Месяц от выхода статьи до внедрения в Продукт. На острие технологий с BAI Gem
Месяц назад вышел материал в англоязычном секторе интернета о библиотеке Transformers. И сегодня технологии из статьи уже внедрены в BAI Прогноз!
Мы непрерывно мониторим новости и статьи обо всем, что сможет поддержать продукты BAI Gem на острие технологий. К примеру, ранее мы писали для vc статью о применениях библиотеки PyTorch Forecasting для прогнозирования спроса.
Transformers - это библиотека архитектур для нейросетей. В июне вышел материал Yes, Transformers are Effective for Time Series Forecasting (+ Autoformer) за авторством Eli Simhayev / Kashif Rasul / Niels Rogge. Изучив его, мы для сформировали для себя тезисы:
1. Описана технология явного разделение сезонности и тренда;
2. Описан расчет автокорреляции через ряды Фурье. Автокорреляция используется для нахождения закономерностей в прошлом.
2. Описан расчет автокорреляции через ряды Фурье. Автокорреляция используется для нахождения закономерностей в прошлом.
Оба пункта важны для наших заказчиков. Для примера, на переговорах с одной из топовых сетей косметики и парфюмерии ключевым вопросом было именно выделение в явном виде сезонности и трендов. Иначе новогодние распродажи и акции на косметику сложно описываются методами искусственно интеллекта.
Внедрение в BAI Прогноз
По итогам изучения материала мы приняли решение внедрить описанные подходы в продукте BAI Gem - BAI Прогноз. Подробнее о BAI Прогноз здесь.
И неожиданно столкнулись с тем, что при попытке обучить модель получили ошибку размерности. Словно мы пытались перемножить матрицы неправильного размера. При этом руководства пользователя не было. Оставалось только "прощупать" ошибку и самостоятельно ее устранить.
Мы решили, что раз в модели мы добавляем два фактора - тренд и сезонность, то после этого необходимо "руками" увеличить количество временных факторов. Учли это в конфиг-файле и да, модель заработала!
Тестирование системы на реальных данных подтвердило :
1. Обновление модели поднимает качество прогноза и понижает размерность модели (меньше места на диске и быстрее считает).
2. Технология явного разделение сезонности и тренда позволяет корректно и без лишней инженерной работы моделировать сложные периоды в продажах, такие как новогодние скидки.
Таким образом, всего за месяц нам удалось интегрировать новую технологию "от статьи до продукта".