ML/AI/NN технологии которые можно использовать в своём сервисе?
Я являюсь разработчиком онлайн-сервиса для автоматизированного проектирования систем орошения. Принцип работы несколько схож с AutoCAD (или любой CAD/САПР в целом), но он сделан специально под цели ирригации. У меня есть большая база данных пользовательских проектов, большинство из которых имеют реальное применение. Мне нужен помощник/копилот для моего сервиса, желательно на основе AI или нейронной сети, который нажатием одной кнопки будет автоматически давать пользователю возможное/лучшее расположение дождевателей (по сути просто элемент со своими характеристиками) в его проекте.
Я вижу это как нейронную сеть, которая через API получит координаты определенного газона (который является графом) и затем сгенерирует возможное расположение дождевателей, основываясь на таких параметрах, как тип дождевателя/размер газона/расход воды и/или будет использовать проекты пользователя в качестве датасета для получения весов или другой оценки производительности. Как вы, вероятно, уже поняли, мои знания в этой области очень поверхностны, что означает, что я, вероятно, не смогу создать ML-решение с нуля. Какие технологии или возможные решения я могу использовать в этом случае и если есть какие-то готовые решения или библиотеки, которые могут помочь мне в этом деле, то какие?
Лучшая технология - это нанять специалиста, который сможет создать необходимое ПО по тому описанию, которое вы ему дадите. Задача интересная, для толкового специалиста - не суперсложная. Необходимость в ML/AI/NN - очень под вопросом.
Ну, или самому изучить то, что уже знает "толковый разработчик". Рассчитывать на готовую волшебную полочку, которую взял, махнул и задача решается сама собой без усилий - я бы не стал.
Я вижу это как нейронную сеть, которая через API получит координаты определенного газона (который является графом) и затем сгенерирует возможное расположение дождевателей, основываясь на таких параметрах, как тип дождевателя/размер газона/расход воды и/или будет использовать проекты пользователя в качестве датасета для получения весов или другой оценки производительности.
Мне эта задача напоминает оптимальный раскрой. Решалась она в 90х и 2000х без всяких нейросетей.
Ну я-бы по крайней мере попробовал. Не стал-бы пренебрегать простыми решениями.
Нейросети - это тяжелая артиллерия. И она все равно требует ручной работы. А именно - подготовки данных
ко входу. Эта итерация не автоматизирована и от нее зависит успех.
Очень верный совет вам - нанять разработчика который это один раз сделает. И заплатите ему чтоб он вам
объяснил как это работает.
Средний
Простой
