Szupke-Marcin

=Temat pracy=

Pierwotny temat:


 * Predykcja i optymalizacja wielokryterialna w zastosowaniu do prognozowania zużycia energii elektrycznej i sprzedaży leków.**

Temat całkiem się zmienił ze względu na brak obiecanych danych i niejasne potrzeby firmy.

Przy współpracy z firmą IQ Logic, która ma dostęp do dużej ilości danych klientów koncernu energetycznego oraz farmaceutycznego należy za pomocą metod inteligencji obliczeniowej stworzyć model pozwalający na przewidywanie zapotrzebowania na leki różnego typu oraz zapotrzebowania na energie elektryczną i optymalizację jej zużycia.


 * Potrzebujemy**

Informacje o strukturze klientów koncernu energetycznego:
 * ile jest małych firm, które wymagają prostej optymalizacji, jeśli w ogóle czegoś wymagają;
 * ile jest średnich firm, którym można zaoferować proste porady i narzędzia do optymalizacji zużycia energii;
 * ile jest dużych firm i czy któreś są zainteresowane optymalizacją, jakich obecnie narzędzi używają
 * czy cały koncern zainteresowany jest predykcją zapotrzebowania na energię i w jaki sposób teraz to robi?

Dopiero po zebraniu tych informacji będzie można podjąć decyzję co konkretnie da się tu zrobić.

W przypadku przemysłu farmaceutycznego:
 * Jakie informacje daje się zebrać?
 * Czy oprócz informacji o zapotrzebowaniu aptek można znaleźć inne informacje, np. o pogodzie, epidemiach, reklamach środków i ich wpływie na sprzedaż pokrewnych środków (np. przesunięcia sprzedaży z pigułek do syropów).

Metody i narzędzia

 * Wizualna eksploracja danych, programy tutaj.
 * Metody klasteryzacji do "granulacji" danych.
 * Statystyka, metody regresji liniowej, mieszane dane numeryczno-symboliczne.
 * Sieci neuronowe, MLP, RBF, SVM do regresji nieliniowej.
 * Optymalizacja wielokryterialna?

Jakie programy można wykorzystać? Do wizualizacji sporo oglądalismy na wykładzie i [|mamy spis tutaj]; również programy w sekcji Optimization na tej samej stronie.

Warto sprawdzić pakiet [|Manifold learning], który będzie przydatny do wizualizacji, oraz strony [|Distance Metric Learning].

Na początek: przegląd potencjalnie użytecznych narzędzi: spisać jakie są możliwości i do czego by się mogły różne programy przydać.

Mamy dane z elektrowni; sprawdzić ich narzędzia, jakie dane, co chcemy przewidywać?

elektrownie

Inne ciekawe dane: Merlin? Inne firmy internetowe? Analiza i prognoza ich sprzedaży? Patrzeć na Amazon.

Uzgodnienie potrzeb klienta i sprzedawcy przez system zapytań.

Popatrzeć na prace z IPI PAN, Mielniczuk, szeregi czasowe

Popatrzeć na BSI RIKEN Cichocki, demonstracje [|ICALab, NNMFLab]; Przerobić na C-Sharp programy z Matlaba, dodać do Intemi.

plany i literatura

Więcej na [|tej stronie]

Praca Wiadomości podstawowe, definicje, etc. Obecna aktywność

BUTIF toolbox

modele

zbiór danych

cov