Фреймворк ARTEM(L): Как мы автоматизируем обучение и обновление моделей в Альфа-Банке

Добрый день, а почему используется AutoGluon, а не AMELIA

Вливаемся в Data Science: подробный roadmap что и где изучать

Интересные у вас примеры задач, встречал такие в одной образовательной школе...

Особенности машинного обучения в нефтегазовой отрасли

Спасибо за материал! Есть некоторые замечания и вопросы, я раньше был геологом, сейчас пытаюсь в изучение ML.

В большинстве процессов больших данных нет:

• разработка месторождений.

Разве в разработке мало табличных данных и структурированных данных?

Есть много структурированных данных по работе фонда скважин на месторождениях, там история огромная - задача оптимизации фонда.

Во вторых, есть же куча материалов по скважинам каротажные логи и все такое, что тоже за частую более менее очищенное и обработанное уже людьми - тут можно разгуляться с задачами.

В третьих есть же сейсмические кубы - как минимум задачи CV.

Вопрос только насколько это будет лучше существующих решений на рынке. Или эти данные не идут в работу по определенными причинам?

Реальных параметров гидродинамической модели мало

Что здесь подразумевается? Там же много выгрузить разных кубов данных (пористость, коллектор, проницаемость, давления, сейсмических атрибутов и тд)?

С гидродинамическими моделями вы уже получается использовали RL по ГДМ переданных от геолога? Даже при правильном предикте RL, если сама ГДМ будет с ошибкой, то прогноз будет в пустоту :(