كيفية تحسين أداء المطار باستخدام التعلم الآلي

كيف يمكنك تعلم كيفية تطبيق أساليب التعلم الآلي ، وتحديد مشكلة ، واختيار نموذج ، والعثور على بيانات للتدريب عليه وتبسيط تشغيل المطارات في غضون شهرين ، بعد أن وجدت صلة بين مؤشرات الأسهم والعدد اليومي للمسافرين؟ أسهل مما يبدو.

يعمل فريقنا منذ أكثر من عشر سنوات على تطوير التطبيقات التي تدير تشغيل أكبر المطارات: فرانكفورت ودبلن ومانيلا وجاكرتا وميامي وبكين. تستخدم المطارات تطبيقات للإدارة المثلى للموارد وتنظيم العمل والتحكم في تدفق معلومات المطار وتنسيق جداول الرحلات.

المطارات باستخدام تطبيقاتنا
المطارات باستخدام تطبيقاتنا

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

: « , – , : , , ». , . , , . , .

, . : 

  • . . , .

  • . , . 

  • . , , , ( ). , , . 

. , , . DAX, . 

DAX

Deutscher Aktienindex – German stock index – . .

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

. , . DAX – . DAX DAX . 5 : 15 19 . 

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

MAE

Mean Average Error

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

مخططات الانحدار الخطي مع تحول DAX لمدة 15 يومًا
Linear Regression DAX 15

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

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

. - , . , , .




All Articles