Technologie
Retour au blog ›
Descente de gradient stochastique avec estimateur de gradient pour les variables catégorielles
Le vaste domaine de l'apprentissage automatique (ML) offre une large gamme de techniques et de méthodes qui couvrent de nombreuses situations. Cependant, la supply chain présente ses propres défis spécifiques en matière de données, et parfois, des aspects qui pourraient être considérés comme basiques par les professionnels de la supply chain ne bénéficient pas d'instruments ML satisfaisants - du moins selon nos critères.
Différencier les requêtes relationnelles
Les données de la chaîne d'approvisionnement se présentent presque exclusivement sous forme de données relationnelles telles que les commandes, les clients, les fournisseurs, les produits, etc. Ces données sont collectées via les systèmes d'entreprise - l'ERP, le CRM, le WMS - qui sont utilisés pour exploiter l'entreprise.
Reproductible Parallel Stochastic Gradient Descent
La descente de gradient stochastique (SGD) est l'une des techniques les plus réussies jamais conçues pour l'apprentissage automatique et l'optimisation mathématique. Lokad exploite intensivement le SGD depuis des années à des fins de supply chain, principalement grâce à la programmation différentiable. La plupart de nos clients ont au moins un SGD quelque part dans leur pipeline de données.
Envision VM (partie 4), Exécution Distribuée
Les articles précédents ont principalement examiné comment les travailleurs individuels exécutent les scripts Envision. Cependant, pour la résilience et les performances, Envision est en réalité exécuté sur un cluster de machines.
Envision VM (partie 3), Atomes et Stockage des Données
Pendant l'exécution, les thunks lisent les données d'entrée et écrivent les données de sortie, souvent en grande quantité. Comment préserver ces données depuis leur création jusqu'à leur utilisation (une partie de la réponse se trouve sur des disques NVMe répartis sur plusieurs machines), et comment minimiser la quantité de données qui passe par des canaux plus lents que la RAM (réseau et stockage persistant).
Envision VM (partie 2), Thunks et modèle d’exécution
Comme la plupart des autres systèmes d'exécution parallèle, Envision produit un graphe acyclique dirigé (DAG) où chaque nœud représente une opération à effectuer, et chaque arête représente une dépendance de données où le nœud aval a besoin de la sortie du nœud amont pour s'exécuter.
Envision VM (partie 1), Environnement et Architecture Générale
Un pipeline d'optimisation de la Supply Chain couvre un large éventail de besoins de traitement des données : ingestion et augmentation des données, extraction des caractéristiques, prévision probabiliste, prise de décisions optimales sous contraintes, exportation des données, analyse et création de tableaux de bord.
Pourquoi FTP plutôt que REST
La plupart des applications web proposent des API web de style REST, mais Lokad propose FTPS et SFTP, ce qui peut sembler surprenant. Cependant, ce choix est intentionnel, pourquoi Lokad a-t-il choisi cette voie ?
Les facteurs de succès dans les supply chains prédictives
Naviguer à travers le brouillard des technologies de la supply chain reste un défi. Que peut aider à garantir le succès ?
Classé 6e sur 909 équipes lors de la compétition de prévision M5
Lokad s'est classé à la 6e position lors de la compétition de prévision M5 parmi 909 équipes concurrentes. C'est un exploit impressionnant.
SCM Quantitative vs APS Classique
Comparaison module par module entre les systèmes APS classiques (Advanced Planning and Scheduling) et la supply chain quantitative telle qu'implémentée par Lokad.
Pourquoi pas Python
Envision, le langage spécifique au domaine (DSL) de Lokad, a été conçu pour relever des défis auxquels Python ne pourra jamais apporter des solutions rentables.