Koneoppimisen hyödyntäminen Kuti-järjestelmässä Erityisasiantuntija, Oliver Kostia 7.7.2019 VM:n kokemustenvaihtotilaisuus
2-osainen hanke 1. Työkaluja tiedon laadun parantamiseen Tavoitteena kehittää tiedon laadun parantamiseen käytettäviä työkaluja, hyödyntämällä koneoppimista 2. Automaattiset seurantatyökalut valvonnan tueksi Tavoitteena antaa valvonnalle paremmat työkalut ongelmien havaitsemiseksi ja seuraamiseksi. 7.7.2019
Koneoppiminen tiedon laadun parantamisessa Tekniikat ML.NET KMeans –algoritmi Levenshtein –algoritmi Korjausprosessi on usean funktion yhdistelmä Koneoppiminen projektissa Korjausoperaatio mallien uudelleenluonti paremmat tulokset Mitä parempaa taustalla oleva tieto, sitä parempia tuloksia algoritmeista 7.7.2019
Automaattiset seurantatyökalut Tekniikat ML.NET Anomaly Detection Koneoppiminen projektissa Algoritmin antama tieto palaute Parempia tietoja algoritmilta Ensimmäinen hanke tukee parantamalla käytössä olevaa tietoa 7.7.2019
Kokemuksia koneoppimisesta Kokemukset Hyvät Kokemukset koneoppimisesta Yksi algoritmi ei ratkaise kaikkea Hyötyjen realisoituminen Haasteet Algoritmin testaaminen ja optimointi vaatii aikaa Tekstin käsittely hankalampaa, numeroilla helpommin parempia tuloksia 7.7.2019
Kiitos! Seuraa: @kkv_uutiset