Lataa esitys
Esittely latautuu. Ole hyvä ja odota
1
Koneoppimisen hyödyntäminen Kuti-järjestelmässä
Erityisasiantuntija, Oliver Kostia VM:n kokemustenvaihtotilaisuus
2
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.
3
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
4
Automaattiset seurantatyökalut
Tekniikat ML.NET Anomaly Detection Koneoppiminen projektissa Algoritmin antama tieto palaute Parempia tietoja algoritmilta Ensimmäinen hanke tukee parantamalla käytössä olevaa tietoa
5
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
6
Kiitos!
Samankaltaiset esitykset
