Description: Companies around the world are trying to apply machine learning technology to their tasks and tell the public about it. Unfortunately, often such reports do not contain any technical details, so it is difficult to assess the real benefits of the implementation. A true knowledge exchange and demonstration of the maturity of DS processes can be achieved through open sourcing datasets, rigorous academic research, achieved results with strict metrics, ready to use programming libraries and frameworks with detailed technical descriptions of the tasks solved, an open discussion of the metrics and the comparison of new approaches with the existing one, allowing a broad community to verify the results. We invite you to join demo-session of open libraries developed for vast variety of exploration tasks (seismic processing, seismic interpretation and petrophysics). At this demo we will go into details of ML&DS implementation, followed by live-demo on open datasets, as well as cover examples of successful QC implementation. By the end you will get expertise on what can be achieved in geology task with data science models, what is the right toolkit to run DS in production and why any project on synthetic data is doomed to failure.
Компании по всему миру пытаются применить технологию машинного обучения к своим задачам и рассказать об этом общественности. К сожалению, часто такие отчеты не содержат каких-либо технических подробностей, поэтому трудно оценить реальные выгоды от внедрения. Истинный обмен знаниями и демонстрация зрелости процессов DS могут быть достигнуты путем публикации датасетов, академически строгих исследований, полученных результатов с подробными метриками, готовых к использованию программных библиотек с подробными техническими описаниями решаемых задач, открытого обсуждения достигнутых показателей и сравнения новых подходов с существующим, что позволяет широкое исследовательское сообщество для проверки результатов. Мы приглашаем вас присоединиться к демонстрационной сессии открытых библиотек, разработанных для широкого спектра задач геологоразведки (обработка сейсмических данных, интерпретация сейсмических данных и петрофизика). В этой демонстрации мы подробно разберем реализацию ML & DS, затем демонстрацию в реальном времени на открытых наборах данных, а также рассмотрим примеры успешной реализации контроля качества. К концу вы получите знания о том, чего можно достичь в задачах геологии с помощью моделей; о том, какой инструментарий подходит для запуска DS в производстве, и почему любой проект на синтетических данных обречен на провал.
Case | Link | Brief info | Speaker |
Ground-roll attenuation | Link | SeismicPro is a machine-learning-focused library for seismic data processing | Arefina Antonina Kalasnikov Nikita |
Horizon peaking | Link | SeismiQB -- a novel framework for deep learning with seismic data | Mylzenova Darima Tsimfer Sergey |
Well logs and core predictions | Link | PetroFlow is a library that allows to process well data (logs, core photo etc.) and conveniently train machine learning models | Dmitry Zenkov Stepan Goryachev |
Case | Link | Brief info | Speaker |
Очистка поверхностной волны | SeismicPro is a machine-learning-focused library for seismic data processing | Arefina Antonina Kalasnikov Nikita | |
Пикировка горизонтов | SeismiQB -- a novel framework for deep learning with seismic data | Mylzenova Darima Tsimfer Sergey | |
Предсказания по каротажным данным и керну | PetroFlow is a library that allows to process well data (logs, core photo etc.) and conveniently train machine learning models | Dmitry Zenkov Stepan Goryachev |