Использование искусственного интеллекта и анализа данных в бизнесе обсудили в столице Алтайского края 9 июня на конференции Data Conf – 2023.
Организаторами выступают Министерство экономического развития Алтайского края и Алтайский центр кластерного развития совместно с Barnaul Data Science Community.
Основная цель — познакомить участников с достижениями и разработками, в которых активно применяется машинное обучение.
Конференция подходит как начинающим программистам, желающим развиваться в машинном обучении, так и действующим разработчикам, которые хотят получить передовую экспертизу из первых уст.
В числе спикеров выступил ведущий разработчик команды ML DBA Дмитрий Лыкин, который поделился опытом по повышению точности промышленной модели на смеси синтетических и реальных данных.
«Одной из важных задач после внедрения программного продукта в промышленную эксплуатацию является поддержание высокой точности распознавания дефектов ВЛЭП. К решению вопроса мы подошли с учетом актуальных тенденций энергетической отрасли: добирали дефекты, необходимые для дообучения модели, с помощью подходов синтетической генерации и с использованием нейросети Stable diffusion.
В ее основе диффузионная модель, которая обучается поэтапно удалять лишнее из изображения-образца и после нескольких итераций выдает результат. Наша команда успешно апробировала применение нейросети и сформировала качественный набор данных с редкими дефектами.
Кроме того, прибегли к подходу ансамблирования — использование нескольких моделей вместо одной. Сначала обучили модели по типам дефектов на разных выборках естественных и сгенерированных данных, а затем объединили предсказания моделей. В результате наши модели вместе образовали одну более сложную (в плане обобщающей способности — «понимать» данные), которая учитывает опыт всех предыдущих, что позволило уменьшить ошибки распознавания и повысить точность. Таким образом, мы достигли запланированной цели, стоявшей перед командой разработчиков и конечного потребителя», — рассказал Дмитрий.
В рамках конференции участники обсудили применение машинного обучения для решения бытовых, производственных и бизнес-задач на реальных примерах, рассмотрели прикладные подходы и методы работы с разнообразными типами данных: видео, изображениями, звуком, текстами.