Программный продукт GOLEM (рус. ГОЛЕМ) от компании-разработчика Университет ИТМО предназначен для автоматического поиска и оптимизации композитных графовых моделей с помощью метаэвристических методов искусственного интеллекта. Фреймворк позволяет интегрировать предметные модели, обрабатывать неструктурированные данные, визуализировать результаты обучения и экспортировать итоговые модели в JSON-формате для обеспечения воспроизводимости экспериментов.

Система GOLEM ориентирована на специалистов в области машинного обучения и анализа данных, включая дата-сайентистов, разработчиков алгоритмов и исследователей, работающих над задачами структурного обучения и идентификации уравнений, а также над проектами в сфере AutoML.

Система будет полезна компаниям, занимающимся разработкой интеллектуальных аналитических решений, организациям с высокоразвитыми ИТ-подразделениями в таких отраслях, как финансы, телекоммуникации, здравоохранение, промышленность и научные исследования, где требуется обработка больших объёмов неструктурированных данных и построение сложных графовых моделей.

Функциональные возможности GOLEM:

• Автоматический поиск композитных графовых моделей. Фреймворк позволяет осуществлять автоматический поиск структур моделей на основе графов, используя мета-эвристические методы искусственного интеллекта, что способствует оптимизации гиперпараметров и повышению эффективности решения сложных задач.
• Обработка неструктурированных данных. GOLEM обладает механизмами для работы с неструктурированными данными, что расширяет возможности его применения в различных областях, где данные не всегда имеют чётко определённую структуру.
• Экспорт моделей в JSON-формате. Итоговые композитные модели можно экспортировать в формате JSON, что обеспечивает воспроизводимость экспериментов и независимость от конкретного фреймворка, упрощая дальнейшее использование моделей.
• Визуализация композитных моделей. Платформа предоставляет инструменты для визуализации композитных моделей, что значительно облегчает анализ и интерпретацию результатов моделирования, а также способствует более глубокому пониманию структуры моделей.
• Визуализация характеристик процесса обучения. GOLEM позволяет визуализировать различные аспекты процесса обучения, такие как график сходимости по целевым функциям и разнообразие поколений композитных моделей, что повышает интерпретируемость экспериментов.
• Разработка инструментов в области AutoML. Фреймворк служит основой для быстрой разработки инструментов в сфере автоматизированного машинного обучения (AutoML), что ускоряет процесс создания эффективных моделей машинного обучения.
• Идентификация уравнений. GOLEM может быть использован для задач идентификации уравнений, что делает его полезным инструментом в научных и инженерных расчётах, требующих математического моделирования.
• Структурное обучение байесовских сетей. Платформа поддерживает структурное обучение байесовских сетей, что позволяет применять её для анализа вероятностных зависимостей между переменными и построения соответствующих моделей.