Como otimizar o desempenho do aeroporto com aprendizado de máquina

Como aprender a aplicar métodos de aprendizado de máquina, definir um problema, escolher um modelo, encontrar dados para treiná-lo e simplificar a operação de aeroportos em alguns meses, tendo encontrado uma conexão entre os índices de estoque e o número diário de passageiros? Mais fácil do que parece.

Nossa equipe desenvolve há mais de dez anos aplicativos que gerenciam a operação dos maiores aeroportos: Frankfurt, Dublin, Manila, Jacarta, Miami, Pequim. Os aeroportos usam aplicativos para gerenciamento otimizado de recursos, organização do trabalho e controle do fluxo de informações do aeroporto e coordenação dos horários dos voos.

Aeroportos usando nossos aplicativos
Aeroportos usando nossos aplicativos

, . , 2019 70 , . , 190 , , .  . . : , , . , , , . , . , . .

: « , – , : , , ». , . , , . , .

, . : 

  • . . , .

  • . , . 

  • . , , , ( ). , , . 

. , , . DAX, . 

DAX

Deutscher Aktienindex – German stock index – . .

DAX, Yahoo Finance. 2018 2019 , kaggle. , . , .

. , . DAX – . DAX DAX . 5 : 15 19 . 

. MAE, ( / ). , DAX , . Linear Regressor, Random Forest, Gradient Boosting, SGDRegressor. GridSearchCV.

MAE

Mean Average Error

DAX . . () (). MAE . . MAE, score ( DAX + ) .

Gráficos de regressão linear com mudança DAX de 15 dias
Linear Regression DAX 15

, DAX 15 . , , MAE. Gradient Boosting 297 . , .

pickle, REST API Docker-. , 15 , DAX, , . . .

. - , . , , .




All Articles