Плюсы и минусы использования low-code платформы Loginom для оптимизации запасов. Как организовать работу над проектам наиболее эффективно, чтоб как можно быстрее получить первые результаты и реализовать весь потенциал self-service аналитики.
Всегда ли одновременное сокращение сроков внедрения проекта и его стоимости приводит к падению качества? В докладе разберем один из подходов к решению бизнес-задач, который позволяет снизить стоимость внедрения, а также поддерживать и развивать созданное решение небольшими ресурсами.
Многообразие инструментов для анализа данных может поставить в тупик любого специалиста, перед которым стоит задача построения бизнес-процесса предприятия. Поэтому важно определить ключевые особенности и области применения аналитической платформы Loginom.
В этой версии исправлено несколько ошибок, возникавших при работе с веб-сервисами и базами данных, исправлена проблема с использованием JSDoc-комментариев в мастере настройки JavaScript, а также внесены исправления в другие компоненты.
Кроме алгоритма Apriori для поиска ассоциативных правил существует алгоритм, получивший название Frequent Pattern-Growth (FPG), что можно перевести как «выращивание популярных (часто встречающихся) предметных наборов». Он позволяет не только избежать затратной процедуры генерации кандидатов, но и уменьшить необходимое число проходов по набору данных до двух.
Читая крутые истории о возможностях искусственного интеллекта, трудно не влюбиться в эту технологию: кажется, что нейросети можно применять для решения любой задачи. Нам тоже хочется верить во всепобеждающую силу искусственного интеллекта, но не получается.
В этой версии исправлено несколько ошибок, возникавших при работе Узла-ссылки, решена проблема с неожиданной ошибкой Калькулятора при работе в параллельном Цикле, устранена потеря связей у пакетов со сложными зависимостями, а также исключен ряд проблем в Веб-клиенте и Настольном приложении.
Студенты Костромского государственного университета будут изучать работу на платформе Loginom в рамках академической программы для вузов.
Как корректно рассчитать экономический эффект от применения машинного обучения? Совместно с Террасофт, мы делимся приемами расчетов эффективности модели МL с помощью Loginom и Creatio.
Крупное обновление аналитической платформы Loginom. Реализован функционал мониторинга пользователей и пакетов. Добавлена поддержка Python. Оптимизированы существующие алгоритмы. Появился новый обработчик и визуализатор, а также улучшены существующие
Хотите начать самостоятельно анализировать данные и не знаете, какой аналитический инструмент подойдёт? Где приручать питонов, а где ограничиться Excel? Мы подготовили обзор различных подходов к анализу данных, их преимуществ и недостатков.
В статье приведены примеры решения задач предупреждения аварий на объектах газораспределения, оценки потерь газа при авариях, утечках и аварийных сбросах.
Мы подготовили десятки примеров решений бизнес-задач, чтобы помочь пользователям самостоятельно разобраться в основах работы с платформой Loginom.
Как повысить ценность бизнес аналитики в организации? Как дата-хайп затмевает здравый смысл? Почему технари думают что опыт предметной области легок? Разбираемся в деталях на вебинаре по low-code аналитике.
При анализе информации часто возникает ситуация, когда теоретическое великолепие методов анализа разбивается о действительность. Ведь вроде все давно решено, известно множество методов решения задач анализа. Почему же довольно часто они не работают?
На вебинаре от компании Террасофт Алексей Арустамов рассказал о тенденциях в области клиентской аналитики, технологиях для глубокого анализа данных, охватывающих вопросы сбора, интеграции, очистки данных, построения моделей машинного обучения, а также продемонстрировал взаимодействие Loginom и Creatio.
В этой версии переработан механизм сворачивания и разворачивания подмоделей, в результате чего было исправлено несколько ошибок.
С помощью Loginom реализован проект для крупного горнодобывающего карьера: разработаны модели по оценке KPI работы сотрудников; создан прототип электронного советчика; настроена real-time обработка данных с большим количеством внешних влияний. Кейс рассказывает СЕО «Лаборатории кода».
Готовое решение Loginom Scorecard Modeler позволяет автоматизировать до 90% процедур при создании скоринговой карты: от подготовки данных до моделирования и формирования отчетности.
Самоорганизующиеся карты Кохонена – это одна из разновидностей нейросетевых алгоритмов. Этот алгоритм решает задачи кластеризации и проецирования многомерного пространства в пространство с более низкой размерностью. Он часто применяются для решения самых различных задач, от восстановления пропусков в данных до анализа и поиска закономерностей.
Loginom Company расширяет горизонты и становится ближе к иностранным пользователям.
Прогнозирование инцидентов и раннее оповещение об авариях, обнаружение и расчет технологических потерь — решаем эти задачи методами продвинутой аналитики с использованием нейронных сетей и других технологий искусственного интеллекта.
Полный цикл загрузки и преобразования данных от «грязных» данных до красивых дэшбордов: совместное решение Loginom и Visiology в области визуального ETL.
Многообразие инструментов для анализа данных может поставить в тупик любого специалиста, перед которым стоит задача построения бизнес-процесса предприятия. В своем выступлении Алексей Арустамов рассказывает об областях применения Loginom и механизмах, благодаря которым платформа станет незаменимым помощником аналитика.
Loginom Customer Segmentation — это решение для системной работы по удержанию клиентов и увеличению прибыли. Построение универсальной модели сегментации позволяет проводить адресные маркетинговые кампании, настроенные по десяткам различных параметров. Точечное и своевременное воздействие на каждого клиента многократно увеличивает вероятность и количество покупок.