پروژه های آماده مهندسی کامپیوتر

موضوع این پروژه آماده، تشخیص ضایعات پوستی با شبکه‌های باقیمانده عمیق در پایتون می باشد. در این پروژه، یک شبکه عصبی کانولوشنی عمیق مبتنی بر یادگیری باقیمانده (ResNet-50) با استفاده از استراتژی یادگیری انتقالی، برای طبقه‌بندی چندکلاسه تصاویر ضایعات پوستی بر روی دیتاست استاندارد HAM10000 پیاده‌سازی شده است. پیش‌پردازش تصاویر شامل تغییر اندازه به ۲۲۴×۲۲۴، نرمال‌سازی بر اساس میانگین و انحراف معیار ImageNet و افزایش داده با تکنیک‌هایی مانند چرخش و بازتاب انجام شده است. معماری ResNet با بلوک‌های باقیمانده و اتصالات پرشی، امکان یادگیری عمیق بدون مشکل محوشدگی گرادیان را فراهم می‌کند. مدل ابتدا با لایه‌های کانولوشنی ثابت (Feature Extraction) و سپس با Fine-Tuning لایه‌های بالایی با نرخ یادگیری پایین آموزش دیده است. نتایج ارزیابی بر روی مجموعه آزمون نشان‌دهنده‌ی دقت کلی حدود ۹۰٪ و عملکرد قابل قبول در تشخیص کلاس حیاتی ملانوما است و ماتریس درهم‌ریختگی چالش اصلی را در تفکیک کلاس‌های مشابه (AKIEC و NV) نشان می‌دهد. این پروژه پتانسیل بالای یادگیری عمیق را در کاربردهای تشخیصی پزشکی تأیید می‌کند.

موضوع این پروژه آماده، تعیین جریان یا حق آبه زیست محیطی در پایتون می باشد.

چند فایل اکسل مربوط به داده‌ها را خدمت شما ارسال می‌کنم. این داده‌ها فاقد سری زمانی هستند و لازم است کدی در پایتون نوشته شود تا دبی‌های ماهانه مربوط به هر ایستگاه استخراج گردد.

همان‌طور که اشاره کردید، دبی‌های ماهانه هر ایستگاه باید از طریق پایتون استخراج شده و سری‌های زمانی تهیه شود. به نظر من، جهت مرتب‌سازی داده‌ها، بهتر است ابتدا یک کد پایتون نوشته شود که به‌طور خودکار، بر اساس کد ایستگاه مندرج در فایل‌های اکسل، داده‌ها را فیلتر کرده و اطلاعات هر ایستگاه را در یک فایل اکسل جداگانه (ترجیحاً با نام کد ایستگاه) منتقل کند.

در مرحله بعد، کدی نوشته شود تا در هر فایل اکسل، میانگین‌های ماهانه دبی بر اساس سال آبی مربوطه محاسبه شود. در مرحله سوم نیز، کدی نوشته شود که روش‌های محاسبه حق‌آبه زیست‌محیطی بر روی داده‌ها اعمال شود.

ملاک عمل ما باید سری‌های زمانی ماهانه باشد. بررسی فایل نمونه نشان می‌دهد که سری زمانی نهایی تنها تا دو رقم اعشار بیان شده و خلاصه شده است. برگه شیت اهمیت زیادی ندارد و نیازی به توجه ویژه ندارد.

این داده‌ها مربوط به ایستگاه‌های هیدرومتری استان کرمان است و برای همه آن‌ها باید با توجه به هر سال، سری زمانی دبی میانگین ماهانه تهیه شود.