронут опыт наших open-source разработок в целом - поэтому всем, кто создает или поддерживает открытое ПО, отдельно рекомендую послушать посвященный этому доклад Михаила Сарафанова.
Ссылка для подключения:
https://itmo.zoom.us/j/84678284516
Перечень докладов:
11:05-11:15
1. Стародубцев Н.О. Суррогатная оптимизация волнозащитных сооружений с использованием сверточных нейронных сетей.
11:15-11:25
2. Стебеньков А.С. Методы обучения с подкреплением для генеративного дизайна цифровых и физических объектов.
11:25-11:35
3. Борисова Ю.И. Автоматическое моделирование природных процессов в задачах генеративного дизайна.
11:35-11:45
4. Сарафанов М.И. Особенности разработки программных решений с открытым исходным кодом.
11:55-12:05
6. Деева И.Ю. Библиотека вероятностного моделирования на основе байесовских сетей BAMT.
12:05-12:15
7. Бубнова А.В. Блочное обучение больших байесовских сетей на основе экспертно подобранных локальных структур.
12:15-12:25
8. Каминский Ю.К. Разработка алгоритма обучения байесовских сетей с большим количеством узлов на основе мер близости между узлами.
Будем рады всем желающим принять участие в обсуждениях.
Завтра в рамках "Научной и учебно-методической
конференция Университета ИТМО" планируется несколько докладов от представителей нашей лаборатории.
Мероприятие начинается онлайн в 11-00. Речь пойдет о наших наработках в области генеративного дизайна физических объектов (библиотека GEFEST) и обучения байесовских сетей (библиотека BAMT).
Также будет затронут опыт наших open-source разработок в целом - поэтому всем, кто создает или поддерживает открытое ПО, отдельно рекомендую послушать посвященный этому доклад Михаила Сарафанова.
Ссылка для подключения:
https://itmo.zoom.us/j/84678284516
Перечень докладов:
11:05-11:15
1. Стародубцев Н.О. Суррогатная оптимизация волнозащитных сооружений с использованием сверточных нейронных сетей.
11:15-11:25
2. Стебеньков А.С. Методы обучения с подкреплением для генеративного дизайна цифровых и физических объектов.
11:25-11:35
3. Борисова Ю.И. Автоматическое моделирование природных процессов в задачах генеративного дизайна.
11:35-11:45
4. Сарафанов М.И. Особенности разработки программных решений с открытым исходным кодом.
11:55-12:05
6. Деева И.Ю. Библиотека вероятностного моделирования на основе байесовских сетей BAMT.
12:05-12:15
7. Бубнова А.В. Блочное обучение больших байесовских сетей на основе экспертно подобранных локальных структур.
12:15-12:25
8. Каминский Ю.К. Разработка алгоритма обучения байесовских сетей с большим количеством узлов на основе мер близости между узлами.
Будем рады всем желающим принять участие в обсуждениях.
❤2
NSS Lab News
Всем привет. Завтра в рамках "Научной и учебно-методической конференция Университета ИТМО" планируется несколько докладов от представителей нашей лаборатории. Мероприятие начинается онлайн в 11-00. Речь пойдет о наших наработках в области генеративного…
Для всех, кто не смог послушать доклады во время конференции - выложили их на наш YouTube-канал в виде двух мини-семинаров:
Семинар по генеративному дизайну физических объектов
Семинар по моделированию с помощью байесовских сетей
Приятного просмотра!
Семинар по генеративному дизайну физических объектов
Семинар по моделированию с помощью байесовских сетей
Приятного просмотра!
🔥2
Всем привет.
У нас наконец вышла финальная версия статьи "Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea" - в Q1-журнале Computers & Geosciences.
Она посвящена применению ML и AutoML для различных задач из области моделирования нефтяного месторождения
1) прогнозирование добычи нефти с помощью гибридной модели, созданной с помощь фреймворке FEDOT;
2) классификация и сегментация сейсмических срезов для локализации расположения нефтяного резервуара.
Почитать её можно тут.
Ссылка для цитирования:
@article{NIKITIN2022105061,
title = {Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea},
journal = {Computers & Geosciences},
pages = {105061},
year = {2022},
issn = {0098-3004},
doi = {https://doi.org/10.1016/j.cageo.2022.105061},
url = {https://www.sciencedirect.com/science/article/pii/S0098300422000267},
author = {Nikolay O. Nikitin and Ilia Revin and Alexander Hvatov and Pavel Vychuzhanin and Anna V. Kalyuzhnaya}
}
У нас наконец вышла финальная версия статьи "Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea" - в Q1-журнале Computers & Geosciences.
Она посвящена применению ML и AutoML для различных задач из области моделирования нефтяного месторождения
1) прогнозирование добычи нефти с помощью гибридной модели, созданной с помощь фреймворке FEDOT;
2) классификация и сегментация сейсмических срезов для локализации расположения нефтяного резервуара.
Почитать её можно тут.
Ссылка для цитирования:
@article{NIKITIN2022105061,
title = {Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea},
journal = {Computers & Geosciences},
pages = {105061},
year = {2022},
issn = {0098-3004},
doi = {https://doi.org/10.1016/j.cageo.2022.105061},
url = {https://www.sciencedirect.com/science/article/pii/S0098300422000267},
author = {Nikolay O. Nikitin and Ilia Revin and Alexander Hvatov and Pavel Vychuzhanin and Anna V. Kalyuzhnaya}
}
👍3🔥2❤1
Всем привет!
Хотим поздравить всех защитников с праздником!
И в этот праздничный день вышел первый релиз
нашей библиотеки для моделирования с помощью байесовских сетей BAMT v0.1.0.
Функционал библиотеки широк, вы можете:
- строить многомерные распределения на ваших данных
- исследовать зависимости в данных
- генерировать синтетические данные
- заполнять пропуски и искать выбросы в данных
Приглашаем всех к тестированию библиотеки (звёздочки приветствуются)!
Хотим поздравить всех защитников с праздником!
И в этот праздничный день вышел первый релиз
нашей библиотеки для моделирования с помощью байесовских сетей BAMT v0.1.0.
Функционал библиотеки широк, вы можете:
- строить многомерные распределения на ваших данных
- исследовать зависимости в данных
- генерировать синтетические данные
- заполнять пропуски и искать выбросы в данных
Приглашаем всех к тестированию библиотеки (звёздочки приветствуются)!
GitHub
GitHub - ITMO-NSS-team/BAMT: Repository of a data modeling and analysis tool based on Bayesian networks
Repository of a data modeling and analysis tool based on Bayesian networks - GitHub - ITMO-NSS-team/BAMT: Repository of a data modeling and analysis tool based on Bayesian networks
🤩3❤2🔥2👎1
Всем привет.
Сегодня у нас вышла немного "непрофильная" статья, написанная в рамках международной коллаборации - "Single Red Blood Cell Hydrodynamic Traps via the Generative Design" в журнале Micromachines.
Она посвящена генеративному дизайну структуры микроустройств - "селезенок-на-чипе", состоящих из ловушек для клеток крови различного размера.
Часть работ, посвященную применению эволюционной оптимизации и её реализации в рамках библиотеки GEFEST выполняли мы, а изготовление прототипов микро-устройств "в железе" и их экспериментальную валидацию - ученые из Tsinghua Berkeley Shenzhen Institute и их коллеги.
Полученные результаты позволяют утверждать, что эволюционный генеративный дизайн позволяет получать human-competitive решения для данной задачи.
Сегодня у нас вышла немного "непрофильная" статья, написанная в рамках международной коллаборации - "Single Red Blood Cell Hydrodynamic Traps via the Generative Design" в журнале Micromachines.
Она посвящена генеративному дизайну структуры микроустройств - "селезенок-на-чипе", состоящих из ловушек для клеток крови различного размера.
Часть работ, посвященную применению эволюционной оптимизации и её реализации в рамках библиотеки GEFEST выполняли мы, а изготовление прототипов микро-устройств "в железе" и их экспериментальную валидацию - ученые из Tsinghua Berkeley Shenzhen Institute и их коллеги.
Полученные результаты позволяют утверждать, что эволюционный генеративный дизайн позволяет получать human-competitive решения для данной задачи.
MDPI
Single Red Blood Cell Hydrodynamic Traps via the Generative Design
This paper describes a generative design methodology for a micro hydrodynamic single-RBC (red blood cell) trap for applications in microfluidics-based single-cell analysis. One key challenge in single-cell microfluidic traps is to achieve desired through…
👍4❤1
Всем привет!
Сегодня мы выпустили ещё одну статью на хабр. В этот раз, в блоге Open Data Science (ODS) увидел свет наш пост "Чистый AutoML для “грязных” данных: как и зачем автоматизировать предобработку таблиц в машинном обучении".
О чем это?
- Мы обсуждаем подходы к вычистке табличных данных при подготовке к подаче в ML модели. Всё это, естественно, через призму разработки AutoML фреймворка FEDOT. Показываем, какими на самом деле страшными могут быть такие знакомые любому Data Scientist'у таблицы. Также к статье мы подготовили репозиторий automl-crash-test, в котором была сгенерирована таблица с очень большим количеством внутренних нерешенных проблем. Мы попробовали разрешить все эти проблемы при помощи фреймворков FEDOT, TPOT, AutoGluon, LAMA. Что из этого вышло читайте в статье и смотрите в репозитории :D
Зачем это?
- В предыдущие несколько месяцев мы хотели попробовать сделать наш фреймворк как можно более "всеядным". Хотя бы для табличных данных. В результате всех улучшений мы подумали, что нашими подходами и техническими изысканиями стоит поделиться с коллегами. Ведь зачем писать свою предобработку неинтересностей в таблицах, если можно поручить это занятие AutoML. А чтобы быть уверенным в том, что AutoML с данными сделает, хорошо бы знать как построена система изнутри.
Ссылка: https://habr.com/ru/company/ods/blog/657525/
Читайте, пишите комментарии! И до новых встреч :)
Сегодня мы выпустили ещё одну статью на хабр. В этот раз, в блоге Open Data Science (ODS) увидел свет наш пост "Чистый AutoML для “грязных” данных: как и зачем автоматизировать предобработку таблиц в машинном обучении".
О чем это?
- Мы обсуждаем подходы к вычистке табличных данных при подготовке к подаче в ML модели. Всё это, естественно, через призму разработки AutoML фреймворка FEDOT. Показываем, какими на самом деле страшными могут быть такие знакомые любому Data Scientist'у таблицы. Также к статье мы подготовили репозиторий automl-crash-test, в котором была сгенерирована таблица с очень большим количеством внутренних нерешенных проблем. Мы попробовали разрешить все эти проблемы при помощи фреймворков FEDOT, TPOT, AutoGluon, LAMA. Что из этого вышло читайте в статье и смотрите в репозитории :D
Зачем это?
- В предыдущие несколько месяцев мы хотели попробовать сделать наш фреймворк как можно более "всеядным". Хотя бы для табличных данных. В результате всех улучшений мы подумали, что нашими подходами и техническими изысканиями стоит поделиться с коллегами. Ведь зачем писать свою предобработку неинтересностей в таблицах, если можно поручить это занятие AutoML. А чтобы быть уверенным в том, что AutoML с данными сделает, хорошо бы знать как построена система изнутри.
Ссылка: https://habr.com/ru/company/ods/blog/657525/
Читайте, пишите комментарии! И до новых встреч :)
👍6🔥1