الأخبار التكنولوجية والاستعراضات والنصائح!

أهم 10 أوراق مقدمة في MLDS 2021

ستساعدك المقالة التالية: أهم 10 أوراق مقدمة في MLDS 2021

قمة مطوري التعلم الآلي (MLDS) من قبل مجلة Analytics India هي المؤتمر الهندي الرائد لممارسي التعلم الآلي.

من 11 إلى 13 فبراير ، استضاف الإصدار الثالث من MLDS فعليًا كبار الأكاديميين والمتخصصين في الصناعة من مجتمع علوم البيانات. غطت المحادثات التقنية والعروض التقديمية الورقية وورش العمل العديد من الموضوعات في التعلم الآلي وعلوم البيانات.

هنا ، نقدم لك نظرة خاطفة على الأوراق العشرة الأولى التي تم تقديمها في المؤتمر.

توقع تعويض الطلب للرد على الأحداث الحرجة غير المتوقعة – بريانكا تيلانج

تعتمد سلسلة التوريد كثيرًا على رؤى قابلة للتنفيذ من التنبؤ بالطلب. تساعد الرؤى المستندة إلى البيانات المؤسسات على تخصيص الموارد بحكمة. نماذج التنبؤ عامل في المطالب التاريخية لعمل توقعات معقولة. ومع ذلك ، فإن مثل هذه النماذج ليست مجهزة لتفسير أحداث البجعة السوداء مثل اندلاع الجائحة ، نظرًا للقيود المفروضة على معاييرها. حاولت هذه الورقة معالجة هذه المشكلة.

طورت Telang طريقة للمراقبة المستمرة للأحداث الخارجية في الوقت الفعلي وتدفقها وتجميعها ثم الوصول إلى تعويض في الطلب. سيعتمد الطلب على ما تم رؤيته في الماضي وسياق وقوع الأحداث ، مثل النقطة في دورة المبيعات عند حدوث الحدث. يساعد هذا في زيادة موثوقية توقعات الطلب للاستجابة للأحداث غير المتوقعة بشكل فعال.

طرق الحد من التصنيف الائتماني العالي القائمة على ML لإنشاء نقاط جغرافية لتحسين نموذج تسعير التويد للتأمين على السيارات – Suguna Jayaraj

على الرغم من أن نماذج تسعير التأمين على السيارات التقليدية تأخذ بعين الاعتبار عوامل الخطر مثل السائق والمركبة وخصائص السياسة ، إلا أن المناطق الجغرافية ظلت إلى حد كبير خارج المعادلة بسبب ارتفاع عدد أفرادها. على الرغم من أنه يمكن استخدام الرموز البريدية لنفسه ، إلا أن هذا قد يؤدي إلى حدوث مشكلات نظرًا لأن الخسارة في التكلفة تكون دائمًا صفرية تقريبًا في حالة وجود تعرض منخفض في مناطق معينة وثقة منخفضة في النموذج بسبب المعلومات المفقودة في المتغيرات الكامنة.

قدمت هذه الورقة دراسة حالة حيث تم تطوير درجة جغرافية على مستوى الرمز البريدي لتحسين تقسيم المخاطر. تم بناء نموذج تكلفة الخسارة الأساسية باستخدام انحدار Tweedie Compound Poisson. تمت إضافة السمات الجغرافية المكانية إلى النموذج دون تغيير هيكل التصنيف الحالي. التقليل من الخصائص الأساسية العالية للبيانات الجغرافية وإضافة المزيد من المتغيرات الاجتماعية والديموغرافية ، قدمت الورقة نهجًا هجينًا لطريقة تشفير قائمة على الهدف.

نهج الحل لحل مشكلة توجيه المركبات باستخدام التعلم المعزز العميق – الدكتورة مونيكا سينغ

يستلزم توجيه السيارة إيجاد المسار الأمثل لتحسين ETAs. أظهرت الورقة كيف يمكن استخدام التعلم المعزز العميق لحل مشكلة التحسين الكلاسيكية هذه. بدلاً من أن تتم برمجتها بشكل صريح ، تم تطوير نموذج اهتمام ديناميكي بهندسة وحدة فك ترميز حيث يتم تمييز كل عقدة ديناميكيًا في سياق الرسم البياني.

تم قياس الخوارزمية مقابل الخوارزميات الجينية وتم تقييمها باستخدام اثنين من مؤشرات الأداء الرئيسية – تكلفة السفر والوقت الحسابي. وفقًا للدكتور سينغ ، أظهرت المقارنة انخفاضًا في التكلفة بمقدار 5 × 20 ضعفًا وتقليل الوقت الحسابي بمقدار 100 × 1000 مرة.

كشف وتصنيف استرواح الصدر على صور الصدر الشعاعية باستخدام الذكاء الاصطناعي – Tejas Haritsa VK

يشير استرواح الصدر إلى تجمع غير طبيعي للهواء في الحيز الجنبي بين الرئة وجدار الصدر مما يؤدي إلى انهيار جزئي أو كامل في الرئة. يتم استخدام التصوير الشعاعي لتشخيص الأمراض المختلفة ويمكن أن يساعد في الكشف في الوقت المناسب عن استرواح الحرارة.

حللت الورقة أداء الذكاء الاصطناعي في اكتشاف استرواح الصدر من خلال تدريب النموذج على مجموعتي بيانات مختلفتين. تم تقييم نظامين من أنظمة الذكاء الاصطناعي باستخدام الصور الكاملة عالية الدقة والآخر يتضمن صورًا متوسطة الدقة في مقاطع. وضعت الورقة مقاييس الأداء وقيود كلتا الطريقتين. أظهر الأسلوب المجزأ دقة بلغت 96.83٪ بينما أظهرت الصورة الكاملة دقة 95.10٪.

طريقة تحديد ميزة اختلاف العد المعدل لتصنيف النص – Manik Garg

تتضمن دورة حياة نماذج تصنيف النص إدخال البيانات ، والمعالجة المسبقة للبيانات ، واستخراج الميزات ، واختيار الميزات ، ثم تطبيق مصنفات التعلم الآلي. هناك طرق مختلفة لاختيار الميزة ، وإحدى هذه الطرق هي طريقة الفروق العددي (CDM) ، والتي ، مع ذلك ، لها قيود مختلفة. تقتصر الطريقة على التصنيف الثنائي حيث يمكنها قياس الاختلاف في ميزة معينة عبر فئتين مختلفتين. أيضًا ، تعتبر مجموعات البيانات الضخمة مصدرًا للوقت.

اقترح جارج طريقة طورها مع شركائه للتغلب على هذه التحديات وتوسيع آلية التنمية النظيفة لتصنيف متعدد الفئات. تم إجراء ذلك من خلال مقارنة أهمية الميزة في الفصل الحالي وحساب ما إذا كانت بارزة عبر الفئات باستخدام “القيمة القصوى المركزية”. التجربة قابلة للتطوير وسهلة التنفيذ وسريعة من الناحية الحسابية.

استدلال التعلم العميق الفعال والأمثل لتطبيقات الرؤية الحاسوبية – فينكاتيش وادواداجي

يمكن أن يساعد “استنتاج التعلم العميق الأمثل” في معالجة البيانات في الوقت الفعلي وضمان التحقق من صحة النموذج بشكل أسرع. كما أنه يساعد في التغلب على موارد الحوسبة والتخزين والذاكرة المحدودة. بخلاف ذلك ، تصبح الأجهزة بمثابة عنق زجاجة في التطبيقات التي يتم تشغيلها محليًا وترتفع تكاليف التشغيل للتطبيقات التي تعمل على السحابة.

سيحتاج أي جهاز يستخدم رؤية الكمبيوتر إلى معالجة هذه القيود للحفاظ على توازن صحي بين أداء النموذج أو الدقة ووقت الاستدلال. قدم Wadawadagi ورقة حول الأساليب المختلفة لتحسين استنتاجات التعلم العميق. قام بتغطية طرق مختلفة بما في ذلك تقنيات الكم ، وتقليم الشبكة ، وعوامل المصفوفة ، ومسرع الاستدلال. غطى العرض مزايا ومفاضلات اختيار الأساليب المختلفة.

تضخم الاتصالات والاحتفاظ بالعملاء الكرام – سرينيفاساراو فالارو

تعتبر صناعة الاتصالات من الأسواق شديدة التنافس والاحتفاظ بالمستهلكين هو شريان الحياة لأعمالهم. اقترحت الورقة نهجًا تحليليًا تقدميًا يمكن أن يساعد في تقسيم العملاء على أساس عوامل مثل شدة الاضطراب وأولوية الاضطراب. يمكن أن يحدد هذا مستويات المخاطر للعملاء الذين يتنقلون من منخفض إلى مرتفع ، والتي يمكن استخدامها بعد ذلك لاتخاذ تدابير الاحتفاظ ، وبالتالي زيادة إيراداتهم.

توقع تصنيف المنتج المفقود في البيع بالتجزئة: نهج مضمن باستخدام نماذج خليط N-gram وطريقة نيوتن – Neeraj Mishra

في البيع بالتجزئة ، يعتبر التصنيف ترتيبًا هرميًا ومنطقيًا للمنتجات لمساعدة العملاء في العثور على ما يحتاجون إليه في المتجر أو موقع الويب. هذه العملية مكلفة لأنها تحتاج إلى موارد بشرية بما في ذلك علماء التصنيف وعلماء المعلومات واللغويين لبناء تصنيف فعال.

طور ميشرا خوارزمية جديدة للتعلم الآلي من خلال الاستفادة من نموذج N-gram Mixture ، ووظيفة الانتروبيا المتقاطعة ، وطريقة تحسين نيوتن لإعداد تصنيف منتج. تم دمج خوارزمية Naïve Bayes المعدلة ونماذج تصل إلى 4 جرام مع الاستدلال العام لإنتاج نموذج تم نشره واختباره لبيانات البيع بالتجزئة عبر الإنترنت. حققت دقة 84٪.

نهج التعلم الآلي للتنبؤ بوضع المريض لمنع تقرحات الفراش – Sujoy De و Aditya Agarwal

تكلفة المرضى الذين يصابون بقرح الفراش مرتفعة للغاية ، حيث تنفق الولايات المتحدة وحدها أكثر من 9.11 مليار دولار سنويًا في علاج حوالي 2.5 مليون فرد. يوجد حاليًا أسرة ذكية تنبه المرضى الذين لم يغيروا وضعهم. ومع ذلك ، فإن هذه الأجهزة باهظة الثمن.

توصل De and Agarwal إلى حل يستخدم خلايا تحميل منخفضة التكلفة لتقدير وضع المريض بدقة تصل إلى 98.8٪. استخدموا نماذج هندسية مميزة مختلفة لتمييز موضع عن آخر. ساعدهم هذا في إنشاء ميزات بديهية هادفة تستخدمها نماذج التعلم الآلي المختلفة لإنشاء تنبيهات عندما يكون المريض في نفس الوضع لفترة طويلة من الزمن.

نموذج غير باضع لاكتشاف حمى الضنك بناءً على الأعراض باستخدام الذكاء الاصطناعي وتعلم الآلة – دكتور روبان إس

يؤثر الذكاء الاصطناعي بشكل كبير على نظام رعاية المرضى. طور الدكتور روبان ، جنبًا إلى جنب مع فريقه ، نموذجًا غير جراحي للكشف عن حمى الضنك بناءً على الأعراض باستخدام تقنيات الذكاء الاصطناعي والتعلم الآلي. تم تطوير هذا باستخدام بيانات المستشفيات في المناطق الريفية في ولاية كارناتاكا الساحلية. بتجربة أساليب مختلفة للتعلم الآلي جنبًا إلى جنب مع موازنة مجموعات البيانات باستخدام تقنيات أخذ العينات الزائدة ، كان النموذج قادرًا على توفير نظرة ثاقبة للأعراض المختلفة للتنبؤ بحمى الضنك بدقة 98٪. يخطط الفريق لتحسين النموذج من خلال دمج البيانات عبر مناطق جغرافية متعددة.