Octopus — финалист Национальной премии «Приоритет: Цифра - 2024» в номинации «Искусственный интеллект (AI)»

9 июля состоялась церемония награждения Национальной премии в области информационных технологий «Приоритет: Цифра — 2024», Octopus попал в финал премии.
Octopus - продукт группы компаний Юзтех, лидера в области заказной разработки программного обеспечения. C 2006 года предоставляет полный спектр услуг в области заказной разработки программного обеспечения и уникальных интеграционных решений, независимого тестирования, IT-консалтинга, автоматизации и интеграции бизнес-процессов, дизайна и проектирования дизайн-систем (UI, UX и CX), а также созданию качественных IT-продуктов. В портфеле ГК свыше 2000 реализованных проектов для клиентов из различных отраслей: ритейл, финансы, телеком, промышленность, металлургия и государственный сектор. На протяжении последних лет ГК Юзтех активно участвует в создании цифровой экосистемы страны и оказывает экспертную поддержку по цифровой трансформации крупного бизнеса.

В Общественной палате РФ состоялась церемония награждения Национальной премии в области информационных технологий «Приоритет: Цифра — 2024». К участию было заявлено 200+ проектов в 25 номинациях, которые смогли заявить о своих инновационных решениях в рамках глобального импортозамещения. В финал премии попали единицы и Octopus, цифровой продукт ГК Юзтех, был одним из них.

 

Оctopus — это автоматический оптимизатор ресурсов Центров обработки данных (ЦОД), который позволяет повысить эффективность использования ИТ-ресурсов и снизить затраты на их обслуживание за счёт автоматизации и интеллектуального управления:

 

•  Непрерывно поддерживает серверную инфраструктуру в оптимальном состоянии;

•  Умеет управлять разными типами гипервизоров и оркестраторов;

•  При необходимости позволяет выполнять балансировку в полуавтоматическом режиме (с подтверждением оператора).

 

Цифровой продукт находится в реестре отечественного ПО (реестровая запись №19645 от 01.11.2023) и  базируется на четырех инновационных составляющих:


1.  Прогнозирование с помощью машинного обучения: Octopus анализирует до 90 дней исторических данных о потреблении ресурсов (CPU\RAM\HDD) каждой виртуальной машины (ВМ) и строит индивидуальные модели потребления. Эти модели проверяются на точность, и если результат валидации успешен, мы принимаем решения на основе них. В противном случае мы применяем алгоритмы линейной регрессии для обеспечения стабильности.


2.  Анализ трендов с помощью искусственного интеллекта: методы искусственного интеллекта Octopus, включая EMD (Empirical Mode Decomposition*), анализируют данные за последние 90 дней, чтобы выявить нелинейные и нестационарные тренды потребления ресурсов. Это позволяет нам предсказывать будущее потребление с учетом исторической дисперсии;


3.  AI-оптимизация ресурсов: система устойчива к изменениям размеров ВМ благодаря определению глобального оптимума с помощью методов искусственного интеллекта. Это означает, что небольшие изменения параметров не приводят к глобальным перемещениям в ЦОД;


4.  AI-прогнозирование для балансировки: продукт учитывает прогноз потребления ресурсов каждой ВМ, что позволяет предотвратить резкие скачки в использовании ресурсов в будущем. Система перемещает ресурсы заранее, чтобы инфраструктура оставалась стабильной и надежной.

 

«Мы признательны за высокую оценку нашего продукта! В условиях быстрого роста объёма данных и сложности ИТ-инфраструктуры, важно не только обеспечить стабильную и бесперебойную работу ИТ-инфраструктуры, но и оптимизировать её для достижения максимальной эффективности и снижения издержек. Наша платформа помогает решать эти задачи», — отметил Павел Ерошкин, Product Owner Octopus.


 

© Usetech, 2024
© Издание 12NEWS (ИП Маринин А.Л.), 2024


Комментарии на публикацию Octopus — финалист Национальной премии «Приоритет: Цифра - 2024» в номинации «Искусственный интеллект (AI)»

9 июля состоялась церемония награждения Национальной премии в области информационных технологий «Приоритет: Цифра — 2024», Octopus попал в финал премии.
Гость
Тема/заголовок:
Комментарий: