Модуль ML (INFOPRO: Module ML) | ИНФОПРО
Вакансии
×
Вакансии

Мы постоянно расширяемся, поэтому сейчас у нас открыто 0 вакансий.

×
Мы используем обязательные cookie для корректной работы сайта, а также необязательные аналитические и рекламные cookie, собираемые с использованием сервиса веб-аналитики Яндекс.Метрика, для анализа посещаемости и показа релевантной информации в соответствии с Политикой использования cookie. Вы можете отказаться от необязательных cookie, изменив настройки своего браузера.
Продолжая пользоваться настоящим сайтом, вы соглашаетесь с Политикой использования cookie, а также даете Cогласие на обработку персональных данных в соответствии с Политикой обработки персональных данных.
Соглашаюсь
Применение
Варианты
версий
  • – desktop-приложение
  • – web-приложение

Стоимость лицензирования

Стоимость лицензий для заказчиков и интеграторов

Стоимость неисключительной лицензии на ПО варьируется от 500 тыс. до 40 млн. руб., итоговая стоимость продукта и проектных работ по адаптации и внедрению рассчитывается по индивидуальному запросу.

Стоимость для технологических партнеров

Стоимость неисключительной лицензии на ПО варьируется от 4 млн. руб., итоговая стоимость лицензии зависит от содержания прав (продажа третьим лицам, модернизация, создание производных продуктов, поддержка вендора и т.д.) рассчитывается по индивидуальному запросу.

Стоимость для независимых разработчиков и торговых агентов (физические лица)

Стоимость неисключительной лицензии на ПО варьируется от 50 тыс. руб., итоговая стоимость лицензии зависит от содержания прав (продажа третьим лицам, модернизация, создание производных продуктов, поддержка вендора и т.д.) рассчитывается по индивидуальному запросу.
Функции
Сбор и хранение исходных данных, предназначенных для обучения ML-моделей
Подготовка и фильтрация данных, применяемых для обучения
Визуализация исходных данных и подготовленных для обучения данных
Создание цифровых моделей машинного обучения
Определение набора параметров, связанного с цифровой модель машинного обучения
Анализ точности цифровых моделей машинного обучения
Использование созданной базы цифровых моделей для прогнозирования значений целевых параметров в расчетном ядре
Обучение и переобучение цифровых моделей машинного обучения
Конфигурирование алгоритмов (настройка гиперпараметров) для обучаемых ML-моделей
Создание версий моделей машинного обучения
Предоставление доступа к моделям машинного обучения для задач прогнозирования через API
Импорт внешних ML-моделей
Ведение журнала событий с полным протоколированием действий в системе
Настройка ролевой модели доступа к системе
Технологии искусственного интеллекта для повышения эффективности

Система с использованием технологии искусственного интеллекта – машинного обучения (Machine learning, ML) для анализа больших массивов данных (Big Data), разработки цифровых моделей (цифровые двойники) процессов, оборудования и прогнозирования неисправностей, поломок (предиктивная аналитика), прогнозирования энергопотребления (повышение энергоэффективности), интеллектуального распознавания данных (smart city, умное жкх, цифровое производство, персонализация услуг), оптимизации режимов работы оборудования, прогнозирование выработки электроэнергии объектами ВИЭ (предсказание спроса и предложения, возобновляемая энергетика), интеллектуальное управление распределенными энергетическими ресурсами и реализация концепции IoT в энергетике (энергопереход, развитие распределенной энергетики) и других актуальных задач цифровизации. Математические модели отличаются высокой точностью, реализована возможность самостоятельного обучения моделей на новых данных без привлечения разработчиков, проверка точности моделей. Решения на базе ИНФОПРО: Модуль ML уже используются предприятиями энергетики, промышленности и ЖКХ.

Решения ИНФОПРО уже внедрили
Преимущества
Открытость
Математические модели, включая оптимизационную функцию, «дерево» расчета доступны для просмотра, анализа и корректировки без привлечения разработчиков.
Надежность
Защита данных от несанкционированного доступа при хранении и передаче. Разграничение прав доступа к данным, функциональным операциям и отчетным формам. Возможность резервного копирования системы и восстановления системы из архивной копии.
Полнота и непротиворечивость
Все данные и операции с данными являются историчными. Проведение расчетов в системе происходит по отработанному регламенту, что исключает появление «зависших» расчетов и обеспечивает анализ отсутствующих данных при проведении агрегационных расчетов.
Интеграция и импорт
Возможности интеграции для получения данных из любых источников (приборы учета, базы данных, сторонние web-сервисы и др.), взаимодействие с моделями через REST API, возможность импорта внешних моделей.
Открытость
Математические модели доступны для анализа и корректировки без привлечения разработчиков.
Анализ точности
Встроенные метрики точности моделей прогнозирования.
Масштабируемость
Возможность тиражирования системы (добавление новых филиалов, объединение старых), увеличения числа пользователей без снижения производительности системы.
Обучаемость моделей
Возможность дообучения моделей на новых данных (по мере накопления статистики).
Импортонезависимость
Система разработана на полностью импортонезависимом технологическом стеке, работа на базе отечественного инфраструктурного ПО.

Технические требования

Технические требования к филиалу

В зависимости от инфраструктуры и дополнительного функционала может потребоваться установка дополнительного ПО.

Сервер приложения

  • Аппаратное обеспечение

    Процессор
    Серверный CPU не менее 12 ядер / 24 потока
    Оперативная память
    Не менее 32 Гб
    Жесткий диск
    Не менее 480 Гб SSD
  • Программное обеспечение

    Операционная система
    Свободно распространяемая ОС на базе Linux (например, Debian)
    Платформа контенеризации
    Docker

Сервер СУБД

  • Аппаратное обеспечение

    Процессор
    Серверный CPU не менее 12 ядер / 24 потока
    Оперативная память
    Не менее 32 Гб
    Жесткий диск
    Не менее 1000 Гб SSD
  • Программное обеспечение

    Операционная система
    Свободно распространяемая ОС на базе Linux (например, Debian)
    СУБД
    PostgreSQL 11 и выше

Для компьютеров пользователей

Требования к программному и аппаратному обеспечению уточняются индивидуально в зависимости от перечня решаемых задач и индивидуальных особенностей Заказчика.
  • Аппаратное обеспечение

    Процессор
    Рекомендуется 2.8 GHz и выше
    Память
    Рекомендуется объем свободной оперативной памяти для браузера: 4 Гб
    Монитор
    Желательно широкоформатный, поддерживающий разрешение 1280х1024 или 1920x1080
    Дополнительно
    Клавиатура, мышь
  • Программное обеспечение

    Операционная система
    Microsoft Windows 10 и выше
    ОС на базе ядра Linux
    Браузеры
    Любой WebKit браузер с поддержкой HTML5 (Google Chrome, Яндекс.Браузер, Chromium)
×
Скачать презентацию
Заполните и отправьте нам заявку. Мы направим презентацию на указанный электронный адрес.
Загрузка...
Презентация будет направлена на указанный электронный адрес