Кодификация смет на основе ИИ: точность 80% при наличии местных магистров права. скачать в хорошем качестве

Кодификация смет на основе ИИ: точность 80% при наличии местных магистров права.

Последние 4-5 лет я сталкиваюсь с той же проблемой, что и каждый сметчик: сметы поступают в виде разрозненных таблиц Excel, которые необходимо кодифицировать в соответствии со стандартными методами измерения. Ручной процесс отнимает много времени, и хороших инструментов для этого не так уж много. Поэтому я создал свой собственный. Что рассматривается в этом видео: Эта 15-минутная демонстрация показывает мое приложение для кодификации смет — часть пакета продуктов Cost Intelligence. Система использует Graph RAG с большими языковыми моделями для автоматической кодификации позиций сметы в соответствии со стандартными методами измерения (CESMM, NRM1 и т. д.). Основные характеристики: • Предварительно созданные структурированные базы данных на основе методов измерения (месяцы ручной работы) • Пользователи загружают файлы Excel со спецификациями и преобразуют их в формат базы данных • Система Graph RAG сопоставляет элементы спецификации с соответствующими кодами из стандартов • Поддерживает несколько поставщиков LLM: OpenAI, Anthropic (Claude), Gemini, Ollama, LM Studio • Работает с локальными моделями с открытым исходным кодом (не требуется зависимость от облака) • Достигнута точность около 80% с использованием квантованных моделей с 12 миллиардами параметров Почему это важно: Методы измерения свободно доступны в формате PDF, но они совершенно неструктурированы. Я проделал сложную работу по преобразованию их в полноценные базы данных, чтобы система Graph RAG могла эффективно их использовать. Строительные компании часто не могут отправлять проектные данные облачным провайдерам по причинам соответствия требованиям, поэтому я специально протестировал это с локальными моделями, чтобы доказать, что это работает без внешних API. Результаты точности с небольшими квантованными моделями показывают, что это жизнеспособно для внутреннего развертывания в масштабе. Временные метки: 00:08 Введение 01:13 Раздел 1 - Преимущества системы 03:12 Раздел 2 - Технологический стек 06:40 Раздел 3 - Обзор приложения 13:24 Заключительные мысли Об этом проекте: Я не публикую исходный код, но меня интересуют обсуждения с организациями, которые хотят внедрить подобное решение внутри компании. Если вы работаете над стандартизацией строительных данных, автоматизацией составления смет или системами анализа затрат, не стесняйтесь обращаться. 🔗 Давайте свяжемся: Нашли это полезным? Не забудьте: 👍 Поставить лайк этому видео 💬 Задать вопросы или поделиться примерами использования в комментариях 🔔 Подписаться на канал, чтобы получать больше видео о сметном деле и анализе данных в строительстве 👥 Поделиться с коллегами, которым это может быть полезно 🔗 Подключайтесь и сотрудничайте: Мои контактные данные указаны по ссылкам ниже: 🎥 Видео 1, демонстрирующее обеспечение стоимости, прогнозный анализ затрат, инфляцию и дефляцию -    • Rethinking Construction Cost Intelligence:...   📽️ Видео 2, демонстрирующее удельные ставки ресурсов и управление претензиями -    • AI-Driven Resource Cost Analysis & Claims ...   🌐 Личный веб-сайт: www.apcmasterypath.co.uk - Посетите сайт, чтобы узнать больше о применении ИИ в строительной отрасли и пакетах обучения/наставничества для кандидатов RICS APC 📂 Моя личная страница на Github: https://github.com/MoAshour93 🌍 Наш сайт: www.apcmasterypath.co.uk 📚 Все публикации в блоге APC Mastery Path: https://www.apcmasterypath.co.uk/blog... 💼 Личная страница в LinkedIn:   / mohamed-ashour-0727   🏢 Страница APC Mastery Path в LinkedIn:   / apc-mastery-path   ⚠️ ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ Представленные приложения являются рабочими прототипами. Это не финансовая или профессиональная консультация — это лишь точка зрения одного профессионала на решение реальных проблем в управлении затратами в строительстве. #ConstructionTech #AI #BillOfQuantities #QuantitySurveying #MachineLearning #GraphRAG #LLM #ConstructionData #CostManagement