Η AWS κυκλοφορεί μοντέλα και σύνολα δεδομένων για να βοηθήσει στην πρόβλεψη της εξάπλωσης του COVID-19

AWS Covid-19 μοντέλα


Υπηρεσίες Net Amazon (AWS) σήμερα άνοιξε πηγή έναν νέο προσομοιωτή και μια νέα εργαλειοθήκη μηχανικής εκμάθησης για την πρόβλεψη και τον μετριασμό της εξάπλωσης του COVID-19. Η AWS λέει ότι η σουίτα, η οποία περιλαμβάνει προσομοιωτή εξέλιξης της νόσου και μοντέλα για τη δοκιμή του αντίκτυπου διαφόρων στρατηγικών παρέμβασης, μπορεί να βοηθήσει με ακρίβεια να συλλάβει πολλές από τις πολυπλοκότητες του ιού σε όλο τον κόσμο.

Παρόλο που υπήρξαν πολλές ανακαλύψεις στην κατανόηση του COVID-19, όπως το πόσο γρήγορα ένα εκτεθειμένο άτομο θα αναπτύξει συμπτώματα, η οικοδόμηση ενός συνολικού επιδημιολογικού μοντέλου παραμένει μια ανηφορική μάχη. Οι προκλήσεις στη μοντελοποίηση περιλαμβάνουν τον εντοπισμό των μεταβλητών που επηρεάζουν την εξάπλωση της νόσου σε πόλεις, κωμοπόλεις και πληθυσμούς. Ένα μοντέλο απόδοσης πρέπει επίσης να συνδυάζει στρατηγικές παρέμβασης, όπως το κλείσιμο σπιτιού και η καθαριότητα σπιτιών και να διερευνά υποθετικά, ενσωματώνοντας τάσεις από ασθένειες τύπου COVID-19.

Τα μοντέλα μηχανικής εκμάθησης στο AWS suite bootstrap υπολογίζουν την πρόοδο της νόσου και συγκρίνουν τα αποτελέσματα με ιστορικά δεδομένα. Οι επιστήμονες δεδομένων μπορούν να εκτελέσουν έναν προσομοιωτή για να αναπαράγουν σενάρια τι θα συμβεί για διαφορετικές παρεμβάσεις και να χρησιμοποιήσουν μοντέλα για το κρατικό επίπεδο στις Ηνωμένες Πολιτείες, την Ινδία και τις ευρωπαϊκές χώρες. Σε αυτά τα μοντέλα, η εργαλειοθήκη βασίζεται σε πηγές δεδομένων που δημοσιεύουν συχνά τον αριθμό των νέων περιπτώσεων COVID-19 σε όλο τον κόσμο.

Για τις Ηνωμένες Πολιτείες, η σουίτα AWS χρησιμοποιεί το API Delphi Epidata του Πανεπιστημίου Carnegie Mellon για πρόσβαση σε διάφορα σύνολα δεδομένων, συμπεριλαμβανομένων, ενδεικτικά, του Johns Hopkins Heart for Systems Science and Engineering, τάσεων έρευνας από την αναζήτηση Google και Fb και ιστορικά δεδομένα για το H1N1 από το 2009 έως το 2010. Το σύνολο εργαλείων διαμορφώνει την εξέλιξη της νόσου για κάθε άτομο σε έναν πληθυσμό και στη συνέχεια αναφέρει τη συνολική κατάσταση του πληθυσμού.

Ο προσομοιωτής AWS μπορεί να εκχωρήσει μια κατανομή πιθανότητας σε μεταβλητές ασθενειών για κάθε άτομο. Για παράδειγμα, οι χρήστες μπορούν να ορίσουν παραμέτρους όπως εάν τα άτομα θα αναπτύξουν συμπτώματα εντός 2-5 ημερών μετά την έκθεση ή μεταξύ 14 και 21 ημερών μετά την έκθεση. Ο προσομοιωτής καταγράφει επίσης τη δυναμική του πληθυσμού, έτσι ώστε η μετάβαση από τη μία κατάσταση στην άλλη για ένα άτομο επηρεάζεται από τις καταστάσεις άλλων στον πληθυσμό. Για παράδειγμα, ένα άτομο μετακινείται από μια «ευαίσθητη» σε μια «εκτεθειμένη» κατάσταση στο μοντέλο με βάση παράγοντες όπως το εάν το άτομο είναι ευάλωτο λόγω προϋπάρχουσας κατάστασης και παρεμβάσεων όπως η κοινωνική απόσταση.

AWS Covid-19 μοντέλα

«Ο κώδικας ανοιχτού κώδικα προσομοιώνει τις προβολές περιπτώσεων COVID-19 σε διάφορα επίπεδα περιφερειακής ευαισθησίας. Το αποτέλεσμα είναι η προβολή των συνολικών επιβεβαιωμένων περιπτώσεων σε ένα συγκεκριμένο χρονοδιάγραμμα για μια χώρα-στόχο ή μια χώρα-στόχο, για ένα συγκεκριμένο βαθμό παρέμβασης, “εξηγεί ο AWS σε μια ανάρτηση ιστολογίου.” Η λύση μας επιδιώκει πρώτα να κατανοήσει τον χρόνο για να φτάσετε στο μέγιστο και τα προβλεπόμενα ποσοστά περιπτώσεων των ημερήσιων περιπτώσεων COVID-19 για την οντότητα-στόχο (πολιτεία / χώρα) αναλύοντας τα πρότυπα εμφάνισης νόσων. Στη συνέχεια, επιλέξτε τις καλύτερες (βέλτιστες) παραμέτρους χρησιμοποιώντας βελτιστοποίηση σε μοντέλο προσομοίωσης. Τέλος, δημιουργεί προβολές καθημερινών και αθροιστικών επιβεβαιωμένων περιπτώσεων, ξεκινώντας από την αρχή της επιδημίας [to] μια καθορισμένη χρονική περίοδο στο μέλλον. “

Εκτός από το AWS, το Google Cloud κυκλοφόρησε μοντέλα και σύνολα δεδομένων για να βοηθήσει στην ανάπτυξη μέτρων μετριασμού COVID-19. Το Fb κυκλοφόρησε επίσης Μοντέλα προβλέψτε την εξάπλωση του COVID-19 σε χώρες συμπεριλαμβανομένων των Ηνωμένων Πολιτειών


Πώς οι επιχειρήσεις ξεκινούν την επικοινωνία:

Η πανδημία αναγκάζει τις νεοσύστατες επιχειρήσεις να ρίξουν μια πιο προσεκτική ματιά στην άνοδο των λύσεων επικοινωνίας τους. Μάθε πως να




[via]