Zespół: DATA MINERS
Uzasadnienie Jury:
Ciekawy pomysł rozwiązania warstwy aplikacyjnej i kompleksowe podejście do projektu, od modelu do aplikacji. Jury, doceniając takie podejście, chciałby nawiązać dalszą współpracę z zespołem.
Kilka słów od teamu:
MADSztygar jest zaawansowanym narzędziem analitycznym, wykorzystującym rozwiązania z obszaru machine learning, time series analysis, feature enginerring, w służbie poszukiwania zależności pomiędzy awariami maszyn górniczych oraz opisującymi te maszyny wskaźnikami. Rozwiązanie posiada wygodny w obsłudze interfejs graficzny oparty o RShiny, ułatwiający interakcję z wynikami modelowania.