Hola a todos,
Este ejemplo se basa en una conversación reciente con un cliente de la industria química. Ellos crean muchas mezclas/formulaciones, pero en sus ejemplos trabajan con mezclas que tienen reglas de restricción estrictas, como "tenemos 5 aditivos posibles, pero solo podemos usar 2 a la vez y necesitamos encontrar la configuración óptima".
Esta demostración utiliza la optimización bayesiana para mostrar cómo se puede llevar a cabo este proceso con conjuntos de datos candidatos. Los datos iniciales se generan con un diseño personalizado a partir del conjunto de datos candidatos, y BayesOpt se ejecuta sobre dicho conjunto para sugerir únicamente ejecuciones con 2 de los 5 aditivos utilizados. También incluye una interesante propuesta para combinar modelos lineales de lógica difusa (LLM) y resolver un desafío mediante scripts.
Cómo usarlo:
1. Abra el botón "dt".
2. Pulse 'Generación de conjunto de candidatos' para crear el conjunto de datos de candidatos de referencia.
3. Pulse 'Ejecutar Bayes Opt': esto le pedirá que seleccione el conjunto de candidatos y, a continuación, generará las siguientes filas.
4. Continúa hasta llegar a la etapa 'Repetir mejor' y ¡listo!
Si preguntas cómo se crean los conjuntos de candidatos, en lugar de mostrarles el guion (y aterrorizarlos), puedes aprovechar los LLM y el hecho de que puedes transformar el lenguaje natural en el guion para ellos.
1. Haz clic en "LearnBot Prompt for Candidate Set", esto abrirá LearnBot y copiará un mensaje al portapapeles que podrás pegar.
2. Ejecute el script para generar el conjunto de candidatos. Esto funciona correctamente (por ahora); el cliente solo necesita modificar el segundo párrafo para describir sus experimentos.
3. El ejemplo 'Another LearnBot Candidate Set Prompt' es un ejemplo más complejo de la presentación/diario de Bradley Bowens GTET.
