Costruirò reti neurali informate dalla fisica e modelli sciml
MLOPs ML GNNs PINNs RnDs
Livello 1
Ha soddisfatto determinati criteri di prestazione e mostra un forte potenziale nel marketplace.
Informazioni su questo servizio
Hai difficoltà a collegare le leggi fisiche con il deep learning per la tua tesi? Sono specializzato nel tradurre equazioni differenziali complesse (Navier-Stokes, equazioni del calore, ODE/PDE) in architetture di training robuste.
Ciò che consegno: codice PyTorch/DeepXDE pulito e ben documentato, funzioni di perdita personalizzate che applicano condizioni di confine/iniziali, grafici di convergenza della perdita e un README completo che spiega l'architettura.
Linguaggio di programmazione:
Python
•
R
•
SQL
•
Colab
•
MLflow
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
MLflow
•
Colab
Framework:
Scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
•
tensorflow
