Müşteri kaybı tahmini: telekom verisinden çalışan bir churn modeli çıkarmak
Dengesiz müşteri verisini temizleyip PyTorch modeliyle ayrılma riskini hesaplayan ve sonucu açıklayan bir web arayüzüne dönüştürdüm.
Dengesiz müşteri verisini temizleyip PyTorch modeliyle ayrılma riskini hesaplayan ve sonucu açıklayan bir web arayüzüne dönüştürdüm.
Segmentasyon maskelerini tespit kutularına çevirdim, modeli kendi veri setimle eğittim ve canlı kamera uygulamasına bağladım.
DenseNet121 modelini büyük bir demo doku görüntüsü üzerinde sliding window ile gezdirip riskli bölgeleri ısı haritasında gösterdim.
Spring Boot backend, Expo tabanlı mobil uygulama, yönetim akışı ve mağaza hazırlığını tek ürün süreci olarak ele aldım.
Hareket, mermi, hedef ve dalga sistemlerini kurarken kontrol ağırlığına ve mobil ekranda okunabilirliğe odaklandım.
FFmpeg.wasm sayesinde medya tarayıcıda işleniyor. Böylece dosya kullanıcıdan çıkmadan kesme ve birleştirme yapılabiliyor.
Oyuncular aynı odaya giriyor, cevaplar tamamlanınca sonuçlar eş zamanlı açılıyor. Teknik kadar oyun ritmi de belirleyiciydi.
Turnike, sarı çizgi, fener ışığı ve güvenlik anonslarından kısa ama yoğun bir atmosfer prototipi oluşturdum.
CPU, GPU ve RAM'i izleyen Windows aracı yalnızca anlamlı bir sorun olduğunda kısa bir öneri gösteriyor.