Модель машинного навчання студента RMIT надає фермерам можливості

В'єтнам є другим за величиною експортером кави у світі та забезпечує понад половину світових поставок робусти. Очікується, що виробництво кави у 2022/23 сезоні досягне 29,75 мільйона мішків, з яких понад 95% припадатиме на робусту.

У щорічному огляді Міжнародної організації кави за 2021/2022 роки В'єтнам посів перше місце за продуктивністю вирощування кави з показником 2,4 тонни/га. Виробництво кави у В'єтнамі складається з зерен робусти, арабіки, чері, мока та кулі, які є найпопулярнішими кавовими зернами, що вирощуються у В'єтнамі.

Однак ціни на сільськогосподарську продукцію загалом і ціни на кавові зерна зокрема часто нестабільні та можуть сильно коливатися під час періодів високого врожаю, що суттєво впливає на доходи фермерів і завдає шкоди економіці .

Зліва направо: студенти факультету науки , інженерії та технологій RMIT: Лам Тін Дьєу, Нгуен Хай Мінь Транг, Нгуен Фуонг Нам (верхній ряд), Ле Нгок Нгуен Тхуан, Доан Чан Тонг (нижній ряд)

Зліва направо: студенти факультету науки, інженерії та технологій RMIT: Лам Тін Дьєу, Нгуен Хай Мінь Транг, Нгуен Фуонг Нам (верхній ряд), Ле Нгок Нгуен Тхуан, Доан Чан Тонг (нижній ряд)

Щоб дослідити рішення цієї проблеми, протягом чотирьох місяців група студентів останнього курсу бакалаврату інформаційних технологій факультету наук, інженерії та технологій, включаючи Нгуєн Хай Мінь Транга, Доан Чань Тонга, Ле Нгуєн Туана, Нгуєн Фуонг Нама та Лам Тін Дьєу, навчала та оцінювала шість моделей машинного навчання (ML) для прогнозування цін на каву, що може допомогти в'єтнамським фермерам приймати обґрунтовані рішення щодо своїх культур та відповідно планувати, оптимізуючи прибутки та мінімізуючи збитки.

«Ми розробили шість моделей машинного навчання, а саме LSTM, GRU, ARIMA, SARIMA, SVM та RF, на основі історії цін на каву, цін на бензин, температури та кількості опадів, щоб передбачити ціни на каву сорту робуста в провінції Лам Донг, і виявили, що модель RF, яка використовує весь набір даних, була найефективнішою», – сказав Транг.

Серед 6 моделей машинного навчання найкращі результати дає модель RF, яка використовує весь набір даних.

«RF може включати багатші набори даних та обробляти нелінійні залежності. Крім того, ціна на паливо є значним предиктором і перевершує всі інші протестовані функції разом узяті».

Команда наголосила, що модель має потенціал для подальшого вдосконалення шляхом вивчення та врахування впливу врожайності сільськогосподарських культур, ринкових тенденцій та геополітичних подій на ціни на сільськогосподарську продукцію.

Кожен член команди зіткнувся з різними викликами під час проєкту, такими як брак глибокого розуміння різних моделей машинного навчання, неефективне пояснення складності того, що вони роблять у сфері штучного інтелекту, або управління часом та комунікацією під час віддаленої роботи. Однак, інвестуючи значний час у дослідження, заглиблюючись у дослідницькі роботи, пов'язані зі штучним інтелектом та машинним навчанням, а також удосконалюючи свої технічні навички та навички співпраці, вони покращили свої навички дослідження ШІ для реальних проблем і змогли розвинути дослідження своєї команди до реальних продуктів.

«Головним викликом для нас був збір та інтеграція даних», – поділився Туан.

«Хоча розробка моделі була досить простою, значні часові витрати, необхідні для збору та інтеграції даних, стали для нас величезним викликом. Кожен член команди пройшов низку навчань та вдосконалень як у своїх технічних навичках, так і в координації проектів, від поглиблених досліджень до просування інновацій та пошуку нових рішень».

На момент дослідження Нам працював у Ханої та мав повний робочий день. За словами Нама, щоб запобігти затримкам та потенційним збоям, команда проводила щотижневі зустрічі та підтримувала регулярне спілкування, щоб мотивувати одне одного дотримуватися графіка та виконувати доручене робоче навантаження.

Заключний проєкт команди ретельно контролювали викладачі Школи науки, інженерії та технологій RMIT Vietnam. Результати проєкту нещодавно були представлені на престижному міжнародному заході – 8-й Міжнародній конференції IEEE/ACIS з великих даних, хмарних обчислень та інженерії науки про дані (BCD 2023) – за участю дослідників, науковців, інженерів та експертів у галузі великих даних, хмарних обчислень та науки про дані.

Студентка Нгуєн Фуонг Нам демонструє, як працює вебсайт для моделювання цін на каву

Команда планує вдосконалити моделі на основі відгуків, отриманих під час презентацій на конференції, а також дослідити інші підходи для підвищення точності та застосовності своїх прогнозів.

«Ми плануємо глибше заглибитися в передові методи та нові методи в цій галузі, щоб ще більше посилити результати досліджень, досягнуті командою», – сказав Тонг.

«Крім того, ми плануємо співпрацювати з іншими експертами в цій галузі та досліджувати потенційні партнерства для розширення обсягу та впливу результатів досліджень групи».

Команда планує продовжувати ітерацію та вдосконалення дослідження, щоб воно могло зробити практичний внесок у постійно розвиваючуся галузь великих даних та штучного інтелекту на основі вашого конкретного дослідження.

Посилання на джерело: https://thanhnien.vn/mo-hinh-may-hoc-cua-sinh-vien-rmit-tiep-them-suc-manh-cho-nong-dan-185240201181300139.htm