Ozon разработал собственный инструмент для генерации и редактирования фона на изображении товаров, который работает с помощью алгоритмов машинного обучения.
По прогнозам экспертов, число предприятий, использующих отечественные решения, возрастет до 80% к концу 2024 г.
Новая инициатива упрощает внедрение алгоритмов машинного обучения с открытым исходным кодом, от сторонних поставщиков и команд анализа данных заказчика в приложения Seeq.
Корпорация Seeq, лидер в продвинутом программном обеспечении для аналитики данных производства и промышленного Интернета вещей (IIoT), объявила, что расширяет интеграцию алгоритмов машинного обучения в приложения Seeq. В результате компании смогут задействовать инвестиции в анализ данных и обеспечить работникам первой линии легкий доступ к алгоритмам машинного обучения с открытым исходным кодом и от сторонних поставщиков.
Среди заказчиков Seeq компании, работающие в нефтегазовой отрасли, фармацевтике, химической промышленности, энергетике, горнодобывающем деле, производстве пищевых продуктов и других сферах. Компании Insight Ventures, Saudi Aramco Energy Ventures, Altira Group, Chevron Technology Ventures, Cisco Investments и другие инвесторы уже вложили в Seeq более 100 млн долларов США.
Стратегия Seeq по внедрению инноваций машинного обучения обеспечивает конечным пользователям доступ к алгоритмам из нескольких источников без привязки к одному определенному поставщику или платформе. В результате гарантируется разнообразие типов алгоритмов, доступных компаниям, включая:
– алгоритмы с открытым исходным кодом и из различных общедоступных ресурсов. Например, на этой неделе Seeq опубликует два своих дополнения на GitHub, в том числе алгоритмы и рабочие циклы для корреляционного и кластерного анализа, которые пользователи могут изменять и улучшать под свои нужды;
– алгоритмы, созданные пользователями в Seeq Data Lab или на аналитических платформах, использующих машинное обучение, например Microsoft Azure Machine Learning, Amazon SageMaker, Anaconda и других, в ходе инициатив по интеллектуальному анализу данных или цифровой трансформации;
– алгоритмы сторонних поставщиков, предоставленные разработчиками программного обеспечения, партнерами и научными учреждениями. Развивается рынок алгоритмов для промышленности и вертикального рынка — уже представлены решения AWS Lookout for Equipment, Microsoft Azure AutoML, BKO Services Pump Prediction и алгоритмы с открытым исходным кодом от Университета Бригама Янга.
Инициатива Seeq решает критическую сложность «последней мили» масштабирования и развертывания алгоритмов на производственном предприятии, предоставляя работникам инновационные решения по аналитике данных в удобных для использования приложениях: Seeq Workbench для расширенной аналитики, Organizer для публикации отчетов и Seeq Data Lab для доступа к библиотекам Python в любое время.
Перечисленные решения дополняют способы, которыми Seeq поддерживает фундаментальные элементы успеха машинным обучением. Компания обеспечивает доступ ко всем источникам производственных данных — архивным, контекстным и от производственных приложений — для очистки и моделирования данных, поддержки совместной работы сотрудников и сбора знаний, быстрых прогонов и обеспечения рабочих процессов с непрерывным совершенствованием на основе производительности.
«Инновационные решения для аналитики данных на производстве потенциально могут поднять на новый уровень экологичность, производительность и готовность предприятия, — говорит Кевин Праути (Kevin Prouty), вице-президент IDC Corporation по промышленности. — Но чтобы воспользоваться этой возможностью, компаниям необходимо предоставить инновации в аналитике данных инженерам первой линии вместе с контекстом предприятия, чтобы принимаемые решения основывались на отчетах от новых алгоритмов».
Примеры клиентов, использующих приложения Seeq для доступа к инновациям в аналитике данных и их интеграции: нефтегазовая компания, внедряющая алгоритм прогнозирования выбросов на основе глубокого обучения; фармацевтическая компания, использующая алгоритм обучения без наблюдения для упреждающего обнаружения дрейфа датчиков в чувствительных пакетных процессах; химическая компания, использующая обучение по шаблонам для выявления основных причин нестабильности процесса и увеличения времени цикла.
«Seeq обеспечивает связь между командами по аналитике данных и их алгоритмами и работниками первой полосы на сотнях предприятий по всему миру, — говорит Брайан Парсоннет (Brian Parsonnet), главный технический директор корпорации Seeq. — Теперь развертывание алгоритма максимально упрощено — достаточно зарегистрировать его в Seeq и определить, какие сотрудники обладают доступом к нему в своих приложениях Seeq».
Компания Seeq впервые представила решения на машинном обучении в 2017 году, выпустив Seeq Workbench. В 2020 году вышло решение Seeq Data Lab для доступа к библиотекам Python и любому алгоритму машинного обучения. Эти комплексные решения для компаний с любым уровнем сложности аналитики рассчитаны на несколько аудиторий — инженерам-технологам понравится ввод данных с использованием мыши, а малокодовая разработка и среда программирования подойдут специалистам, занимающимся конструированием признаков и сокращением объемов данных.
