ML-Engineering und Deep Learning
Angewandtes ML und Theorie
Ein ML-System, das der Betrieb täglich nutzt, und die Theorie, die Ihnen sagt, wie weit Sie ein Training treiben dürfen. Beide kommen mit prüfbaren Zahlen. Öffnen Sie ein Projekt für die ganze Fallstudie.
-
Prognose · im Betrieb
Telekomstandorte in Kamerun verloren Diesel, und niemand sah wo. Das System sagt vorher, was ein Standort verbrauchen sollte, und meldet die Standorte, die mehr verbrauchen. Der Betrieb nutzt es bis heute.
NSE 0,986 · 84 617 Liter Kraftstoff nachgewiesen
Ein Random-Forest-Regressor hinter einer Flask-Webanwendung, mit einer Abweichungsschwelle beim Mittelwert plus 2 Standardabweichungen, einem Monitoring-Dashboard und Exporten für Audits.
-
Promotionsforschung · veröffentlicht
Analyse des Trainings neuronaler Netze
Springer Nature 2024Wie groß ein Trainingsschritt sein darf, bevor ein Modell aufhört zu lernen: vorab berechnet, statt beim Scheitern eines Laufs entdeckt.
Die maximale Lernrate fällt nicht mehr exponentiell mit der Tiefe
Globale Konvergenz des Gradientenabstiegs für tiefe lineare Netze. Die Arbeit trägt frühere Gradientenfluss-Analysen in den diskreten Fall und beweist Konvergenz zu einem globalen Minimum für fast alle Initialisierungen.
