SodaPy.com

کاری که انجام می دهد

من Gemini را با مجموعه داده های دولتی تنظیم کردم. مجموعه داده‌ها پردازش شد: مهندسی ویژگی‌ها، آزمایش‌ها، و غیره. من Gemini تنظیم‌شده دقیق خود را با مدل‌های ARIMA و XGboost ترکیب کردم تا مجموعه‌ای از 3 مدل ایجاد کنم. این باعث شد MAE من به حدود 6 برسد. در ابتدا من از تمام ایالت های ایالات متحده پیش بینی می کردم، اما این درخواست های داده API زیادی بود - که سرعت وب سایت را کاهش داد. اما Gemini با تنظیم دقیق، مصرف نوشابه را به تنهایی برای همه ایالت ها پیش بینی کرد. The fine-Gemini با پیش بینی ها بسیار خوب عمل کرد اما با MAE بسیار بالا. بنابراین ARIMA و XGBOOST بیشتر برای کاهش قابل توجه MAE مورد استفاده قرار گرفتند، اما Gemini با تنظیم دقیق به تنهایی در مقایسه با مجموعه داده های اصلی دولت نتایج بسیار خوبی از مصرف نوشابه را پیش بینی می کرد. بنابراین قدرت واقعی در پیش‌بینی‌های مصرف نوشابه از Gemini به‌خوبی تنظیم شده است. تگزاس جایی است که به دلیل نارسایی کلیه، کلیه ام را به پدرم اهدا کردم. بنابراین خوب است که روی مصرف نوشابه در آینده تگزاس برای مقابله با مشکلات کلیوی تمرکز کنید. اکنون که از مصرف نوشابه آگاه هستیم، می‌توانیم از مردم بخواهیم که به‌طور ناشناس/داوطلب آزمایش ادرار را اهدا کنند که بهترین ابزار برای اندازه‌گیری نارسایی کلیه مرحله 1 است. نارسایی کلیه در مرحله 5 خیلی دیر شده است و افراد در مرحله 5 به جراحی نیاز دارند. بنابراین با پیش بینی مصرف نوشابه، می توانیم روی مرحله 1، رویکرد پیشگیری تمرکز کنیم. نارسایی کلیه را در ریشه خود بکشید. من از Vertex AI یک GCP Cloud Run/Load Balancer استفاده کردم. من از ابزارهای توسعه دهنده Chrome برای بررسی مشکلات API تأخیر استفاده کردم.