Требуется предложить и разработать модель анализа данных с помощью машинного обучения.
Есть вводный объем данных - от внешнего модуля на входе мы получаем числовые данные. За такт от 12 датчиков нам поступает 12 целочисленных значений(все они идут в лог csv и образуют историческую базу). Датчики работают на упреждение (регулируют давление в контурах). Требуется разработать модель, которая будет, учитывая предыдущие значения, выдавать на выход 12 значений в качестве наиболее подходящих для автомата (каждое из этих значений будет передаваться в соответствующий датчик как контрольное, чтобы система понимала в норме контур или нет). Ожидается, что 40-60% значений при этом останутся неизменными.
Любая методика анализа, в идеале будет здорово иметь возможность протестировать разные подходы.
Интересует реализация с подключением машинного обучения/нейросети.
На входе будет csv/xls файл с историческими данными.
На выходе ожидается получение строки из 12 значений на основе полученных данных.
ЯП - любой, в архиве исходник с руководством по развертыванию/использованию(комменты к модели приветствуются), пользовательский интерфейс с возможностью загрузки csv и кнопкой анализа - желателен.