https://github.com/dimflix-hackathons/diskdestiny

08.09.2024 | Цифровой Прорыв | Предсказания отказов оборудования
https://github.com/dimflix-hackathons/diskdestiny

ai hackaton python

Last synced: 12 months ago
JSON representation

08.09.2024 | Цифровой Прорыв | Предсказания отказов оборудования

• Host: GitHub
• URL: https://github.com/dimflix-hackathons/diskdestiny
• Owner: DIMFLIX-Hackathons
• License: other
• Created: 2024-09-07T09:29:19.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2024-09-08T04:26:15.000Z (over 1 year ago)
• Last Synced: 2025-03-21T09:35:57.489Z (about 1 year ago)
• Topics: ai, hackaton, python
• Language: Python
• Homepage:
• Size: 5.1 MB
• Stars: 3
• Watchers: 1
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          




***

DiskDestiny позволяет точнее прогнозировать сроки отказов установленных дисков, чтобы оптимизировать 

складские запасы.


# Уникальность проекта

Наш проект уникален в следующих свойствах:

- Основан на использовании моделей с открытым исходным кодом

- Большой выбор моделей для предсказания

- Поддержка весов для каждой модели

# Проблема 

В ЦОД (центрах обработки данных) имеется большое количество серверов с разными техническими 

характеристиками. Для обеспечения бесперебойной работы необходимо иметь обоснованный запас 

дисков, готовых к своевременной замене вышедших из строя. Однако заполнять склад 

оборудованием, которое может понадобиться только через несколько лет, нецелесообразно. В 

настоящее время складские запасы пополняются исходя из статистических данных по отказам дисков определенных вендоров и типов, а также с учетом неснижаемого остатка. 

# Установка и использование

1. Клонируем проект с GitHub: `git clone https://github.com/DIMFLIX-OFFICIAL/disk-destiny.git`

2. Переходим в папку с проектом: `cd disk-destiny`

3. Устанавливаем зависимости: `poetry install`

4. В папку `data/prediction` копируем нужные датасеты

5. Запускаем программу `poetry run python disk_destiny/app.py` и следуем дальнейшим инструкциям. 

> [!important]

> Для выбора нескольких значений в списке нужно нажать клавишу 'Space'.

> Если возможно выбрать только одно значение из списка, нужно просто нажать клавишу 'Enter'.

# Разработчикам

## Обучение моделей

Для обучения моделей требуется скопировать тренировочные датасеты в папку `data/train`.

Далее запустить программу `poetry run python disk_destiny/app.py` и выбрать опцию `Дообучение модели`.

Выбираем нужную модель датасеты для обучения.

## Добавление новых моделей

Если вы хотите добавить новые модели, то вам нужно будет создать файл с именем `models/your_model.py` в корневой папке проекта. 

Класс вашей модели должен наследоваться от класса `BaseModel` и реализовывать методы `train` и `predict`. Так-же у вашего класса должен быть атрибут `name` со значением типа `str`.

Для включения вашей реализации модел вам нужно добавить ее импорт в файл `models/__init__.py`.

Для указания веса нужно указать название вашей модели полностью в верхнем регистре и добавить суффикс `_WEIGHT` в конце названия в файл `.env`.

В качестве примера можете руководствоваться любой из наших реализаций моделей.

# Авторы

  

    

      

        


        Пронин Дмитрий

      


      Algorithmic Designer
System Architect

    

    

      

        


        Сухоруков Кирилл

      


      ML Engineer

    

	

      

        


        Донсков Арсений

      


      ML Engineer

    

	

      

        


        Яшин Дмитрий

      


      Data Engineer

    

  

# Лицензия

Полный текст лицензии доступен здесь: [Юридический кодекс CC BY-NC 4.0](https://creativecommons.org/licenses/by-nc/4.0/legalcode).

### Вы можете свободно использовать:

- Делиться — копировать и распространять материал на любом носителе или в любом формате

- Адаптировать — переделывать, преобразовывать и дополнять материал Лицензиар не может лишить вас этих прав, пока вы соблюдаете условия лицензии.

### На следующих условиях:

- Указание авторства — Вы должны предоставить соответствующую информацию, ссылку на лицензию и указать, были ли внесены изменения. Вы можете делать это любым разумным способом, но не таким, который предполагает, что лицензиар одобряет вас или ваше использование.

- Некоммерческий — Вы не имеете права использовать материалы в коммерческих целях.

- Никаких дополнительных ограничений — Вы не имеете права применять юридические условия или технологические меры, которые юридически ограничивают действия других лиц, разрешенные лицензией.

Это всего лишь краткая выдержка из основных положений лицензии. Пожалуйста, ознакомьтесь с полным юридическим текстом лицензии для полного понимания ее условий.