https://github.com/mkashirin/pais

В этом репозитории можно найти Jupyter-тетради составленные на основе тех, что даются в курсе ПСИИ.
https://github.com/mkashirin/pais

Last synced: 10 days ago
JSON representation

В этом репозитории можно найти Jupyter-тетради составленные на основе тех, что даются в курсе ПСИИ.

• Host: GitHub
• URL: https://github.com/mkashirin/pais
• Owner: mkashirin
• Created: 2024-03-19T17:25:36.000Z (10 months ago)
• Default Branch: main
• Last Pushed: 2024-05-24T01:54:06.000Z (8 months ago)
• Last Synced: 2024-11-06T06:40:45.800Z (about 2 months ago)
• Language: Jupyter Notebook
• Homepage:
• Size: 9.24 MB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Программирование Систем Искусственного Интеллекта

Програмимрование систем искусственного интеллекта (ПСИИ) суть дисциплина, 

преподаваемая в РТУ МИРЭА.

В этом репозитории можно найти Jupyter-тетради составленные на основе тех, что 

даются в курсе ПСИИ. Содержание тетрадей сильно отличается 

и в значительной степени выполнены в соответствии с видением автора.

## Содержание

Предметом курса в основном является работа с алгоритмами машинного обучения для 

изображений (свёрточные нейронные сети, обнаружение объектов и прочее).

Ниже можно видеть соответствие названия тетради с темой, которая в ней 

разобрана.

1. featuregen — признаки и дескрипторы с OpenCV;

2. dimred — алгоритмы понижения размерности с Scikit-Learn;

3. featfilter — фильтрации признаков на основе дисперсии и корреляции;

4. crossval — перекрёстная валидация с Scikit-Learn;

5. bestmods — алгоритмы отбора моделей с Scikit-Learn. 

В каждой тетради довольно общо поясняется, что и зачем было сделано. 

## Пользование

Чтобы попробовать выполнить код самостоятельно, просто клонируйте данный 

репозиторий с помощью Git CLI следующим образом: 

```

git clone https://github.com/mkashirin/pais

```

Создайте виртуальное окружение на основе файла "environment.yml". Вот пример с 

использованием пакетного менеджера Micromamba (учитывая, что Вы находитесь в 

рабочей директории с проектом):

```

micromamba init

micromamba env create --file environment.yml --name pais

micromamba activate pais

```

Теперь запустите Jupyter Lab, чтобы начать работу:

```

jupyter lab

```

Также Вы можете добавить свои изображения в директорию "images", чтобы 

применить к ним представленные алгоритмы.