Технологии
Back to the blog ›
Стохастический градиентный спуск с оценщиком градиента для категориальных признаков
Обширная область машинного обучения (ML) предоставляет широкий спектр методов и техник, охватывающих различные ситуации. Однако цепочка поставок сталкивается с собственными специфическими проблемами данных, и иногда аспекты, которые могут считаться «базовыми» специалистами по логистике, не выигрывают от традиционных инструментов ML — по крайней мере, по нашим меркам.
Дифференцирование реляционных запросов
Данные цепочки поставок представлены почти исключительно реляционными данными, такими как заказы, клиенты, поставщики, продукты и т.д. Эти данные собираются с помощью бизнес-систем — ERP, CRM, WMS — которые используются для управления компанией.
Воспроизводимый параллельный стохастический градиентный спуск
The stochastic gradient descent (SGD) is one of the most successful techniques ever devised for both machine learning and mathematical optimization. Lokad has been extensively exploiting the SGD for years for supply chain purposes, mostly through differentiable programming. Most of our clients have a least one SGD somewhere in their data pipeline.
Envision VM (часть 4), Распределённое выполнение
The previous articles mostly examined how individual workers executed Envision scripts. However, both for resilience and for performance, Envision is actually executed across a cluster of machines.
Envision VM (часть 3), Атомы и хранение данных
During execution, thunks read input data and write output data, often in large quantities. How to preserve this data from the moment it is created and until it is used (part of the answer is on NVMe drives spread over several machines), and how to minimize the amount of data that goes through channels slower than RAM (network and persistent storage).
Envision VM (часть 2), Thunks и Модель Выполнения
Как и большинство других систем параллельного выполнения, Envision создает направленный ациклический граф (DAG), где каждый узел представляет операцию, которую необходимо выполнить, а каждое ребро представляет зависимость данных, когда нижестоящий узел нуждается в результате вышестоящего узла для запуска.
Виртуальная машина Envision (часть 1), Окружение и общая архитектура
A Supply Chain Optimization pipeline covers a wide range of data processing needs':' data ingestion and augmentation, feature extraction, probabilistic forecasting, producing optimal decisions under constraints, data exports, analytics, and dashboard creation.
Почему FTP вместо REST
Most web apps feature web APIs styled as REST, yet Lokad features FTPS and SFTP, which may appear surprising. However, this choice is intentional, why did Lokad choose to go this route?
Факторы успеха в предиктивных цепочках поставок
Wading through the miasma of supply chain technologies remains a challenge. What can help to guarantee success?
Заняли 6-е место из 909 команд в соревновании по прогнозированию M5
Lokad занял 6-е место в соревновании по прогнозированию M5 среди 909 команд. Это впечатляющее достижение.