SodaPy.com

機能

政府のデータセットを使用して Gemini をファインチューニングしました。データセットは、特徴量エンジニアリング、テストなどで処理されました。ファインチューニングした Gemini を ARIMA モデルと XGboost モデルと組み合わせて、3 つのモデルのアンサンブルを作成しました。これにより、MAE は 6 程度に低下しました。最初は米国のすべての州の予測を取得していましたが、API データのリクエストが多すぎてウェブサイトの速度が低下しました。ただし、ファインチューニングされた Gemini は、すべての州のソーダ消費量を単独で非常に正確に予測しました。fine-Gemini は予測では非常に優秀でしたが、MAE は非常に高くなっています。そのため、ARIMA と XGBOOST が主に使用され、MAE を大幅に低減できましたが、元の政府データセットと比較すると、ファインチューニングされた Gemini だけでもすでにソーダ消費量の予測結果が良好でした。そのため、ソーダの消費量予測の真の力は、微調整された Gemini にあります。テキサス州では、腎不全の父親に腎臓を提供する手術を受けました。そのため、テキサス州における今後のソーダ消費に焦点を当てて、腎臓の問題に取り組むことは有益です。ソーダの摂取量がわかったので、ステージ 1 の腎不全を測定する最適なツールである尿検査を匿名で自発的に提供していただくよう、参加者に依頼できます。ステージ 5 の腎不全はすでに手遅れであり、ステージ 5 では手術が必要になります。ソーダの消費予測では、ステージ 1 の予防アプローチに重点を置くことができます。腎不全の根本原因を解消します。Vertex AI と GCP Cloud Run/ロードバランサを使用しました。Chrome デベロッパー ツールを使用して、レイテンシ API の問題を確認しました。