descriptionОписание
Реализовать ML-модель для предсказания отклонений показателей системы водоснабжения, а именно, расхода/потребления воды.Это должно быть выполнено при помощм предиктивного анализа поведения инфраструктуры на основе оценки вероятностей развития негативных сценариев на основании исторических.
(1) Взаимодействие бекэнда с ML-модулем для сценариев:
1-й сценарий: Регулярное обновление результатов ML-анализа с учетом поступающих каждый час данных в систему. Данные счетчиков обновляются каждый 1 час, фронт опрашивает бек каждые 10 секунд. Можно спроектировать так:
- делать запросы на анализ вновь поступивших данных от бека к ML модулю раз в 10 сек;
- либо кешировать данные на беке и забирать обновление от ML только раз в 1 час.
2-й сценарий: запуск и выполнение переобучения ML-модели при изменение пользователем параметров модели через UI (меняет параметры, запускает обучение из UI, получает результаты здесь же).
(2) Набросать схему архитектуры и взаимодействия бекэнда и ML-модуля для этих 2-х сценариев в draw.io (можно без нотации).
(3) Подобрать методы ML и обучить модель на тестовых данных. НЕ нужна какая-то очень продвинутая модель, она может быть довольно примитивной, лишь бы она была и правильно взаимодействовала с другими компонентами системы, например, с бэком. Данные тестового датасета - синтетические. Можно добавить к нему своих синтетических. Периоды прогнозирования - день, неделя, месяц.
(4) Результаты пп.1-3 кратко описать в виде отчета (2-3 страницы).