📚 Библиотека #Excogitator

Несколько дней назад начали тему ИИ в машиностроении: здесь об успехах Leap71. А вчера сами попробовали Text-to-CAD приложения. В завершение темы книга "Математика в машинном обучении", созданная для того, чтобы объединить ключевые математические дисциплины, необходимые для понимания и применения алгоритмов машинного обучения.

Основные математические направления, такие как линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика, традиционно изучаются разрозненно. Это создает трудности для студентов, обучающихся на специальностях data science и computer science, а также для профессионалов в области машинного обучения, которые стремятся интегрировать эти знания в единую концепцию.

📌Чем уникальна эта книга?

⚙️Целостный подход: Книга объединяет основные математические концепции в одну самодостаточную программу

⚙️Последовательность изложения: Переход от базовых понятий к анализу ключевых методов машинного обучения: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов.

⚙️Развитие интуиции: Подход помогает не только понять теорию, но и развить интуицию в применении математических знаний.

Все разделы математики описанные в книги имеют практическое применение в машинном обучении:

⚙️Линейная алгебра: Линейная алгебра является основой для работы с большими данными и изображениями. Например, понимание матричных операций позволяет эффективно обрабатывать и сжимать изображения с помощью методов, таких как сингулярное разложение (SVD).

⚙️Аналитическая геометрия: Геометрические представления данных полезны для визуализации и интерпретации. Например, при помощи аналитической геометрии можно визуализировать данные в 2D или 3D пространстве для кластерного анализа.

⚙️Векторный анализ: Векторные поля и дифференциальные операторы играют важную роль при обучении нейронных сетей, особенно в части, касающейся распространения ошибки и корректировки весов.

⚙️Оптимизация: Оптимизационные методы, такие как градиентный спуск и его модификации (Adam, RMSProp), необходимы для минимизации функции потерь во многих алгоритмах машинного обучения, включая глубокие нейронные сети.

⚙️Теория вероятностей: Вероятностные модели, такие как наивный байесовский классификатор, используются для фильтрации спама в электронных письмах или для классификации текстов по категориям.

⚙️Статистика: Методы статистического анализа применяются для оценки и валидации моделей. Например, с помощью статистики можно проводить гипотезы и проводить A/B тестирование для выбора лучшей модели.

Каждая из этих математических дисциплин играет ключевую роль в машинном обучении, позволяя разрабатывать и оптимизировать сложные алгоритмы, улучшать точность предсказаний и понимание данных. Книга не только объясняет теорию, но и показывает, как применить знания на практике, что делает её незаменимой для начинающих и профессионалов в области data science.

Книга есть в бумажном варианте во многих интернет магазинах.
Пишите в личку, если нужна ссылка на *.pdf🤫

Проектируй. Созидай. #Excogitator 🦾
#Library@excolab

#МашинноеОбучение #Математика #DataScience #Книги #Саморазвитие #Ai

Проектируй. Созидай.

На длинных выходных много говорили о возможностях ИИ в области машиностроения. Сегодня поделимся тем, где уже в полную силу применяются такие технологии - обучение систем машинного зрения для распознавания культур и сорняков, а также автоматической выгрузке сельскохозяйственных машин.

Такое обучение происходит в несколько ключевых этапов, вот основные шаги этого процесса:

⚙️Сбор данных:
- Для эффективного обучения требуется большое количество изображений или видео, соответствующих задачам системы (например, изображения сельхозкультур, состояния растений и т.д.).
- Данные могут быть дополнительно размечены, чтобы алгоритмы понимали, что изображено на каждом из них (например, где расположен сорняк, а где здоровое растение).

⚙️Разметка данных:
- Чаще всего используется ручная разметка, где эксперты идентифицируют и обозначают объекты на изображениях.
- Также применяются полуавтоматические методы, где первичную разметку делают алгоритмы, а человек затем исправляет или подтверждает результаты.

⚙️Предобработка данных:
- Включает в себя нормализацию изображений, увеличение данных (например, путем вращения, изменения яркости изображений) для создания более разнообразного тренировочного набора.
- Такая предобработка помогает алгоритму быть устойчивым к изменениям среды и условий съемки.

⚙️Выбор и настройка модели:
- На данном этапе выбирается архитектура нейронной сети, подходящая для конкретной задачи (например, свёрточные нейронные сети (CNN) наиболее распространены для задач зрения).
- Модель затем инициализируется и готовится к обучению.

⚙️Обучение модели:
- Используются размеченные данные для обучения модели, где она учится распознавать и классифицировать объекты на изображениях.
- Процесс обучения включает в себя оптимизацию параметров модели для минимизации ошибок (например, с помощью градиентного спуска).

⚙️Валидация и тестирование:
- После обучения проводится тестирование модели на отдельном наборе данных, которые не использовались при обучении, чтобы оценить её способность к обобщению на новые данные.
- Это необходимо для проверки того, насколько модель может быть эффективной в реальных условиях.

⚙️Тонкая настройка:
- На основании тестирования модель может быть дополнительно подстроена, оптимизированы гиперпараметры для улучшения её производительности.

⚙️Развертывание и мониторинг:
- В заключение, модель интегрируется в реальную систему (в сельхозтехнику) и постоянно мониторится. При необходимости модель может дообучаться на новых данных или корректироваться.

Крупные сельхозмашиностроительные компании активно внедряют технологии машинного зрения в свою продукцию, чтобы повысить её эффективность и конкурентоспособность. Вот несколько примеров таких компаний и их инноваций:

📌 #JohnDeere:
- John Deere разработал систему See & Spray, которая использует камеры и алгоритмы машинного зрения для точечного внесения гербицидов. Это позволяет сократить их использование до 90%, так как распыление происходит только на выявленные сорняки.

📌#CNH Industrial (Case IH и New Holland):
- New Holland разрабатывает системы для мониторинга состояния урожая и оценки его зрелости в реальном времени, что оптимизирует процессы сбора.

📌#AGCO (Massey Ferguson, Fendt и др.):
- Massey Ferguson применяет алгоритмы анализа изображений для оценки состояния почвы и растений, что позволяет адаптировать уход в зависимости от условий на поле.

📌#CLAAS:
- CLAAS активно развивает технологии машинного зрения в кормоуборочных комбайнах для оптимизации работы жатки и повышения качества резки.

Эти примеры показывают, как машинное зрение трансформирует сельскохозяйственную технику, делая её более умной и адаптивной к современным вызовам. Такие технологии помогают не только повысить эффективность процессов, но и способствуют устойчивому развитию сельского хозяйства.

Как у вас с машинным зрение? Уже обучаете нейронку?

Проектируй. Созидай. #Excogitator 🦾
#Design@excolab

Проектируй. Созидай.
Беспилотные решений, на каком принципе строить?

В современных системах автономного вождения и беспилотных технологий активно используются два ключевых подхода для навигации: глобальные навигационные спутниковые системы (ГНСС) и машинное зрение. Оба подхода имеют свои преимущества и ограничения, и, в зависимости от задач, могут использоваться в сочетании друг с другом.

📡 Глобальные навигационные спутниковые системы (ГНСС)

➕Преимущества:
- Высокая точность в открытых пространствах. С использованием технологий RTK (Real-Time Kinematic) достигается точность до 1-2 см.
- Независимость от погодных условий и времени суток.

🟰Ограничения:
- Ухудшение точности в условиях плотной городской застройки или в местах с плохим приемом спутниковых сигналов, например, в лесах.

⚙️Примеры решений:
- Россия: Система #ГЛОНАСС активно используется в различных проектах беспилотных автомобилей, таких как разработки #КАМАЗ и #Яндекс.
- Мир: #Tesla использует ГНСС в сочетании с другими сенсорами для навигации автомобилей.

👁 Машинное зрение

➕Преимущества:
- Способность распознавать и классифицировать объекты на дороге, такие как пешеходы, знаки, разметка.
- Работа в сложных условиях, где спутниковый сигнал недоступен, например, в туннелях или под мостами.

🟰Ограничения:
- Зависимость от видимости, освещенности и погоды (туман, дождь).
- Необходимость в больших вычислительных мощностях для анализа изображений в реальном времени.

⚙️Примеры решений:
- Россия: Разработки #CognitivePilot внедряют машинное зрение в системы автономного вождения.
- Мир: #Waymo, дочерняя компания #Alphabet, использует комбинированный подход с акцентом на машинное зрение.

🔄 Совмещенные системы
Во многих случаях целесообразно использовать комбинированный подход, где системы на базе ГНСС дополняются сенсорами машинного зрения. Это позволяет достичь максимальной точности и надежности.

Выбор той или иной технологии во многом зависит от условий эксплуатации и задач, которые необходимо решать с помощью беспилотных систем. В будущем можно ожидать дальнейшего совершенствования обоих направлений с вероятным усилением синергии между ними.

Проектируй. Созидай. #Excogitator
#Design@excolab

#Машиностроение #МашинноеЗренение #ГНСС #Инжиниринг

📚Библиотека #Excogitator
🌿 Добро пожаловать в удивительный мир фрактальной геометрии природы! Сегодня мы поговорим о фундаментальной книге Бенуа Мандельброта — "Фрактальная геометрия природы" (2002). Этот труд, впервые изданный на английском языке в 1977 году, прочно занял своё место в истории науки и продолжает вдохновлять ученых и инженеров по всему миру.

📚 Несмотря на то, что перевод на русский язык был сделан лишь спустя 25 лет после первого издания, книга не утратила своей актуальности. Она остаётся основным введением в мир фракталов, красиво иллюстрированным и полным ярких примеров из различных областей науки.

🌍 Фракталы окружают нас повсюду: от рисунков на поверхности капусты до форм береговых линий и даже молнии! Традиционная геометрия не способна описать потрясающее многообразие подобных форм, потому что природа не знает прямых линий и идеальных окружностей.

✨ Бенуа Мандельброт открыл нам мир, где облака не круглы, горы не конусообразны, а реки не текут по прямой. Фрактальная геометрия — это ключ к пониманию сложных структур, которые в обычной жизни кажутся хаотичными.

🔢 Интересный факт: фрактальная размерность береговой линии Британии составляет около 1.25, согласно исследованию, проведённому самим Мандельбротом. Это означает, что её форма сложнее, чем просто линия, но не такая сложная, как плоскость!

Для тех, кто стремится заглянуть за пределы обычного и понять устройство нашего мира на более глубоком уровне, книга "Фрактальная геометрия природы" станет незаменимым источником вдохновения и знаний. Погрузитесь в её страницы и откройте для себя новый уровень сложности и красоты окружающего мира!

Для наших подписчиков, как всегда есть ссылка на pdf по запросу🤫

Проектируй. Созидай. #Excogitator 🦾
#Labrary@excogitator

#фракталы #геометрия #природа #инженерия #БенуаМандельброт #наука #математика

Не тренди!
📡🚗V2X Архитектура: Будущее транспорта и экономики

В последние годы архитектура V2X (Vehicle-to-Everything) стала одним из ключевых направлений развития в области интеллектуального транспорта. V2X представляет собой комплексную систему взаимодействия автомобилей с окружающей инфраструктурой, другими автомобилями, пешеходами и даже домами, используя современные беспроводные коммуникационные протоколы.

📊 Экономические и технические показатели V2X

1. Технологический прорыв: Ожидается, что к 2030 году рынок V2X-технологий достигнет $120 млрд, при среднем ежегодном темпе роста 17,5%.

2. Снижение ДТП: Внедрение V2X может снизить количество дорожно-транспортных происшествий до 80%, благодаря возможности мгновенной передачи информации о дорожных условиях и намерениях других водителей.

3. Экономия топлива: Использование V2X-технологий способно уменьшить средний расход топлива на 10-12%, благодаря оптимизированным маршрутам и способам вождения.

4. Экономия времени: Оценки показывают, что водители могут экономить до 30% времени на дорогах благодаря более точной информации о трафике.

📈 Прогноз развития

⚙️Стандартизация: К концу 2025 году ожидается полная разработка и утверждение глобальных стандартов для работы V2X-систем, что упростит их массовое внедрение.

⚙️Массовое внедрение: Прогнозы показывают, что к 2035 году более 75% новых автомобилей будут оснащены V2X-технологиями.

⚙️5G и V2X: В сочетании с развёртыванием сетей 5G ожидается ускорение процессов обработки данных на 50%, что сделает коммуникацию почти мгновенной.

❗️ Сложности и вызовы

⚙️Безопасность данных: Существенным вызовом остаётся обеспечение безопасности и конфиденциальности данных пользователей, что требует разработки надёжных протоколов шифрования.

⚙️Инфраструктурные вложения: Необходимы значительные инвестиции в развитие дорожной и городской инфраструктуры для поддержки V2X, которые могут составлять до $50 млрд в ближайшие 10 лет.

⚙️Стандартизация и совместимость: Существует необходимость в унификации стандартов между разными производителями и государствами для обеспечения совместимости систем.

🆚 Сравнение с on-board архитектурой

V2X предлагает более широкие возможности по сравнению с традиционными on-board устройствами, которые полагаются исключительно на данные внутренней системы транспортного средства, V2X предоставляет больший контекст и взаимодействие с внешней средой. Это приводит к более точным прогнозам и адаптации в реальном времени.

⚙️Интерактивность: V2X обеспечивает многостороннее взаимодействие, тогда как on-board замкнуто на параметры конкретного автомобиля.

⚙️Адаптация: Система V2X может адаптировать транспортные потоки в зависимости от условий на дороге в режиме реального времени, в отличие от on-board, которое фиксирует и реагирует на события по мере их возникновения.

⚙️Эффективность: Во многих случаях V2X дает более высокую эффективность за счёт использования актуальных данных от инфраструктуры и других участников дорожного движения.

Внедрение V2X — это шаг к будущему, где транспортные системы будут работать гармонично и безопасно, обеспечивая комфорт и эффективность в каждодневной городской жизни. 🚀

Оставляйте свои комментарии и делитесь мнением! Мы будем рады обсуждению и новым идеям. 👇

Проектируй. Созидай. #Excogitator
#Trends@excolab

#Машиностроение #Инжиниринг #V2X

Управление творческими коллективами
Конструкторы vs. Технологи — Битва за Идеал🥊

Одни из самых острых, назовем их, рабочих вопросов возникают на стыке конструкции и технологии.
Кто рулит миром инженерии? Конструкторы, авторы идеи, или технологи, воплощающие её в жизнь?

⭐️Допуски и посадки: самая любимая тема для обсуждения

Конструкторы утверждают, что их идеальные допуски в формате H7/h6 - залог качества. Но технологи находят такие решения уж слишком гениальными, особенно когда для их реализации требуется редкое оборудование. Например, в проекте #Siemens на производстве поршневых шатунов вопрос стоял остро: нужно ли обработка детали с прецизионным допуском в ±0,005 мм, или ±0,020 мм — уже достаточно? В этом случае технологи адаптировали чертежи к возможностям оборудования, снижая затраты на производство. Но часто, чтобы реализовать задуманное нужно новое оборудование. Секрет в том, чтобы в Продуктовой стратегии был раздел Развития производственной площадки.

🚀 Реализация передовых идей: не все то золото, что блестит

Конструктор может предложить революционную концепцию, а технологи — голос за кадром: "что ж, это даже звучит впечатляюще!". Но как быть с технологиями производства? В компании #Boeing в 2022 году конструкторы предложили использование суперсплава Inconel 718 для корпуса, но только через год технологи нашли оптимальный способ литья, который снизил себестоимость на 30%. Даже единогласное решение конструктора и технолога не всегда оптимально, работа только начинается.

🔨Выбор технологии: искусство компромиссов

В 2021 году в компании #Ford технологи настояли на замене дорогой пятиосевой обработки на стандартную трехосевую, утверждая, что итоговая разница в прочности детали составит всего 3%, но при этом экономия на стоимости производства внушительна. Помните, что это в конце концов бизнес, а не конкурс уникальных решений.

Есть наверное еще сотня примеров, где конструкторы и технологи сходятся не на жизнь, а насмерть.
Какие есть решения для снижения накала страстей:

⚙️ Работайте в кросс-функциональных командах с первого дня

⚙️ Не ждите чертежей или полного комплекта КД, обсуждайте концепции и эскизы

⚙️Создавайте единые стандарты по основным технологическим переделам

⚙️ Используйте сквозное программное обеспечение для совместной работы

⚙️ Создавайте культуру открытого общения

⚙️ Фокусируйтесь на общей цели

Иногда конструкторы правы, предлагая оптимальные решения, но также и технологи могут предложить более реалистичный подход. Абсолютной правды не существует, но, возможно, настоящая магия происходит, когда два мира наконец сходятся воедино.

Итак, кто, по вашему мнению, чаще оказывается прав в этом неизменном инженерном тандеме? 💬
Делитесь вашими историями и наблюдениями! 👇

Проектируй. Созидай. #Excogitator 🦾
#Team@excolab

#Инжиниринг #Машиностроение #Технология #Проектирование

Редакторская колонка✏️

Сегодня вышло моё интервью про инженерное образование:

⚙️ Какие связки высшей школы с производством и наукой утерены и как их восстанавливают сейчас?

⚙️ Чем на самом деле плоха болонская система и как можно постараться компенсировать её недостатки?

⚙️ Важно ли обладать знаниями фундаментальных дисциплин, чтобы считать себя инженером?

⚙️ Как угнаться программам высшей школы за темпами технического прогресса в промышленности?

⚙️ Зачем современному инженеру изучать экономические дисциплины?

И ещё много интересных, на мой взгляд, вопросов...

Читайте, критикуйте, делитесь своим мнением в комментариях 👇

https://stimul.online/articles/tekhnosfera/kakoy-universitet-nuzhen-promyshlennosti/

Проектируй. Созидай 🦾
СЕО #Excogitator
@AleksakovYuriy

#ВУЗ #Инжиниринг #Машиностроение

Управление творческими коллективами

Как чувство собственного достоинства повышает эффективность команды?

Во-первых, давайте не приравнивать уважение заслуженного сотрудника к чувству собственного достоинства. Последнее - врожденная внутренняя опора человека и его нельзя и не надо заслуживать.
У этого процесса возникает целый шлейф симптомов: обесценивание труда, унижение на рабочем месте, перегрузка задачами.... В итоге сотрудник чувствует себя как "ресурс".

Вопрос поддержания достоинства сотрудников становится одним из ключевых факторов успеха в инженерных и творческих коллективах. Кристен Лукас в своей статье "Workplace Dignity: Communicating Inherent, Earned, and Remediated Dignity" вводит три важных для управления творческими коллективами понятия и описывает, как они могут улучшить коллаборацию и производительность в этой специфической сфере:

⚙️Присущее достоинство (Inherent Dignity):
Важно понимать, что каждый член коллектива, будь то инженер или дизайнер, обладает уникальным вкладом и должен чувствовать уважение и признание. И это достоинство есть у каждого по определению! В таких технических и креативных средах это способствует открытой коммуникации и обмену идеями, что, в свою очередь, ведет к инновациям.

⚙️Заслуженное достоинство (Earned Dignity):
Для инженерных команд признание заслуг сотрудников — это не только мотивация, но и способ поощрения экспериментов и исследовательских инициатив. Регулярное признание достижений, например, через презентации проектов или внутренние конкурсы, может приводить к более смелым и эффективным решениям.

⚙️Восстановленное достоинство (Remediated Dignity):
Инновационный характер работы предполагает наличие ошибок и неудач, что может подрывать чувство достоинства. Организации должны предоставлять возможности для обсуждения и анализа ошибок в конструктивной среде, таким образом поддерживая творческий подход и дальнейшее развитие.

📌Примеры из практики:

❗️ Компания Tesla:
Tesla внедряет принцип присущего достоинства через открытые каналы для предложений и идей от всех уровней сотрудников. Это не только усиливает чувство вовлеченности, но и способствует прорывным достижениям, как в области электроники, так и в автопромышленности.

❗️ Агентство IDEO:
В IDEO заслуженное достоинство становится основой их работы через признание и поощрение креативных инициатив. Их уникальные практики командного мозгового штурма и прототипирования приводят к созданию передовых дизайн-решений, увеличивая успешность проектов на 30%.

❗️Компания Autodesk:
В Autodesk программы менторства и сотрудничества помогают восстановить чувство достоинства у инженеров и дизайнеров после неудачных проектов. Поддержка культуры "учиться на ошибках" обеспечивает продолжение инновационного подхода и снижает уровень стресса.

Эти практики подчеркивают важность признания достоинства в творческих коллективах, способствуя не только личностному росту сотрудников, но и укреплению позиций компании на рынке.

Статья Кристена Лукаса (англ. версия), как всегда, доступна нашим подписчикам по запросу🤫

Как в ваших компаниях обстоят дела с этой стороной лидерства? Поделитесь уже внедренными инструментами и методиками 👇

Проектируй. Созидай. #Excogitator 🦾
#Team@excolab

#Инжиниринг #Машиностроение #Лидерство #Достоинство

По результатам мини опроса: подавляющее большинство хотели бы видеть интересные и оригинальные вакансии в нашем канале. Комментируйте в канале, откликайтесь, делитесь с друзьями и коллегами!
Для тех кто высказался против в качестве утешения - это будет ну очень редко!
Открываем рубрику В происках приключений!👇