Automatisation et optimisation

Automatisation et optimisation
Use cases : Automatisation et optimisation (wip)
Définir un système d’optimisation des décisions appuyé sur des modèles mathématiques complexes après analyse de l’historique ;
Optimiser l’utilisation de matières premières pour l’amélioration du rendement et l’obtention de caractéristiques désirées du matériau fini par analyse combinatoire et modélisation des corrélations ;
Automatiser l’amélioration des visuels d’une présentation grâce à des méthodes de clustering et d’analyse physique des composantes d’un slide.
Technologies : Automatisation et optimisation (wip)
L’analyse combinatoire permet d’étudier toutes les possibles combinaisons entre différents éléments.
Dans les cas où peu de données sont disponibles, on peut effectuer des études statistiques et observer les corrélations présentes entre les features pour effectuer une prédiction.
Dans les cas où beaucoup de données sont disponibles, on peut faire intervenir des modèles plus complexes de machine learning (régression logistique, forêts de décision, gradient boosting… selon les cas)
Diverses méthodes de réduction de dimensionnalité et de pondération des features mettent en lumière quelles données d’entrée sont importantes pour les prédictions d’un modèle.