🏭 Когда 5 лет изучаешь литье, механообработку и прочие технологические процессы, традиционные для тяжелой промышленности — взгляд замыливается. Любой тех. процесс видится P&ID схемой, переключи клапан, перемести нагреватель, подожди 30 секунд и по-новой.

🔍 Но иногда приходят с непрофильными запросами и это всегда что-то интересное и необычное. Наверное так и выглядит инженерия — залезть в новую предметную область, чтобы решить прикладную задачу. А заодно узнать много нового. Иногда настолько много, что из этого может родиться магистерская диссертация.

🔬 Например, биотехнологии быстро объясняют: даже если ты молился всем богам науки, вместо полезных пробиотиков всё равно может получиться симбиотический цирк. А то и вовсе — 5 тонн стафилококка 😅 Поздравляю — вы только что сожгли пару миллионов, чтобы масштабировать то, что бесплатно живёт в воздухе лаборатории с 1998 года.

📊 CusDev’ы подтверждают эту боль отрасли: вывод нового продукта на рынок - это пара лет и много сотен дорогостоящих экспериментов. Ключевая идея была в том, чтобы сократить количество ненужных эксприментов за счет рекомендаций, например “подкрути мешалку на 30 оборотов и температуру на 2 градуса”.

💸 Откуда взять такие рекомендации? Разработать модель, позволяющую выполнять виртуальные эксперименты. Правда данных оказалось чрезвычайно мало. Как часто бывает у стартапов — финансирование свернули, но это тема для отдельного поста.

⚡ Зато в процессе работы над проектом родился целый AutoML фреймворк обучения регрессионных моделей машинного обучения. С YAML конфигами и границами перебора гиперпараметров 😎 Как только дойдут руки вынесу в отдельную Python библиотеку и опубликую на гитхабе.