ГЛАВНЫЕ НОВОСТИ
Россия увеличила поставки газа в Белоруссию на 7% Рынок нефтепродуктов: запуск новых фьючерсных контрактов Майские тренды IT-технологии в нефтегазовой промышленности Регистрация правил доступа на торги и новые этапы road show фьючерса на Urals Более 200 представителей геологического сообщества приняли участие в Международной газовой конференции г. Анапе 16 – 18 апреля 2018 года Oil & Gas Journal Russia второй раз подряд признан лучшим брендом среди российских нефтегазовых журналов ИД «Недра» выступил спонсором выставки и конференции Offshore Technology Conference в США Проблемы переработки тяжелого нефтяного и остаточного сырья Иллюзия замещения Налоговый маневр… или тупик? Новая парадигма мировой энергетики Анализ применения РУС для зарезок в открытом стволе на Восточно-Мессояхском месторождении Новый уровень эффективности USD 66,7044 +0,1615 (0,24%) Micex Oil & Gas 7133,17 +99,14 (1,41%)

Материалы партнеров

  • image

    Искусственный интеллект на форуме RAIF: AI’M HERE

    23:38 9 Ноябрь 2017 Инфосистемы Джет

    8 ноября 2017 г., Москва. —  7 ноября в Москве прошел первый Российский форум по системам искусственного интеллекта – RAIF (The Russian Artificial Intelligence Forum), организатором которого выступила компания «Инфосистемы Джет». Форум собрал около 500 участников – топ-менеджеров крупных компаний и ИТ-экспертов. Концепция мероприятия «AI’M HERE» была призвана доказать гостям форума: технологии ML/AI не просто доступны для бизнеса, а уже вовсю используются передовыми практиками в ритейле, банках, страховании, медицине, промышленности и других отраслях. В рамках Форума также состоялось награждение победителей онлайн-чемпионата «RAIF-Challenge 2017», проходившего с 20 сентября по 25 октября. Три лучших команды получили денежное вознаграждение в размере 350 тыс. рублей каждая и возможность реализовать пилотные проекты у партнеров Форума.

    Открывая пленарную часть, Майкл Вирт, руководитель по развитию бизнеса IBM в России и СНГ констатировал, что за последние 5 лет направление AI серьезно выросло, и это движение уже не остановить. Спикер подчеркнул, что уже через 10 лет машина сможет принимать решения без человека, а также научится перепрограммировать себя. Для того чтобы это стало возможным, нам нужно сегодня поработать над созданием более мощных устройств обработки данных и процессоров с низким энергопотреблением.

    Владимир Молодых, директор по разработке и внедрению ПО компании «Инфосистемы Джет», привел реальные кейсы, реализованные компанией «Инфосистемы Джет», и призвал гостей к трансформации их бизнеса: «Многие компании не знают, с чего начать движение в сторону AI. Мы в рамках Чемпионата показали, как это сделать. Необходимо выделить бизнес-процесс, по которому есть все данные, и достичь результата по конкретной задаче. Трудно оспорить необходимость внедрения AI в организации, когда, затратив десятки (а не сотни) человекочасов, вы получаете реальную бизнес-выгоду с понятным сроком окупаемости».

    В пленарной секции прозвучало также выступление Заместителя председателя комитета Госдумы по информационной политике, информационным технологиям и связи Александра Ющенко, подчеркнувшего необходимость развития технологий ML/AI – как для бизнеса, так и для государства в целом: «Государство сегодня заинтересовано в развитии ИТ, в поддержке перспективных молодых специалистов, стартапов и, конечно, российских ИТ-компаний и интеграторов. Мы должны сегодня создать все условия, чтобы наши специалисты приносили максимальный результат.  Им в поддержку мы разрабатываем законодательные акты в области новых перспективных технологий. Однако совершенствование данного направления возможно лишь при объединении усилий государства и бизнеса».

    В рамках форума гости могли посетить несколько секции, на каждой из которых были представлены ML-кейсы в различных отраслях от крупнейших российских компаний. Так, директор по продажам Yandex Data Factory Константин Горбач рассказал в своем докладе о возможностях применения машинного обучения в промышленности, а Анна Дубовик из ДИТ Москвы затронула тему распознавания в здравоохранении, поделившись опытом обработки медицинских данных и построения ML-моделей. Рецепт применения технологии в B2B-секторе предложил гостям форума Константин Виноградов, старший инвестиционный аналитик Runa Capital. Также он рассказал об успешных стартапах в сфере искусственного интеллекта и потенциале ML-приложений.

    В секциях «AI в банках», «AI в страховании» и «AI в ритейле» основными темами выступлений стали кейсы работы с данными, в том числе повышение кросс-продаж посредством анализа данных. Много примеров было приведено именно из российской практики. Спикеры также обозначили смену парадигмы работы с данными и переход к новому пониманию профессионализма в ИТ: востребованы не те, кто понимает, как работают технологии, а те, кто понимает, как и какую задачу нужно поставить машине, чтобы получить наилучший результат.

    О нынешних реалиях и будущем AI на российском рынке рассуждали участники дискуссии «Machine Learning: технологический пузырь или насущная необходимость для бизнеса?». Отвечая на этот вопрос, Сергей Сергеев, директор по ИТ «М.Видео», поделился планами крупнейшего ритейлера электроники активно развивать это направление, в первую очередь, в области улучшения клиентского опыта на сайте и управления ассортиментом. Так, еще год назад направление AI в «М.Видео» вел всего один человек, а сегодня это целое подразделение Data Science. При этом компания использует не только внутренние ресурсы, но и привлекает партнеров.

    Компания «Инфосистемы Джет» поделилась опытом реализации ML-проектов в различных отраслях, а также представила собственные ML-системы: JetPluton (система обнаружения сетевых атак нового поколения) и решения  на платформе Jet Galatea – JetDetective (антифрод-система на базе технологий ML/AI) и JetAML (cистема противодействия отмыванию доходов и финансированию терроризма).

    Завершающим аккордом форума стало выступление Вики Ли — известной пианистки, диджея и композитора, лауреата международных конкурсов, а также награждение победителей «RAIF-Challenge 2017»: команды «V-team» с темой работы «Выявление мошеннических действий в страховании», команды «Surf» с темой «Моделирование вероятности покупки в рамках пользовательской сессии» и команды «ЛИАД» (Лаборатории интеллектуального анализа данных компании «Спутник») с темой «Прогнозирование оттока клиентов банка с использованием глубоких нейронных сетей и распределения Вейбулла».

    «По нашей практике, внедрение ML для совершенствования одного показателя в одном бизнес-процессе занимает в среднем 2,5 месяца, – отметил Евгений Колесников, руководитель направления «Большие данные и машинное обучение», «Инфосистемы Джет». – Соответственно на оптимизацию нескольких десятков бизнес-процессов, которые есть в организации, уйдут годы – даже если вести эти проекты параллельно. Компаниям, которые еще не включились в данный процесс, необходимо как можно скорее это сделать – ведь в итоге речь идет о достижении кратного роста прибыли».

    ***

    Партнеры RAIF: Hitachi, IBM, Huawei, «М.Видео», «АльфаСтрахование», Банк УРАЛСИБ.

    Генеральный информационный партнер: ИД «Коммерсантъ».

    Информационные партнеры RAIF: Серебряный дождь, CNews, TAdviser, Аналитический банковский журнал, Ассоциация менеджеров, Банковское обозрение, Бизнес-журнал, БИТ, Деловая Москва, Инвест-Форсайт, Национальный банковский журнал, ПЛАС/Retail&Loyalty, Портал Искусственного интеллекта, РАЭРР, RUБЕЖ, Системный администратор, Стандарт/Comnews, ФРИИ, Computerworld, Connect, 5Future, ICT-Online, Moscow Business School, New Retail, OSP, RoboTrends, Russian Consumer, Sobytiye.ru, Telecom Daily, The Retail Finance.

    RAIF (Российский Форум по Системам Искусственного Интеллекта) — масштабный проект по искусственному интеллекту (AI) и машинному обучению (ML), собирающий на одной площадке представителей крупнейших российских и международных компаний, а также специалистов в области машинного обучения. В рамках RAIF прошел первый онлайн-чемпионат по искусственному интеллекту. На Форуме рассматриваются практические аспекты применения искусственного интеллекта. На реальных кейсах спикеры RAIF демонстрируют возможность извлечь конкурентное преимущество из накопленных у компаний данных.

    Компания «Инфосистемы Джет» — один из крупнейших российских системных интеграторов — образована в 1991 году. Основные направления деятельности компании: бизнес-решения и программные разработки, ИТ- и телекоммуникационная инфраструктура, информационная безопасность, ИТ-аутсорсинг и техническая поддержка, управление комплексными проектами и др. Компания располагает 12 офисами и представительствами на территории РФ и СНГ.

    Новости компании доступны на facebook, twitter, telegram и на сайте компании www.jet.su

Другие статьи по этой теме
Основные индексы:
Dow Jones 25 439,39 -103,88 (-0,41%)
Курсы валют:
USD 66,7044 0,1615 (0,24%)
EUR 75,2492 0,2021 (0,27%)
CNY 98,3855 0,0976 (0,1%)
JPY 60,4837 0,5756 (0,96%)
Акции нефтегазовых компаний:
Micex Oil & Gas 7133,17 99,14 (1,41%)
Rosneft 403,5 8,6500 (2,19%)
Lukoil 5426 65,5000 (1,22%)
Gazprom 159,04 3,8900 (2,51%)
Gazprom Neft 343,4 0,4000 (0,12%)
Surgutneftegaz 26,83 0,3500 (1,32%)
Tatneft 790,3 26,4000 (3,46%)
Bashneft 1991 39,5000 (2,02%)
Источник – Финмаркет
Tools
Длина, расстояние
000,00
Площадь
000,00
Объем
000,00
Вес
000,00
Скорость
000,00
Температура
000,00
Плотность
000,00
Давление
000,00
Сила
000,00
Объемная
скорость
000,00
Объем/Вес нефти
000,00
Плотность нефти
000,00
Объем/вес/энергия
природного газа
000,00
Объемный расход
газа
000,00
Rad
Gra
x!
(
)
С
AC
Inv
sin
ln
7
8
9
/
Pi
cos
log
4
5
6
*
e
tan
sqrt
1
2
3
-
Ans
exp
x^y
0
.
=
+

"Бурение и освоение нефтяных и газовых скважин. Терминологический словарь-справочник", Булатов А.И., Просёлков Ю.М., М.: Недра, 2007

Примеры терминов:

  • Индикаторная диаграмма скважины

     (indicator card of well) построенный по данным исследования скважины методом установившихся отборов график зависимости дебита (приемистости) скважины (ось абсцисс) от забойного давления или от перепада между пластовым и забойным давлениями (ось ординат).

     (indicator card of well) построенный по данным исследования скважины методом установившихся отборов график зависимости дебита (приемистости) скважины (ось абсцисс) от забойного давления или от перепада между пластовым и забойным давлениями (ось ординат). Его использование позволяет определять продуктивность скважины, установить оптимальную норму отбора жидкости (газа) или закачки рабочего агента по скважине, судить об изменении проницаемости в призабойной зоне скважины (В.Н. Васильевский, А.Н. Петров, 1973). По газовым скважинам индикаторные диаграммы строят в виде графической зависимости дебита от разности квадратов пластового и забойного давлений или в других видах. Или: диаграмма, отражающая по скважине зависимость между дебитом и перепадом давления, основное назначение которой состоит в том, чтобы по данным небольшого числа исследований предсказать добычные возможности скважины при изменении перепада давлений и, кроме того, с помощью дополнительных данных в некоторых случаях оценивать такие фильтрационные характеристики пласта, как его гидропроводность и проницаемость (С.Г. Каменецкий, Б.С. Кузьмин, В.П. Степанов, 1974).

  • Продувка скважин

    (hole blowing) технологический процесс при строительстве скважины с использованием воздуха (газа) вместо бурового раствора для очистки ствола от выбуренной породы.

    (hole blowing) технологический процесс при строительстве скважины с использованием воздуха (газа) вместо бурового раствора для очистки ствола от выбуренной породы.
  • Якорь

    (anchor) тяжёлое приспособление с крюками, используемое с цепью или комбинацией цепи и каната для закрепления на морском дне полупогружных буровых установок, буровых барж и некоторых буровых судов.

    (anchor) тяжёлое приспособление с крюками, используемое с цепью или комбинацией цепи и каната для закрепления на морском дне полупогружных буровых установок, буровых барж и некоторых буровых судов.
  • Упруговодонапорный режим

    (elastic water drive) режим нефтяной залежи, при котором углеводороды вытесняются в скважины под действием напора краевой воды; в отличие от водонапорного режима основным источником энергии напора воды являются упругость жидкости и упругость самой породы (М.Ф. Мирчинк, М.И. Максимов, 1952).

    (elastic water drive) режим нефтяной залежи, при котором углеводороды вытесняются в скважины под действием напора краевой воды; в отличие от водонапорного режима основным источником энергии напора воды являются упругость жидкости и упругость самой породы (М.Ф. Мирчинк, М.И. Максимов, 1952).
  • Судно, выполняющее работы по интенсификации притока в скважину

    (well stimulation vessel) специально построенное судно, которое используется для работ по возбуждению пробуренной скважины.

    (well stimulation vessel) специально построенное судно, которое используется для работ по возбуждению пробуренной скважины.
  • Градиент-зонд

    (lateral [three-electrodle] device) зонд со сближенными одноименными (токовыми или измерительными) электродами, в котором расстояние между ними мало, сравнительно с расстоянием между электродами различного назначения.

    (lateral [three-electrodle] device) зонд со сближенными одноименными (токовыми или измерительными) электродами, в котором расстояние между ними мало, сравнительно с расстоянием между электродами различного назначения. В идеальном Г.-з. кажущееся удельное сопротивление определяется по измерению градиента электрического поля, создаваемого источником тока на оси скважины. Наибольшее распространение получили градиент-зонды В0,5А2М; З0,25А2М и М2,5А0,25В.

  • Дина-Старка прибор

     (Dina-Stark’s apparatus) применяется для определения содержания воды в пробе нефти или образце породы. Д.-С.п. состоит из металлической колбы, подогреваемой вместе с находящимся в ней образцом, холодильника для конденсации паров воды и стеклянного градуированного приёмника («ловушки») для замера количества воды.

     (Dina-Stark’s apparatus) применяется для определения содержания воды в пробе нефти или образце породы. Д.-С.п. состоит из металлической колбы, подогреваемой вместе с находящимся в ней образцом, холодильника для конденсации паров воды и стеклянного градуированного приёмника («ловушки») для замера количества воды. При анализе нефть разбавляют бензином или ксилолом и производят отгонку. Пары воды вместе с бензином конденсируются в холодильнике, и вода собирается в нижней части ловушки. По количеству воды в ловушке определяют ее процентное содержание в нефти.

  • Свайный остров

    (cellular sheet pile island) остров с ячеистой оболочкой для строительства морского нефтепромыслового сооружения.

    (cellular sheet pile island) остров с ячеистой оболочкой для строительства морского нефтепромыслового сооружения.
Совместно с "Мультитран"
Яндекс.Метрика