ti serve un dataset con una prediction e un tipo di classificazione binaria sul quale devi eseguire cleaning ed esplorazione dei dati, scelta di modello e algoritmo di classificazione, comparazione di due o più

Partendo dal fatto che la tua richiesta è piuttosto complessa e richiede una soluzione avanzata di deep learning posso fornirti alcune linee guida su come affrontare il problema utilizzando Python e librerie di deep learning Addestramento del modello - Utilizza l'algoritmo di backpropagation attraverso il tempo (BPTT) per Comunque il problema che hai descritto è fattibile da affrontare utilizzando tecniche di deep learning

le tempistiche non dalla commessa ma dal singolo ordine, ma non ho la minima idea di come creare un machine learning che "veda" l'ordine come un insieme di articoli, per questo ho cercato questa via.

Io è da circa 1 anno che mi sono buttato nel machine learning.

PyTorch è un framework di deep learning open source costruito per essere flessibile e modulare per la

Grazie! Siete dei GENI!!! 😍

Eccoci 🤗 Allora se usi google colab prova questo codice : #solo per google colab from google.colab.patches import cv2_imshow import cv2 cars_cascade = cv2.CascadeClassifier('haarcascade_car.xml') def detect_cars(frame): cars = cars_cascade.detectMultiScale(frame, 1.15, 4) for (x, y, w, h) in cars: cv2.rectangle(frame, (x, y), (x+w,y+h), color=(0, 255, 0), thickness=2) return frame def Simulator(): CarVideo = cv2.VideoCapture('cars.mp4') while CarVideo.isOpened(): ret, frame = CarVideo.read() controlkey = cv2.waitKey(1) if ret: cars_frame = detect_cars(frame) #se stai programmando in locale #cv2.imshow('frame', cars_frame) #se usi colab cv2_imshow(cars_frame) else: break if controlkey == ord('q'): break CarVideo.release() cv2.destroyAllWindows() Simulator() Facci sapere se così funziona 😊