![]() |
![]() |
![]() |
![]() |
Обзор базовых моделей временных рядов для анализа данных, прогнозирования тенденций и принятия бизнес-решений |
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-07-14 11:32 Коротко и по делу рассказывает Никита Зелинский, руководитель центра компетенций Data Science, МТС (генеральный партнёр RuCode 2024) ? Могут ли foundation models пригодиться стартапам и небольшим компаниям? Или наоборот, корпорациям, у которых переизбыток несистематизированных данных? LLM без предварительного обучения (Zero-shot model) прогнозирует временные ряды — возможно ли? Уже есть успешные кейсы применения базовых моделей для предсказания временных рядов? Спойлер: да. Хорошо прогнозируется спрос на товары и услуги, потребление энергии и т.п. Поиск аномалий в реальном времени эффективен в обслуживании транспорта, айти-операциях… В каких стартапах foundation models уже регулярно применяют для анализа временных рядов? И еще кое-что: - основные приёмы foundation models for time series - бенчмарки во временных рядах. Смотрим Источник: vk.com Комментарии: |
|