This project is about guessing the season based on the temperature (°C). Enjoy the demo! This is only intended to discover Neuron Network and learn a little more about it.
C'est un peu mon ML100 Comment utiliser l'exemple le plus idiot permet tout de même d'apprendre les réseaux de neurones.
Le principe est de déduire la saison en indiquant la température. C'est évident, la techno/solution est mal adaptée, le degré d'incertitude est énorme. L'efficacité sera proche de l'aléatoire. Bref, c'est inutile!
Pour apprendre
- Trouver les données (datasets)
- Sélectionner les bonnes données (ajouter les heures de mesures pour améliorer le modèle en prenant en compte l'ampliture diurne))
- Nettoyer les données et les préparer (data cleaning et data prep)
- Préparation de l'environnement (Environment setup, Python virtualenv/pyenv/conda headache) et ainsi apprendre et raffraîchir ses connaissances
- caler les données (NORMALISER)
- Construire le modèle (Keras model)
- Le sauvegarder et le réutiliser
- avoir un jeu de test
- prédire
- embarquer le modèle dans une page web (Tensorflow.js)
Sur MacOS, installer conda (Anaconda) pour éviter les casses-têtes avec Homebrew et pyenv. installer keras et jupyter.
Prévoir de l'espace sur votre disque car les datasets sont volumineux et les scripts ne sont pas optimisés.
Lancer le script shell get-meteo.sh :
source get-meteo.sh
Puis lancer jupyter
jupyter notebook
puis chargez le fichier 'meteo-idiote.ipynb'
changer la température et l'heure dans l'avant dernier bloc
Quand vos paramètres sont ajustés vous pouvez l'exporter pour l'exploiter dans tensorflowjs.
tensorflowjs_converter --input_format keras model.h5 ../3-web/tfjsmodel
Copier le contenu du répertoire 3-web sur un site web et puis c'est tout. Le modèle est dans tfjsmodel récupéré par la conversion précédente.
sources utilisées