Se anche io ho un po' di tempo libero, spero proprio di poter condividere questa bella l'iniziativa.

chiare: se l'obbiettivo è quello di calcolare i tempi di lavorazione in base ad un ordine, ci sono dei dati che servono alla elaborazione e dei dati "etichetta", che servono solo come riferimento. I dati che sono variabili nel processo di lavoro sono, se non ho capito male: Numero e tipologia dei

soluzioni proposte ma il risultato rimane comunque alto, sicuramente a causa della scarsa quantità di dati • Orario di fine (preso da ordine - uguale per tutti gli articoli del medesimo ordine) • Tutti i dati

su testi biblici è un po difficile, però hugging face ti permette di allenare i modelli con i tuoi dati

le sequenze, contengono dei dati temporali... criptografati?

e dovrai approcciarti a TensorFlow, Keras, Pandas e ad altri moduli basilari per il trattamento dei dati

L'ambiente di lavoro che utilizzo, al momento è Ubuntu, e come avrai intuito, sono a favore del software libero

comprendere qualcosa del python seguendo le tue indicazioni e leggendo quà e là (ho scoperto che esiste una libreria

Ho dovuto levare /content/. nella parte read data... data = pd.read_csv("Dataset_Terremoti.csv")

🤗 L'approccio che hai menzionato utilizza la libreria Langchain e il modulo VectorstoreIndexCreator

sono programmatore di professione...ma sono interessato all'AI... siccome ho provato ha installare la libreria

Preprocessing dei dati: Prima di alimentare i dati alla rete neurale, è importante eseguire un buon preprocessing per preparare i dati in modo ottimale. Ecco un esempio di come potresti normalizzare i tuoi dati utilizzando la libreria scikit-learn in Python Utilizzo dei dati degli articoli: Hai menzionato di avere dati su ogni singolo articolo contenuto nella Questi dati possono essere utilizzati per arricchire il set di dati della tua rete neurale.