fbpx
Operacjonalizacja rozwiązania Machine Learning do predykcji zapotrzebowania na leki​

Operacjonalizacja rozwiązania Machine Learning do predykcji zapotrzebowania na leki​

Operacjonalizacja rozwiązania Machine Learning do predykcji zapotrzebowania na leki​
Klient
Globalny szwajcarski koncern farmaceutyczny
Branża
Medycyna i farmacja
Centrum Kompetencyjne
Advanced Data Analytics
Technologie
R​, GitLab​, AWS, (EC2, S3, ECR)​, Docker​, Tableau
Opis projektu

Narzędzie to przewiduje potrzeby produkcyjne leku na grypę. ​Algorytm bada wystąpienia grypy ​w ujęciu geograficznym oraz o dane historyczne. ​Infrastruktura ML Ops automatyzuje proces odbywający się w całości w środowisku chmurowym, kod źródłowy w R znajduje się w repozytorium w GitLab. ​Pipeline pobiera dane historyczne i przelicza je w postaci modelu w chmurze AWS, a rezultaty prezentowane są na żywo w Tableau.​ Wartości jakie wnosi dla biznesu to mi.in.: estymacja zachorowalności pozwalająca podejmować decyzję w oparciu o dane​, poprawa planowania produkcji​, obniżone kosztów stałych wytwarzania produktów​, zredukowanie strat materiałowych​.