Ciao a tutti,
Questo esempio si basa su una recente conversazione con un cliente del settore chimico. Creano molte miscele/formulazioni, ma nei loro esempi utilizzano regole di vincolo rigide, come ad esempio "abbiamo 5 possibili additivi, ma possiamo usarne solo 2 alla volta e dobbiamo trovare le impostazioni ottimali".
Questa demo utilizza l'ottimizzazione bayesiana per mostrare come questo processo può essere eseguito con l'ottimizzazione bayesiana e i set di candidati. I dati iniziali vengono generati con un design personalizzato dal set di dati dei candidati e BayesOpt viene eseguito sul set di candidati per suggerire solo le esecuzioni con 2 dei 5 additivi utilizzati. Include anche un'interessante proposta per combinare i modelli lineari lineari (LLM) per risolvere una sfida tramite scripting.
Come si usa:
1. Aprire il pulsante "dt"
2. Fai clic su 'Generazione set di candidati' per creare il set di dati dei candidati utilizzabile come riferimento.
3. Fai clic su 'Esegui Bayes Opt': questo ti chiederà di selezionare il set di candidati e quindi genererà le righe successive.
4. Continua fino a raggiungere la fase "Ripeti il migliore" e voilà.
Se stai chiedendo come vengono creati i gruppi di candidati, invece di mostrare loro il copione (e terrorizzarli), puoi sfruttare i LLM e il fatto che puoi trasformare il linguaggio naturale nel copione per loro
1. Fai clic su "LearnBot Prompt for Candidate Set", questo aprirà LearnBot e copierà un prompt negli appunti che potrai incollare.
2. Eseguire lo script per generare il set di candidati. Funziona bene (per ora), il cliente deve solo modificare il secondo paragrafo per descrivere i propri esperimenti.
3. Il prompt "Another LearnBot Candidate Set" è un esempio più complesso tratto dalla presentazione/rivista GTET di Bradley Bowens.
