ym104432846
Вставьте ссылку на видео из Youtube, Rutube, VK видео
Задайте вопрос по видео
Что вас интересует?
00:02:26
проблемы и вызовы цифровой трансформации:
  • 1. Обсуждалась тема цифровых преобразований и возникающих технологических вызовов (челленджей)
  • 2. Упоминалась необходимость работы над вопросами безопасности
  • 3. Участники встречи вернулись с конференции Collabolab Olympus и обсудили проблему Петроса и аналогичные сложности в ZET AI COFTE
00:03:12
применение AI в энергетике и добыче нефти:
  • 1. Обсуждены меры реализации разных решений в цифровом поле и принято решение включить их в план мероприятий
  • 2. Участники обсудили технологии интернета вещей (IoT), облачные вычисления и синтетические данные
  • 3. Упоминались технологии машинного обучения (ML) и компьютерное зрение (CV)
00:04:02
интеграция open-source решений:
  • 1. Обсуждалась тема open source технологий и их применения в компьютерном зрении (computer vision)
  • 2. Участники отметили отсутствие волшебных решений («no magic solutions») для поставленных задач
  • 3. Конкретный план действий или договоренности отсутствуют в предоставленных сообщениях
00:05:01
необходимость отказа от традиционных подходов:
  • 1. Необходимо отклонить традиционный подход (process)
  • 2. Использовать сегодня детерминированный метод и небольшую технику replays
  • 3. Увеличить сбор данных и попытаться выявить бизнес-значение в имеющихся данных
00:05:54
оптимизация производства и прогнозирование:
  • Обсуждалась тема оптимизации производства и работы в секторе добычи и переработки (exploration & production)
  • Упоминалось использование исторических данных и алгоритмов прогнозирования (паттернов экстракции и операционной деятельности)
  • Говорилось о работе с реальными временными данными в режиме реального времени и принятии решений на основе системы мониторинга и анализа
00:10:13
самообучающиеся системы и оптимизация добычи:
  • Принято решение использовать генетический алгоритм (генетические алгоритмы) для оптимизации локаций и максимизации текущей стоимости (present value)
  • Планируется интеграция различных типов данных и использование техники машинного обучения для обработки и интеграции информации
  • Предложено провести дополнительные исследования и эксперименты с использованием изображений и технологий глубокого обучения (конволюционные сети)
00:25:00
экспериментальные подходы к оптимизации:
  • Принято решение использовать экспериментальные методы оптимизации данных (Experimentation)
  • Обсуждается необходимость подготовки демонстрационного примера тренировки модели стресса (train to stress)
  • Планируется повторение процесса выборки данных и работы с образцами (repitil process vi cam о this this process)
00:30:31
методы уменьшения размерности данных:
  • 1. Рассматривается возможность уменьшения количества измерений (редукция размерности) через применение техники снижения размерности («принципал компонент»)
  • 2. Предлагается использовать технику прогнозирования целевой веры («mike предикшн таргет верил»)
  • 3. Обсуждаются методы классификации данных («кластер ли h and ii») и способы работы без целевого метки («джаст лото мейби лейбл информейшен»)
00:31:37
классификация и кластеризация данных:
  • 1. Участники обсудили возможности объяснения историй разных классов
  • 2. Упоминались темы производства, связи с iCall, кластера Ван контейнер и параметры петрофизической продакшен-модели
  • 3. Конкретные детали и договоренности отсутствуют
00:32:27
супервизионное обучение и кастомизация моделей:
  • 1. Обсуждалась необходимость улучшения лоббирования (good lobby yuvi n)
  • 2. Упоминалось использование оригинального типа информации (types of like from the original)
  • 3. Предлагалось взять информацию для разработки бесплатных функций (фри фичер инженеринг мо информейшен сач оо саурен)
00:37:38
статистика и аналитика данных:
  • Принято решение использовать техники оптимизации производства (integrates, optimal control strategies)
  • Обсудили необходимость проведения статистического анализа данных (statistics needed)
  • Планируется создание инструментов и методов для улучшения работы системы (tools, techniques fusioning Python, special software)
0: So hello everyone you company today Велком ту интеракти воркшоп эбаут эйай кросс импи верю чейн ИНН гас индустрии.
1: Физик компании компании.
2: Today воркшопа, дак ту.
3: Introduction шоу you some stuff ли the last few?
4: By the demonstration с the techniques визиту бизнес, вери, пропозишн и the upstream.
5: Just to life cycle v. I l.
6: Фокус промерили ин зе абстрим, а. Андерлайн, н. Критикал фокус серия сачи дета инвин экспеди эйай контекст the first principles во трус ин рил world k статис.
7: Бизнес a proposition копии and stream сами вот generates?
8: По моему, дей ту зе вобщем.
9: Ok, so you digital revolution has been for the last sitting long time to
10: The techniques and saw some major челленджи зет ай си кофте i just came back from н кол, колл олимпе ту ту Петрос энд the same problem ей интер.
11: Security we have to ретехника соу и the way to workout.
12: Saints in a i round ages фо инет Кренин, доктор the cross эпи дженнера эй ай for synthetic сами дейта дженерейшен. Н. In example.
13: Conn компьюте из и techniec в mbp.
14: Measures have have different имплементейшен оо the cool дижитал филд и taken and so it's now of the plan en tu n.
15: Open source проч ту плайн ту the cross the эмпиричен на touch on computer vision in the size мик эри хэв э кей, стадион энд кос.
16: I go to us компании good ю и no magic solutions.
17: The команда the umbrella and so we need to you to deny the traditional процесс?
18: I doesn't реплейс the труден ферст принципс интерпретэйшн и deterministic из use you today и small рили джастин текник.
19: Saints н и to take more the data и try to look there is in the data and try to get some business value.
20: The business вали пропозишн соу ви нид ту си в vi the exploration and production sector и optimized production.
21: And i be play mmo даунстрим инфо.
22: And now in to see ка грин энерджи Мексика фо фофан локейшен форс.
23: Так, just stop me.
24: Есть.
25: So ли and the specific implementation а софт энтити ли the form так?
26: Физик.
27: The real world on historical data Лукин, фо паттен экстра энд зен оперейшн алгоритм end play and even i see where we take a piece к z represents мейби э ну нетворк.
28: Supervise текник энд не real time we конеки стрим зе риал тайм дейта фру зис горит n. N. I make decisions.
29: Time so i have an example that он day too bad danny, i refer to офишл интелледженс и the system design to это with the sense of agency, if you wish мини нен.
30: Иван мейк дисижен, н. Тучи спесифик гоус, Константин довенн со эсеншл.
31: This is what is now taking over машин технику ИНН воркфлоу.
32: Operation as we work with any in italy where we оперейшн айс ИНН фри фо дифрент кантри нот африка бат ви файнд зет дипозитам таймс риква.
33: Have to be to?
34: Off to process where we can отимей эксплорейшен н сами интерпретер вам план фо дифрент agents.
35: In the second в smart оптимален джаст и real time to optimize, performance предиктив фо.
36: Just же real time н дано кондишн лок.
37: Management is in love me play.
38: Real time продакшн дейта энд then the self ленинг продакшн, оптималз ве эйджен кен джаст чеки фор экзампл, гаси инжекшн параметр to максима рекавери.
39: Эноми детекшн продакшн из division i recommend коррект эффекшн со the импи из we may.
40: Ту бизнес вали, пропозишн соу итс имонн, ту риалайз, но just off академик процесс, ви мейк, мани, зе бизнес дисижен.
41: Example дженни ай ай.
42: Миссии на got.
43: Scream.
44: Общее да.
45: You see this screen, which is early so this is.
46: Multi agent air system so with sword that it different петрофизика проперти тут like.
47: We have a production оптимани пока полис оптимен, зис максима, ном продакшн и mpv.
48: We have the plus agent he combines genetic algorithm and for learning to бейсики максимайз локейшн оф Трелин за q b thrilling new production веку би.
49: Of the соник.
50: Im not bring in my продакшн джастис детей.
51: Fifa i do the same the production дейта дженерейтор дейта, фо сен намбер оф велс визин, тайм, тайм рейнж Лукин эт.
52: Ray ray рейки вот and then, дженнера продакшн дейта тру the н консистен её продакшн дейта ввёл айди оо the different там к and.
53: Ace of the или.
54: You have the locations, we have дита велокс, экс майби кос бат затс соу локейтед, этт Ван сингл, локейшн кросс оо вот хэппенс битвин её вёл.
55: Вот с between Юзин за data the size мик дейта интерпретер, импотент, ви кен юз, машин, текникс ту трайта integrate сам the located the information.
56: And then, ill go from one to the next data information.
57: Ivi.
58: Wild ту.
59: Member that prince is very н in data Ван Билайн Бо или.
60: We have to go through stay of east of different, for example.
61: Лайк зла но дистрибьюшн энд соу ви нид ту би ду ду фиче инженеринг её в genere нью мейби из нью со випот.
62: The при state the дженти эйай.
63: System this is and we we take more to.
64: Five working on production оптималз н. И. Лук твайн ту оптимайз продакшн дейта.
65: We have to production оптимален, эйджен.
66: And we have the place the purpose of this is to find optimal локейшен, фо нью в using, genetic algorithm со максимайз из present value and co.
67: Optimization and is the sen en this free про great than.
68: Production to do that that this simple ви. Дженнер.
69: Really good from the techniques to to show how how we do not like magic хит.
70: Venice is the Ван.
71: Pictures of прости и sing and n. The recommended ввёл локейшн с of of interpreter the journey i agents со зис Тен аттента свит спотс.
72: Maximize продакшн н. Окей.
73: Т слайсы.
74: Technology. Окей.
75: See my slide со слайда и.
76: Production айс и the play.
77: So we train to business and we understand you.
78: X.
79: Оксана интерпрет оо we can y и technics вери мач колюш.
80: Take имиджис юз, или не to the service to what may see you?
81: Bus in the to die инлайн кросс лайн, фо 3 d size мик севей энд then by taking that интерпретер, кен лейбл информейшен энд трейн э конволюшн. Нет.
82: Four forty теккен фор экзампл, энд соу брайт спот, эксепшен соу, итс э рили, клевер, текникс, ПИН, юзер, кросс, мол, индастрис энд энд олли.
83: И interpret and one компли её they turn to.
84: Not trust the cs матч бат архитек нау you do need a lot of image data иное to us, but it its good это from интерет.
85: Лайк радио if is looking a sigh to as if it's for example.
86: Free lines ролл сити и они таузенд и trace v b train free the thing.
87: Ой.
88: Do not really реплейс энд джаст трай ту не this technique is been?
89: Если in seven эр Лайкин, Ош эр ИНН, а америка про use this lock, so l one going to too much конволюшн.
90: Works when you looking at сами деда и 100 лет и light имиджис энд мейби он, он и to die in line cross line in the 3d.
91: Кроос Ван ту дилан даун ин ту and so that to the.
92: Increasingly так feature from the import специфика и the from the the.
93: The майкл дин.
94: For and depends on data, data and so.
95: Experimentation ту оптимайз н.
96: So, this is said i just wanna show you has и illustration of different экзампл, он train to стресс и.
97: In a i has to be крепите, окей, окей, Тейкин э. Смол дейст энд зен о bad we need to be ка морроу ин ту.
98: Data сет спиннинг энд соу ви нид репитил процесс ви кам о this this process the sample the data с just take a small, а the data set special темпл.
99: We do эксплорейшен н а mansion in Асин из this, where we оптимайз её data in rich the data make show we have a great дейта сет бифор ви ду эни-ка ф эй.
100: Лидию визирь.
101: Denis Ван Ван.
102: 3 супервайз техникс, лес, инлайн тут, но он в vista.
103: Machines and н and very вне бест Ван и techniec н and freshly Бо диси 3.
104: In the series the modeling процесс из суперайс техникс inn classifications ту зе чемпион оо the more the key you the most.
105: Продкшн.
106: Чемпион оо со гении джаст ту.
107: Федик ли, in ones accelerate и fishes of doing interpretation of the data, but that has to be интерпрети роуд блок кросс the ai процесс and its not.
108: For first principles оо интерпрет.
109: Company because.
110: Too expensive, for example, to to have cause and every where you can do that or not cost thing, and summer we like to have.
111: В продакшн ли браунфилд с ю ф и label информейшн ф ю хэв.
112: Well. For example, any ви дженнер кос фо эври синтетико о like Ван эри фифти со виолет лайк.
113: Macos со бесили юз информейшн, дак the in a more Дженнет синтетик, синтетик, эмай локс, крохо брауни.
114: From to for you and i before i.
115: Relationship in the data со коррелейшен то because we may have to many we wanna редьюсе импорт dimension data set and dimension reduction technique принципл компонент.
116: Say this to the same ей to the end н ту и ту и mike предикшн таргет верил.
117: Techniques you have ли это?
118: Techniques like we use that we don't have a target джаст лото мейби лейбл информейшен энд зен кластер ли h and ii.
119: Different classes эксплейн истории.
120: The production and i call that have very.
121: Off of you and then i say кластер Ван контейнс, зис ввёл, хэв зис потикла петрофизика продакшн параметр in this.
122: And then you, коннелли ран супервайс текникс ту do for casting продакшн о to maybe then, but you can run супервай техникс и.
123: One for each кластер в the data and each кластер оф вери сил, нейчер, не works, very сексесли Ван и инженеринг браунфилд, ту адента, нью локейшен, фо продакшн, оо мейби.
124: Лифт техникс соу айс квикли фо ю и back now for this and for but it's.
125: Афиша.
126: Сми
127: Шер ген.
128: Ok, so, i right now just from in to cc fe фау.
129: May have no реалистик в so we need to good лобби юви н.
130: And then we just, если c c. The random and then we контрол.
131: By.
132: Realistic.
133: With types of like from the original.
134: Не v вот take the information generate фри фичер инженеринг мо информейшен сач оо саурен, не we ли от information айс?
135: Деда и b. The best example, if you ви ви кен ру the end to play mmo.
136: Principles to the information and, for example, we use the question to сатурейшн Юнисов фундамент.
137: Say математика экшен релейшеншип, зюзине инженеринг.
138: And i find the different types of rock n фашио экзампл.
139: Ю. Инженеринг.
140: More more.
141: Then we have to do статистик.
142: А say продекшен пауэр а. Information.
143: This is for force Грейдин 3 Устин и two techniques вери популяр вери сексес фул ту ту продакшен оф серфис ту верит.
144: This is just really why, самтехник, и we have this information, where we can look its a bay.
145: Relationship between сей, прости, сидить перспектив шип н.
146: Visa to фашико вич, фаши, дистрибьюшен, фри, синк лайк, зис, кореш.
147: Relationship её value can see different perspectives of your data to see and numbers you three dimensional.
148: Of data display a tiny universe.
149: Maybe ту ту мач тайм.
150: Techniques.
151: Deviation and the интеркот рен твенти файв сент фифти сент файв Сеню ту ду the process of экспонат.
152: От.
153: Пота.
154: The one you stay in the first principles соу вирости н. Н. Ввиду.
155: Realistic экзампл оф the different types of parameters the weeknd зен Айден Фай флюид сатурейшен ин зис кейс, бат зен эген и.
156: Is very simply done and the technique айс.
157: Coffee we giving ввели пропозишн ви в genere энд зе фо ю в Инте.
158: For фо типси ви Тен ю типа as you.
159: И date code into анаконда мейби ю. А using for pain for example, r o сама.
160: И инженеринг нау the gpt техникс фо фо ю too much time you more бизнеса?
161: Free i make from i шаурмен.
162: I think the line this is you match the stuff was бейсики.
163: Бай бай и gpt текникс энд then was modified with кампанию н.
164: Of you train to so бизнес проблем the time, not train to be сам академик.
165: Come up with some tools techniques фьюзинг пайтон оо the мейби самаде софвеа ви файнд зэт лото тайм фор экзампл зей хэв э лот оф софвеа энд.
166: Different types of in to an architect is to everything н.
167: Early in to machine learning the co in was конвенс матч лайк ю Тренин сей мэйби red one may if the system makes the right choice.
168: This формат Ван би эффектив ви нид из good, because i to you really have дискрайб сач за series and.
169: Through джерри стейки, оо в ту экшли, юри тайм ви максимум.
170: And so this exploration риск and the фо.
171: А to have?
172: Y time and i wanna get essential to the power i wanna show you, one example of stream лет вич ай синк.
173: Optimize Олин гас продакшн со integrates энд зе системе оптимал контрол стратеджи фо ввёл оперейшенс лайк чек Сеин инжекшен рейтс ту максимайз лонг тем продакшн.
174: Data проверим и take production дейта ком дейта.
175: We do фича инженеринг энд меншн и reduction for example, and the резво стейт representation о this is like a state вектор констракшн ве ви хэв спешл representation we can we?
176: Two maybe Ван ден конволюшн копии фо витек.
177: The state then we need the actions со винни континьюс, чек он, for example, дескрипт и speed левелс фор инжекшн рейтс её we have a reward фанкшн.
178: For максимум о минимум pre максимум b to see what function and её.
179: Проксима полиси оптимизейшн фо стейбл полиси её the training процесс continuous we can using digital твин интегрейшн тайм.
180: We need статистики.
181: Окей. И quick work shop is the stream is really good полисов.
182: Screeps, энд Лаус интерактив, аппликейшен оо дапол би девелоп, энд and we can go to ne yo.
183: Class by deep end up, ви вери, симпли, generates and so.
184: Just in case та so this is опрос, and we won to have далее. Дента физикал вор
185: Exploration using стрим, он the дату тени и through the browser ю.
186: You are in to see all right now?
187: Так.
188: Ещё рис.
189: Free you can see her my скрин?
190: So he see the art of the атрофии ху.
191: So maybe you can do this?
192: This, this is about twenty twenty five minutes бай и within the петрофизика оо виде или and we just m to describe this in чат ипити оо дипси.
193: What exactly the looking for from a business perspective, and to see what you do on isis, when you do this physical анализ ю фаши?
194: Two for example, and then they would describe in too deep deep generates.
195: I saw v v using anaconda энвайрмент, эне ви дискин её new то пути of типси а gpt.
196: Of the дискрипшен и and describe to much about the out of y y y ви ви вуд лайк ту лук, эт зе ко дейта, в продакшн дейта.
197: Exploration, он that so this is вот и generator it, and i put it into a crow морэ сафари. Вот эвер.
198: The base техник Юзин, на example in the ко дейта н. The data статистикс зе мин.
199: Deviation in те кота рейнж твенти, файв сент 3, seventy five мин max the фаши, дистрибьюшен, мембер, зис, дете, синтетик, дейта би generates.
200: And пропели револейшен шипс со и drop down синели селект.
201: Bring bring экзампл.
202: Production дейта ней продакшн.
203: Production. Статистик, продакшн, релейшншип. Фо экзампл, сейшн.
204: Техник.
205: Да, фаши classifications confusion matrix фьючерс или just критикал зет хэв зе статистикал.
206: Prediction.
207: Production. Дак продакшн Вера.
208: Production.
209: Прости кластер супер текникс.
210: One of the workshop и just for taste of war bear in came to a айкос, юзинг, айфон, ту ту лук, мо.
211: Techniques like.
212: Today.
213: Алло.
214: Looks like today.