Использование платформы GrowthBook для управления ML-экспериментами
2022
rus
data

Выступление на конференции SmartData'2022, где рассказывалось о том, как организовать пайплайн экспериментов на основе открытой платформы GrowthBook, когда ответственность за запуск и тестирование фичей лежит на команде ML-разработчиков
ext
Особенности построения и поддержки аналитического in-house data lake в EdTech
2022
rus
data

Выступление на конференции Highload'2022, в рамках которого рассказывается о том, как строили DWH в EdTech'е, почему выбрали Prefect в качестве scheduler ETL, а не Airflow и многое другое
ext
Озера данных; как устроены data lakes и зачем они нужны
2021
rus
data

Обзорная статья о том, что такое data lakes, как с их помощью можно извлекать ценные инсайты, отслеживать неожиданные закономерности, быстрее и эффективнее продвигать новые продукты и услуги
ext
Skillbox; Мы создаем образование будущего и ищем новых сотрудников
2020
rus

Интервью про EdTech, технологии работы с данными, алгоритмы, используемые в LMS, и почему высокотехнологические продукты имеют больше потенциала для ускорения развития продукта в целом
ext
Robust and Constrained Optimization; Methods and Applications (Chapter)
2019
eng
cybernetics
math

В главе рассказывается о том, как различные метаэвристические алгоритмы (включая меметические, интервальные и методы оптимизации со случайным поиском) могут быть применены для решения различных типов задач оптимального управления (например, стабилизации спутника, управления солнечным парусом). Предлагаются гибридные методы глобальной оптимизации, которые сочетают стратегии нескольких различных метаэвристических алгоритмов случайного поиска, в попытке повысить точность получаемого решения
ext
Cовместное применение машинного обучения и метаэвристических алгоритмов оптимизации для синтеза оптимального управления спутником
2019
rus
ml
cybernetics
math

В данной работе представлен двухэтапный подход для решения задачи синтеза управления спутником с обратной связью. На первом этапе формулируется задача поиска оптимального программного управления, которая решается для различных начальных условий путем преобразования к задаче нелинейного программирования и последующего применения метаэвристических алгоритмов оптимизации. Таким образом, в результате первого этапа находятся управления и соответствующие им траектории для различных начальных условий из заданного множества. На втором этапе полученная информация агрегируется и используется для построения регрессии, которая ищется как решение задачи обучения с учителем. Полученная функция используется в качестве аппроксимации данных, полученных на первом этапе, для синтеза требуемого управления с обратной связью.
ИП Пановский Валентин Николаевич
ОГРНИП 322774600390419
ИНН 771683960143