RL-ЖД

Заказчик: ВНИИЖТ
Проблема:
Поездные диспетчеры нуждаются в системе, способной вырабатывать оптимальные решения, анализируяогромное количество возможных вариантов без возможности их опробывания в реальности. В результате применяются привычные, ранее использованные решения, которые могут быть далеки от оптимальных.
Ограничения и рекомендации:
Использовать:
Язык программирования Python и библиотеки для машинного обучения (TensorFlow, PyTorch)
Методы reinforcement learning (глубокое обучение с подкреплением)
Виртуальные тренажёры и симуляторы для тренировки модели
Серверные ресурсы ВНИИЖТ для тестирования и верификации модели
Рекомендовано:
Имитационное моделирование движения поездов
Изучить теорию и практику reinforcement learning (Coursera)
Ознакомиться с методами глубокой обработки данных и визуализации (Keras, Matplotlib)
Познакомиться с практическим опытом разработки RL-систем для транспортной сферы
Требуемые компетенции:
Deep learning и reinforcement learning
Имитационное моделирование
Представление о функционировании железнодорожной инфраструктуры
Опыт работы с виртуальными симуляторами и виртуальным окружением

«Каждый раз, когда что-то идёт не по плану, я как будто начинаю всё с нуля. У меня нет системы, которая училась бы на прошлых ошибках и помогала мне, а не просто показывала, что уже произошло. Я тону в параметрах, а поезда стоят».