«Как градиентный бустинг незаметно поддерживает исследовательский рывок Индии»: индийцы признаются, что в научных исследованиях им помогают российские ИИ-решения

Для решения задач НИОКР страна делает акцент на методы градиентного бустинга — практичные и интерпретируемые модели машинного обучения, такие как CatBoost от Яндекса.

Градиентный бустинг в Индии применяется в гидрологии, экологии, геологии, сельском хозяйстве и городском планировании. CatBoost особенно ценится за умение работать с категориальными признаками (типы почв, землепользование, классы загрязнений), снижая временные затраты на подготовку данных. Это тот пример, когда «ИИ во благо» не требует суперкомпьютеров, а зависит от эффективных и открытых систем, которым могут доверять учёные и государство.

Такой выбор — часть общей для научного сообщества БРИКС философии: создавать и использовать практичные инструменты для решения реальных проблем, а не просто технологические тренды.

Недавно CatBoost вошёл в международный отчёт о самых применяемых в науке инструментах. Индия заняла в нём третье место по числу научных статей с использованием российского алгоритма.

Источник: vk.com

Комментарии: