Поиск :
Личный кабинет :
Электронный каталог: Юрчак, В. А. - Предиктивное многофакторное обнаружение аномалий информационной системой для производственных про...
Юрчак, В. А. - Предиктивное многофакторное обнаружение аномалий информационной системой для производственных про...
Нет экз.
Электронный ресурс
Автор: Юрчак, В. А.
Предиктивное многофакторное обнаружение аномалий информационной системой для производственных про... : студенческая научная работа
Издательство: [Б. и.], 2020 г.
ISBN отсутствует
Автор: Юрчак, В. А.
Предиктивное многофакторное обнаружение аномалий информационной системой для производственных про... : студенческая научная работа
Издательство: [Б. и.], 2020 г.
ISBN отсутствует
На полку
Электронный ресурс
Юрчак, В. А.
Предиктивное многофакторное обнаружение аномалий информационной системой для производственных процессов : студенческая научная работа. – Москва : [Б. и.], 2020. – 85 с. : ил., табл. – URL: https://biblioclub.ru/index.php?page=book&id=597809. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с. 75-79. – На рус. яз.
Внедрение моделей машинного обучения для целей автоматического распознания поврежденных участков двигателя автомобиля и определения необходимого ремонтного воздействия позволяет снизить время оценки ущерба на 30%.Целью данной работы является предиктивное многофакторное обнаружение аномалий информационной системой для производственных процессов страхового андеррайтинга, а именно: Data Set показателей технической эксплуатации автомобиля.
Юрчак, В. А.
Предиктивное многофакторное обнаружение аномалий информационной системой для производственных процессов : студенческая научная работа. – Москва : [Б. и.], 2020. – 85 с. : ил., табл. – URL: https://biblioclub.ru/index.php?page=book&id=597809. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с. 75-79. – На рус. яз.
Внедрение моделей машинного обучения для целей автоматического распознания поврежденных участков двигателя автомобиля и определения необходимого ремонтного воздействия позволяет снизить время оценки ущерба на 30%.Целью данной работы является предиктивное многофакторное обнаружение аномалий информационной системой для производственных процессов страхового андеррайтинга, а именно: Data Set показателей технической эксплуатации автомобиля.