ML Metal Factory

Описание проекта

Проект направлен на прогнозирование температуры металла на металлургическом комбинате с использованием методов машинного обучения. Основная цель — оптимизировать производственный процесс и снизить энергозатраты за счет точного предсказания температуры металла на различных этапах обработки.

Проект включает:

• Анализ и предобработку данных
• Исследование различных моделей машинного обучения
• Оптимизацию гиперпараметров
• Оценку качества моделей

Результаты и выводы

В ходе проекта были протестированы несколько моделей машинного обучения, включая линейную регрессию, случайный лес и градиентный бустинг. Наилучшие результаты показала модель градиентного бустинга (CatBoost).

Основные выводы:

1. Градиентный бустинг показал себя как наиболее эффективный метод для данной задачи
2. Температура металла сильно зависит от параметров обработки и состава материала
3. Модель может быть успешно использована для оптимизации энергозатрат на производстве

Используемые технологии