Cara mengoptimalkan kinerja bandara dengan pembelajaran mesin

Bagaimana Anda bisa belajar menerapkan metode pembelajaran mesin, menetapkan masalah, memilih model, menemukan data untuk melatihnya dan menyederhanakan pengoperasian bandara dalam beberapa bulan, setelah menemukan hubungan antara indeks saham dan jumlah penumpang harian? Lebih mudah dari kedengarannya.

Tim kami telah mengembangkan aplikasi selama lebih dari sepuluh tahun yang mengontrol pengoperasian bandara terbesar: Frankfurt, Dublin, Manila, Jakarta, Miami, Beijing. Bandara menggunakan aplikasi untuk manajemen sumber daya yang optimal, organisasi kerja dan kontrol atas arus informasi bandara, dan koordinasi jadwal penerbangan.

Bandara menggunakan aplikasi kami
Bandara menggunakan aplikasi kami

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

: ยซ , โ€“ , : , , ยป. , . , , . , .

, . : 

  • . . , .

  • . , . 

  • . , , , ( ). , , . 

. , , . DAX, . 

DAX

Deutscher Aktienindex โ€“ German stock index โ€“ . .

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

. , . DAX โ€“ . DAX DAX . 5 : 15 19 . 

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

MAE

Mean Average Error

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

Grafik Regresi Linier dengan pergeseran DAX selama 15 hari
Linear Regression DAX 15

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

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

. - , . , , .




All Articles