Trzeba stworzyć algorytm uczenia maszynowego klasyfikacji do określenia plateau na danych czas-temperatura.
Dane zawierają trzy parametry - czas, temperatura, strefy.
Strefy - wskaźnik na plateau (0 - plateau, 1 - nagrzewanie, 2 - chłodzenie).
[W niektórych eksperymentach "plateau" może znajdować się pod kątem 45°, dlatego potrzebne jest MO z treningiem na ręcznie oznaczonych danych, a nie matematyka do określenia "płaskiego" odcinka]
Proszę zobaczyć przykłady wykresów na podstawie danych, plateau zaznaczone jest owalem.
Docelowa dokładność w przewidywaniu parametru strefy - 90-95%.
Należy użyć optymalizacji Bayesa hiperparametrów (takie jest zlecenie).
Załączyłem dane wejściowe czas-temperatura w excelu:
dane treningowe - 4 eksperymenty na 4 arkuszach w jednym pliku
dane testowe - jeszcze 1 eksperyment w osobnym pliku
https://docs.google.com/spreadsheets/d/1v3Tj_lhWme4-qF7wkuSNWIP-NEOtvxN2/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true, https://docs.google.com/spreadsheets/d/1o6GJZOsriIM2gZiB-de2OQsGMPMUuWOr/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true
1) Należy stworzyć algorytm uczenia maszynowego klasyfikacji do określenia plateau na danych czas-temperatura.
Dane zawierają 4 parametry - czas, temperatura, strefy, (typ)czujnika
Czas – czas
Temperatura – temperatura
Strefy - wskaźnik na plateau (0 - plateau, 1 - nagrzewanie, 2 - chłodzenie).
(typ)czujnika – typ czujnika (może być około 10 typów czujników)
Proszę zobaczyć przykłady wykresów na podstawie danych, plateau zaznaczone jest owalem.
2) Docelowa dokładność w przewidywaniu parametru strefy - 90-95%.
3) Należy użyć optymalizacji Bayesa hiperparametrów (takie jest zlecenie).
4) Należy przygotować krótkie opisy metod używanych w kodzie, opisać dlaczego te metody zostały wybrane (na przykład, dlaczego wybrano RandomForestClassifier). Jeśli możliwe jest zastosowanie alternatywnych metod, należy również je wskazać).
[Orientacyjnie dla czujnika każdego typu będzie 5 eksperymentów]
[W niektórych typach czujników "plateau" może znajdować się pod kątem >30°, dlatego potrzebne jest MO z treningiem na ręcznie oznaczonych danych, a nie matematyka do określenia "płaskiego" odcinka]
Widzę 2 opcje realizacji MO:
- jeden model dla wszystkich typów czujników, do rozróżnienia typów używa się parametru (typ)czujnika (to preferowana opcja, jeśli nie wpłynie to na dokładność przewidywania plateau).
- oddzielny model MO dla każdego typu czujnika, każdy model MO jest osobno trenowany na swoim typie czujnika
Zadanie - nie uzyskać teraz pliku z wytrenowanym modelem MO, ale uzyskać metodę uczenia modelu/modeli MO. Aby można było stwierdzić, że zastosowano takie a nie inne metody i uzyskano taki a nie inny wynik. Można to traktować jako pracę naukową.
Dane wejściowe czas-temperatura w excel:
1) Typ czujnika – zn
dane treningowe - 4 eksperymenty na 4 arkuszach w jednym pliku:
dane testowe - jeszcze 1 eksperyment w oddzielnym pliku:
2) Typ czujnika – sn
[wkrótce będzie jeszcze 4-5 eksperymentów, analogicznie do zn]
3) Typ czujnika – in
[wkrótce będzie jeszcze 4-5 eksperymentów, analogicznie do zn]
Dane wyjściowe:
- plik z wytrenowanym modelem
- accuracy_score i inne standardowe wskaźniki w konsoli
- accuracy_score i inne standardowe wskaźniki w pliku excel na 1. arkuszu, na 2. arkuszu dane testowe + przewidywane dane,
Przykład:
https://docs.google.com/spreadsheets/d/1iG_uskzq7LVYArw0ObljklQXWZfuQYO7/edit?usp=sharing&ouid=117387964102202863857&rtpof=true&sd=true
Zaloguj się lub zarejestruj się, żeby zobaczyć oryginał
Budżet: 10000 UAH Termin: 5 dni
Dzień dobry. Jestem gotów do wykonania.
Mam duże doświadczenie w opracowywaniu projektów AI z uczeniem maszynowym.
Moje portfolio: 
Freelancehunt
Opracuję algorytm uczenia maszynowego do określania płaskowyżów na danych czas/temperatura. Zrealizuję trening na ręcznie oznaczonych danych. Użyję optymalizacji Bayesa hiperparametrów.
Pisz, omówimy szczegóły i przystąpię do pracy.
Budżet: 5000 UAH Termin: 2 dni
Cześć, interesuje mnie projekt, mogę go zrealizować zgodnie z TZ.
Budżet: 5800 UAH Termin: 7 dni
Dzień dobry,
Zrobimy wszystko jasno i jakościowo,
Zobacz portfolio, aby lepiej zrozumieć moje doświadczenie
