JernihinのダウンロードJernihinソースコードのダウンロード

Jernihin

ウェブサイトデータ

1.0.0

ダウンロード

ヤニヒン

Jernihinを表示するには、ここをクリックしてください。

コンテンツの表

ヤニヒン
コンテンツの表
Jernihinについて
- 背景
- 目標と目標
- インストールと展開
  - 個人的な仮想環境へのプロジェクトのインストール
  - 鉄道にフラスコを備えた機械学習モデルを展開します
- Jernihinの仕組み - 水質分類
- 計画と実現
- リポジトリとブランチ
- 書誌
  - A.データセット
  - B.リソース
  - C.アカデミックペーパー
  - D.参照
- プレゼンテーション
- デモビデオ
- 開発者

Jernihinについて

Jernihinは、インドネシアに拠点を置くWebサイトの機械学習プログラムであり、現在SIB DICODING X Kampus Merdeka Batch 3によるMachine Learning and Front-End Web開発者プログラムのSIB3 Capstone C22-078チームの4人の開発者によって開発されています。

背景

生物の大きな可能性を持ち、毎年増加し続けている天然資源は水です。持続可能な開発目標（SDG）に関するデータによると、2020年のインドネシアの水質指数は53.53で、前年からの増加です[1]。水測定は、pH値、濁度、リン、窒素、酸素などの化学変数から見ることができます。水の品質を調べるには、定期的に監視する必要があります[2]。

水資源管理戦略を支援する努力の1つは、水分の品質を監視できるシステムを作成することです。上記の問題に基づいて、いくつかの変数から水質を予測するために、深い学習方法を使用してWebサイトアプリケーションを構築することにしました。このアプリケーションは、水質の管理と監視における別の代替手段を提供することが期待されています。

目標と目標

上記の背景に基づいて、このプロジェクトの目標と目的は次のとおりです。

このウェブサイトは、コミュニティが水質の決定と決定を支援するユーティリティとして支援することを目指しています。この機能は、水資源のより良い管理に役立つことが期待されています。
Jernihinには、糞便、酸素、pH、堆積物、温度、窒素、リン、および濁度で構成される水の含有量に基づいて、人々が水質を特定するのに役立つ機能があります。この機能は、ユーザーが水質をマッピングして特定できるようにする必要があります。

インストールと展開

このステップは、次の2つの段階で簡単に説明されます。

プロジェクトにフラスコフレームワークを作成します
鉄道へのホスティングプロセス

個人的な仮想環境へのプロジェクトのインストール

このプロジェクトから仮想環境を作成する手順は次のとおりです。

このリポジトリをクローンします

git clone https://github.com/aNdr3W03/Jernihin.git

Python仮想環境をインストールします
```
virtualenv venv
```
すべての要件を「compoest.txt」内にインストールします
```
pip install -r requirements.txt
```
Flask App＆Run Serverをインポートします
```
 export FLASK_APP=app.py
flask run
```
または
```
python app.py
```
ctrl + cでアプリケーションプログラムまたはサーバーを停止します。

鉄道にフラスコを備えた機械学習モデルを展開します

電子メールまたはgithub acoountを使用して鉄道アカウントにログインします
新しいプロジェクトを作成します
フォームGithub Repoの展開を選択します
展開するRespositoryプロジェクトを選択してください

Jernihinの仕組み - 水質分類

糞便、酸素、pH、堆積物、温度、窒素、リン、および濁度の形でHTMLフォームからユーザー入力を取得します。これらのパラメーターは、後で予測される置換値として抽出されます。値範囲は、入力ごとに0〜100です。
推論のためにユーザー入力をnumpy配列にスケーリングします。
作成されたモデルを使用してユーザー入力を予測します。使用されるモデルは、ランダムフォレスト分類子アンサンブルツリーベースの学習アルゴリズムです。これにより、入力されたすべての入力からのモデル予測の配列の結果が返されます。
実際の読みやすい結果を得るという形での出力予測ラベル。次に、この整数値は、サインに一致するラベルに基づいて結果文字列に変換されます。このプロセスの結果は、「優れた」、「良い」、「公正」、「限界」、「貧しい」などの一連の予測結果です。
最終的な予測結果は、ユーザーに表示される予測ページに返されます。

計画と実現

このプロジェクトの作業中に発生するリスク管理計画と可能な問題は、SWOT分析、つまり強み、弱点、機会、脅威を使用して実施されました。この分析は、このプロジェクトの開発中に発生する可能性のある長所、弱点、機会、および脅威をマッピングして特定するために実施されました。

最初のドキュメントでは、合意されたリストの開始を追跡するためにガントチャートが作成されました。スケジュールの詳細については、ProjectLibreでGanttチャートを作成することは、次のGanttチャートリンクのGanttチャートドキュメント、または以下の画像で見ることができます。

Jernihin Project Ganttチャート

リポジトリとブランチ

このJernihinリポジトリは、 2つのブランチに分かれています。

メイン（マスターブランチ）
mainブランチは、フロントエンドディスプレイ開発と機械学習モデル開発のための統合ブランチとして使用されます。計画は、Flask Frameworkを使用して、Webサイトと機械学習モデルをWebサイト全体として構築および統合することです。
開発者（開発部門）
devブランチは、初期リソースを決定する過程で使用されます。または、プロジェクトで使用するさまざまなことを試みる環境と呼ばれるため、最終的に適切なリソースを見つけたときに、ドキュメントが開発ブランチに移動されます。

書誌

A.データセット

Amerigeoss Community Platform Datahub
WQIパラメータースコア1994-2013データセット

B.リソース

このプロジェクトに取り組む際には、いくつかのプロジェクトまたはプロジェクトリソースが必要なリソースです。

言語
フレームワーク
図書館
アイコンと画像
展開

C.アカデミックペーパー

[1] H.が言った、NHマトンダンとHNイルマンダ、「Sistem Prediksi kualitas air yang dapat dikonsumsi dengan menerapkan k-nearest neighbor、」 3、いいえ。 1、pp。158-168、2022年4月。アクセス：2022年10月12日。[オンライン]。利用可能：https：//conference.upnvj.ac.id/index.php/senamika/article/view/2017
[2] MHD Barang Dan SK Saptomo、「Analisis Kualitas Air Pada Jalur Distribusi Air Bersih Di Gedung Baru Fakultas Ekonomi Dan Manajemen Institut Pertanian Bogor 」 4、いいえ。 1、pp。13-24、2019年4月。アクセス：2022年10月12日。doi：10.29244/jsil.4.1.13-24。 [オンライン]。 aivailable：https：//journal.ipb.ac.id/index.php/jsil/article/view/23735

D.参照

[3]ニューファンドランドとラブラドールの政府、「飲料水質指数」。Gov.NL.CA。 https://www.gov.nl.ca/ecc/waterres/quality/drinkingwater/dwqi（2022年10月12日アクセス）。
[4] Nutan、「 HerokuにFlaskを使用して機械学習モデルを展開します。 」Medium.com。 https://medium.com/@nutanbhogendrasharma/deploy-machine-learning-model-with-flask-on-heroku-cd079b692b1d（2022年10月12日アクセス）。
[5] A. Sridhar、「 Flask（Iris Dataset）| Pythonを使用して機械学習モデルを展開する方法。 」youtube.com。 https://youtu.be/2lqrfezuimk（2022年11月23日アクセス）。
[6] K. Naik、「 Flaskを使用して機械学習モデルを展開します。 」YouTube.com。 https://youtu.be/ubcwomf80py（2022年11月23日アクセス）。