Edward Weinert

"What I cannot create, I do not understand." – Richard Feynman

  • Analiza Danych

    Między eksperymentem a harmonogramem – planowanie projektów AI z PERT i Monte Carlo

    2025-06-09 /

    Czas dostarczenia projektu IT jest niejednokrotnie jednym z kluczowych czynników sukcesu produktu cyfrowego na rynku, a pracochłonność jest często głównym składnikiem jego kosztu. Dlatego tak ważna jest informacja o prawdopodobnym terminie dostarczenia i potencjalnym koszcie projektu. Nie inaczej jest z projektami AI. W gruncie rzeczy są to projekty IT, tyle że rozszerzone o bardzo istotną część jaką są modele ML/AI. Oczywiście w skład mogą wchodzić także inne prace związane z budową urządzeń, montażem czujników, itd. W niniejszym artykule przyjrzymy się również jak za pomocą języka Python wykonać symulacje Monte Carlo w celu oszacowania czasu realizacji zadań metodą PERT by oszacować czas realizacji projektu oraz jego pracochłonność. Niepewność i złożoność zadań…

    dowiedz się więcej

    Zobacz również

    Pętla OODA – wpływ entropii i mechaniki kwantowej na procesy podejmowania decyzji

    2023-09-19

    Entropia – pomost pomiędzy fizyką a uczeniem maszynowym

    2021-08-12

    Środowisko pracy Data Science w Python

    2020-06-24

ai datascience deep learning EDA entropia fizyka machinelearning matematyka mechanika kwantowa Monte Carlo nawadnianie OODA pekolacja pert python rolnictwo równania różniczkowe sieci neuronowe termodynamika zarządzanie zarządzanie projektem

Ashe Motyw przez WP Royal.