النموذج الأولي لخوارزمية توصية المحاصيل في الوقت الفعلي في بيثون باستخدام التعلم الآلي وتحليلات البيانات. يعرض هذا العمل نظامًا ، في شكل موقع ويب. يستخدم منطق العمل في Python تقنيات التعلم الآلي من أجل التنبؤ بالمحاصيل الأكثر ربحية في ظروف الطقس والتربة المتوقعة في موقع محدد. سيقوم النظام المقترح بدمج البيانات التي تم الحصول عليها من التربة ومستودع المحاصيل وإدارة الطقس وتطبيق خوارزمية التعلم الآلي: يتم إجراء انحدار خطي متعدد ، وتنبؤًا بأكثر المحاصيل المناسبة وفقًا للظروف البيئية الحالية. يوفر هذا للمزارع مجموعة متنوعة من خيارات المحاصيل التي يمكن زراعتها.
يمكن أن يكون منطق العمل في دليل /code/mlr_algo.py. تم برمجة الخادم باستخدام Node.js. لتنفيذ المشروع ، تحتاج فقط إلى تشغيل البرنامج النصي node.js- 'server.js' وانتقل إلى عنوان IP المعروض على المطالبة للوصول إلى النظام.
مكدس Python Package: Scikit-Learn ، Pandas. تقنيات تطوير الويب: HTML ، CSS ، JavaScript. يتم تضمين جميع مجموعات البيانات اللازمة في المستودع نفسه.
مشروع تجول: https://www.youtube.com/watch؟v=7zr-3olbr9e&t=186s
المساهمون ، Omkar Buchade ، Nilesh Mehta ، Shubham Ghodekar.