Tecnología
Volver al blog ›
Descenso de gradiente estocástico con estimador de gradiente para características categóricas
El amplio campo del aprendizaje automático (ML) proporciona una amplia variedad de técnicas y métodos que cubren numerosas situaciones. Sin embargo, la cadena de suministro tiene sus propios desafíos específicos de datos y a veces los aspectos que podrían considerarse básicos por los profesionales de la cadena de suministro no se benefician de instrumentos de ML satisfactorios, al menos según nuestros estándares.
Diferenciando Consultas Relacionales
Los datos de la cadena de suministro se presentan casi exclusivamente como datos relacionales, como pedidos, clientes, proveedores, productos, etc. Estos datos se recopilan a través de los sistemas empresariales, como el ERP, el CRM, el WMS, que se utilizan para operar la empresa.
Descenso de Gradiente Estocástico Paralelo Reproducible
El descenso de gradiente estocástico (SGD) es una de las técnicas más exitosas jamás desarrolladas tanto para el aprendizaje automático como para la optimización matemática. Lokad ha estado explotando ampliamente el SGD durante años para fines de la cadena de suministro, principalmente a través de la programación diferenciable. La mayoría de nuestros clientes tienen al menos un SGD en algún lugar de su canalización de datos.
Envision VM (parte 4), Ejecución Distribuida
Los artículos anteriores examinaron principalmente cómo los trabajadores individuales ejecutan scripts de Envision. Sin embargo, tanto para la resiliencia como para el rendimiento, Envision se ejecuta en realidad en un clúster de máquinas.
Envision VM (parte 3), Átomos y Almacenamiento de Datos
Durante la ejecución, los thunks leen datos de entrada y escriben datos de salida, a menudo en grandes cantidades. Cómo preservar estos datos desde el momento en que se crean hasta que se utilizan (parte de la respuesta se encuentra en las unidades NVMe distribuidas en varias máquinas) y cómo minimizar la cantidad de datos que pasan por canales más lentos que la RAM (red y almacenamiento persistente).
Envision VM (parte 2), Thunks y el Modelo de Ejecución
Al igual que otros sistemas de ejecución paralela, Envision produce un grafo acíclico dirigido (DAG) donde cada nodo representa una operación que debe realizarse, y cada borde representa una dependencia de datos donde el nodo aguas abajo necesita la salida del nodo aguas arriba para ejecutarse.
Envision VM (parte 1), Entorno y Arquitectura General
Un pipeline de Optimización de la Cadena de Suministro cubre una amplia gama de necesidades de procesamiento de datos: ingestión y ampliación de datos, extracción de características, pronóstico probabilístico, toma de decisiones óptimas bajo restricciones, exportación de datos, análisis y creación de paneles de control.
¿Por qué FTP en lugar de REST?
La mayoría de las aplicaciones web cuentan con API web diseñadas como REST, sin embargo, Lokad cuenta con FTPS y SFTP, lo cual puede resultar sorprendente. Sin embargo, esta elección es intencional, ¿por qué Lokad eligió este camino?
Factores de éxito en las cadenas de suministro predictivas
Navegar a través del miasma de las tecnologías de la cadena de suministro sigue siendo un desafío. ¿Qué puede ayudar a garantizar el éxito?
6º clasificado de 909 equipos en la competencia de pronóstico M5
Lokad ha quedado en la 6ª posición en la competencia de pronóstico M5 de entre 909 equipos participantes. Es un logro impresionante.
Supply Chain Quantitativa vs APS Clásico
Comparación módulo por módulo entre los sistemas APS (Planificación y Programación Avanzada) clásicos y la supply chain quantitativa implementada por Lokad.
¿Por qué no Python?
Envision, el lenguaje de dominio específico (DSL) de Lokad, fue diseñado para abordar desafíos en los que Python nunca ofrecerá soluciones rentables.