From 1cfaaaf75e0ab4cea6371cefc3779d0c81ab1153 Mon Sep 17 00:00:00 2001 From: dano Date: Tue, 18 Jan 2022 09:38:24 +0000 Subject: [PATCH] Update 'pages/students/2016/maros_harahus/README.md' --- pages/students/2016/maros_harahus/README.md | 43 +++++---------------- 1 file changed, 9 insertions(+), 34 deletions(-) diff --git a/pages/students/2016/maros_harahus/README.md b/pages/students/2016/maros_harahus/README.md index 807a584af4..0c5f1052a5 100644 --- a/pages/students/2016/maros_harahus/README.md +++ b/pages/students/2016/maros_harahus/README.md @@ -18,45 +18,20 @@ Generovanie vektorových reprezentácií štruktúrovaných dát. - Grafové neurónové siete + +Stretnutie 18.1.2022 + +Úlohy: + +- Do git repozitára pridať súbor s podrobným popisom jednotlivých kolóniek v dátovej množine. +- Do git repozitára pridať skript na načítanie dát do Pandas formátu. + Stretnutie 17.1.2022 - Mme dáta z vysokej pece (500GB) - Zlepšený konvolučný autoenkóder - dosahuje state-of-the-art. - Prečítané niečo o transformers a word2vec. -Poznámky k porade 17.1.2022: - -Prezentácia Lukáš: - -- Je rozdiel medzi konvertormi: -- len v parametre síra. - - v konertoroc je rozdiel, každý má inú charakteristiku. -vytvorenie "zhustenej" reprezentácie dát - (deep) autoenkóder + LSTM. -- tavba je časovo závislý proces. -- cieľom je vytvorenie modelu - "zhustenej reprezentácie" na predpovedanie rôznych veličín. Predpovedný model je možné použiť na optimalizáciu - -Niekoľko odkazov: - -- https://thermocalc.com/academia/free-educational-package/ -- https://reader.elsevier.com/reader/sd/pii/S2352492820302178?token=5EA4D3B31E698BEEAE4DB08361F9F985EC80CAF012A4EE2E8EF11479A93BE1F14C1023E529FFE200659FE8A452345596&originRegion=eu-west-1&originCreation=20220117153447 -- Sandip Barui, Sankha Mukherjee, Amiy Srivastava, Kinnor Chattopadhyay : Understanding Dephosphorization in Basic OxygenFurnaces (BOFs) Using Data DrivenModeling Techniques -- https://www.chemeurope.com/en/encyclopedia/Basic_oxygen_steelmaking.html - -Čo ďalej: - -- Jednoducho predspracovať dáta -- Vytvoriť generatívny model (GAN,VAE). -- Ako vyčistiť dáta? - - -Úlohy: - -- Spracovanie prehľadu o modelovaní vysokých pecí (prezentácia do konca februára, zatiaľ dva zdroje). -- Prehľad o spracovaní prir. jazyka - zistiť ako by sa to dalo použiť na modelovanie vysokej pece. -- Článok o Spacy. -- Na spracovanie dát z US Steelu použiť Pandas. -- Vytvoriť dokumentáciu k dátam. Na git s poznámkami vytvoriť súbor, kde opíšeš dáta a pridáš skript Pandas na spracovanie. - Stretnutie 9.12.2021 @@ -76,7 +51,7 @@ Dáta z US Steel: - Z tavby sa postupne odoberajú vzorky a meria sa množstvo jednotlivých vzoriek. - Na konci tavby sa robí finálna analýza taveniny. - Priebeh procesu závisí od vlastností konkrétnej pece. Sú vlastnosti pece stacionárne? Je možné , že vlastnosti pece sa v čase menia. -- Cieľom je predpovedať výsledky anaýzy finálnej tavby na základe predošlých vzoriek. +- Cieľom je predpovedať výsledky anaýzy finálnej tavby na základe predošlých vzoriek? - Cieľom je predpovedať výsledky nasledujúceho odberu na základe predchádzajúcich? - Čo znamená "dobrá tavba"? - Čo znamená "dobrá predpoveď výsledkov"?