SodaPy.com

תיאור

ביצעתי כוונון מדויק של Gemini באמצעות מערך נתונים ממשלתי. מערך הנתונים עבר עיבוד: פיתוח מאפיינים, בדיקות וכו'. שילבתי את Gemini המכוונן שלי עם מודלים של ARIMA ו-XGboost כדי ליצור קבוצה של 3 מודלים. בעקבות זאת, ערך ה-MAE ירד ל-6 בערך. בהתחלה קיבלתי תחזיות מכל המדינות בארה"ב, אבל זה היה הרבה בקשות לנתוני API, שהאטו את האתר. עם זאת, מערכת Gemini שעברה כוונון הצליחה מאוד לחזות את צריכת הסודה בכל המדינות בנפרד. המודל fine-Gemini הניב תוצאות טובות מאוד בחיזויים, אבל עם MAE גבוה מאוד. לכן, השתמשנו ב-ARIMA וב-XGBOOST בעיקר כדי להקטין את הערך של MAE באופן משמעותי, אבל גרסת Gemini המשופרת לבדה כבר הניבה תוצאות טובות של תחזיות לצריכת משקאות מוגזים בהשוואה למערך הנתונים המקורי של הממשלה. לכן, העוצמה האמיתית של התחזיות לגבי צריכת משקאות מוגזים מגיעה מ-Gemini מותאם אישית. ניתוח התרומה של הכליה שלי לאבי נערך בטקסס בגלל אי ספיקת הכליות שלו. לכן כדאי להתמקד בצריכת הסודה העתידית בטקסס כדי לטפל בבעיות הכליות כאן. עכשיו, כשאנחנו יודעים מהי צריכת המשקאות המוגזים של אנשים, אנחנו יכולים לבקש מהם לתרום בדיקת שתן בעילום שם או מרצון. זוהי הדרך הטובה ביותר למדוד אי ספיקת כליות בשלב 1. בשלב 5 של אי-ספיקת כליות כבר מאוחר מדי, ואנשים זקוקים לניתוח בשלב הזה. לכן, כשמדובר בחיזויים לגבי צריכת משקאות מוגזים, אנחנו יכולים להתמקד בשלב 1, גישה של מניעה. טיפול בבעיות כליות מהשורש. השתמשתי ב-Vertex AI וב-GCP Cloud Run/Load Balancer. השתמשתי בכלים למפתחים ב-Chrome כדי לבדוק בעיות ב-API של זמן אחזור.