Сведения об образовательной организации
Сведения о доходах, об имуществе и обязательствах имущественного характера руководителя и членов его семьи

В КГЭУ ОБСУДИЛИ АНАЛИЗ БОЛЬШИХ ДАННЫХ В БОЛЬШОЙ ЭНЕРГЕТИКЕ

14.09.2020

В Казанском энергоуниверситете прошел «круглый стол» с участием Алексея Драля - гендиректора компании BigData Team, которая специализируется на обучении Big Data, Machine Learning и промышленной разработке на Python.

Мероприятие, модератором которого выступила директор Института цифровых технологий и экономики КГЭУ, завкафедрой информатики и информационно-управляющих систем Юлия Торкунова, прошло в онлайн-формате на площадке Zoom. От КГЭУ приняли участие преподаватели вуза, директор Департамента развития и внешних связей Эмиль Шамсутдинов. Подключились к конференции также представители компаний – партнеров КГЭУ из Татарстана и других регионов: Алексей Войновский - начальник отдела информационных технологий ЗАО «Татнефть-Москва», Алексей Абрамов - замначальника Службы автоматизации ООО «Газпром трансгаз УФА», Рамиль Хузин – заместитель директора по ИТ АО «Татэнергобыт», Айрат Садреев – начальник отдела информационных технологий АО «Транснефть-Прикамье», Ильмир Фатхутдинов Ильмир – начальник отдела системного сопровождения ООО «ТаграС-ЭнергоСервис», Ильнур Иксанов из ООО «Газпром трансгаз Уфа», Ильдар Исмагилов из ICL, Руслан Нигматуллин из ОАО «Сетевая компания», Ринат Якупов из ООО «Газпром трансгаз Уфа» и другие.

Алексей Драль представил участникам презентацию о различных механизмах работы машинного обучения и анализа  BigData.

- Я сам не из промышленности, но у меня есть определенные экспертизы в этой области в рамках IT-компаний – Рамблер, Яндекс, Амазон, - начал свою презентацию гендиректор компании BigData Team. – Поэтому я коротко расскажу, какие задачи решают все эти механизмы, а вы можете посмотреть какие задачи резонируют с вашей областью, чтобы можно было реализовать какие-то программы совместно с КГЭУ, с подбором студентов, которые все это будут развивать. В том числе в рамках стажировок.

По словам Алексея Драля, машинное обучение и анализ больших данных имеет широкий спектр применения. Например, их применяют в банках, чтобы определить «плохих» заемщиков или время пополнения банкоматов, на интернет-сайтах, для продвижения определенных товаров, предназначенных целевой аудитории, для контроля качества выпускаемой продукции, для распознавания голоса (например, с целью синхронного перевода) и даже при эксплуатации беспилотного комбайна.  

А затем участники «круглого стола» обсудили, как все эти механизмы реализуется в их компаниях и организациях, какой накоплен опыт и как они видят перспективы дальнейшего использования этих технологий.

Представитель «Татэнергосбыта» Рамиль Хузин посетовал, что современные технологии анализа больших данных и машинного обучения, которые предлагают IT- компании  – очень дорогие для организаций, регулируемых государством. И зачастую приходится использовать ручной труд, который обходится дешевле.

- Мы работаем на основании тарифов для населения и юридических лиц, утвержденных государством. А чем больше наши расходы, тем выше будет тариф. Поэтому здесь нам не до шика, мы не можем вкладываться в данные технологии, - отметил он.

Юлия Торкунова предложила простое решение этой проблемы – брать на стажировку в такие организации студентов и аспирантов информатики и информационно-управляющих КГЭУ, которые занимаются машинным обучением и анализом больших данных и пишут на эту тему научные работы. Для них это будет очень ценный практический опыт, а для организации – большая экономия.  

- Сейчас в КГЭУ есть направление магистратуры «Информационные технологии в топливно-энергетическом комплексе», - подчеркнула она. – Так что у нас есть студенты, которые могли бы совершенно бесплатно решать все эти задачи в рамках своих выпускных квалификационных работ. Их уровень подготовки вполне позволяют это делать. Тем более в рамках диссертации магистра.

В заключение встречи Алексей Драль ответил на многочисленные вопросы участников «круглого стола», касающиеся применения механизмов машинного обучения и анализа больших данных в каком-то конкретном случае.

Эмиль Шамсутдинов задал вопрос системного характера. Он предположил, что скорость внедрения машинного обучения зависит от государственной политики в этой сфере, потому что речь идет об объектах энергетики, которую надо рассматривать как сложный объект, совокупный и системный.

- Главная функция энергетики – это гарантированное и  бесперебойное, качественное энергоснабжение потребителя, - напомнил он. – А для того, чтобы система функционировала нормально в случае какой-то непредвиденной ситуации, нужен запуск команды от диспетчера. Может ли машина заменить человека в этом случае? Нужно ли внедрять технологи машинного обучения в эту систему?

Директор Департамента развития и внешних связей КГЭУ также поинтересовался, можно ли строить какие - то прогнозы, чтобы на государственном уровне принимались бы нормативно-правовые акты, которые бы регламентировали деятельность в этой сфере?

Алексей Драль ответил, что в случае с диспетчерами можно просчитать ситуацию, и если машина будет работать лучше, чем человек, то технологию нужно обязательно внедрять. Он также предложил озвучить конкретные предложения, если у энергетиков есть представление, что сейчас блокирует внедрение этих технологий в отрасль, и пообещал экспертную поддержку чтобы решить эту проблему на соответствующем уровне.

 

Елена Мельник

 



Просмотров: 260