O grupo GIR se destaca em competição a nível mundial e conquista o 2º lugar dentre as 329 equipes inscritas!
/
O objetivo da competição foi, usando para treino dados petrofísicos de dezenas de poços do Mar do Norte, criar um modelo, através de técnicas de aprendizado de máquina supervisionada, que melhor predissesse as reais litofácies presentes em um conjunto de poços para teste desta mesma região.
A equipe descreveu como o problema foi abordado:
“Nossa principal preocupação na competição era construir um classificador robusto e eficiente para lidar com o conjunto de dados de treinamento. Já sabíamos que o XGBoost se encaixa nessa tarefa em relação às etapas padrão de pré-processamento, imputação de dados e aumento de recursos. Nosso esforço se concentrou em estratégias de treinamento, validação cruzada e teste para ajustar o classificador. Finalmente, adotamos uma perspectiva petrofísica para nos especializarmos no pré-processamento para realizar a seleção e a engenharia de recursos usando a transformada wavelet para ajudar a diferenciar litologias específicas.”
