W tym oraz powiązanych repozytoriach umieszczono wyniki i programy, które powstały w trakcie trwania projektu
Predykacja wydajności sieci kanalizacyjno-burzowej w czasie rzeczywistym jako usługa Saas oparta na danych pozyskanych metodami uczenia maszynowego
Modele do predykcji serii czasowych
File structure:
- /datasets - contains all input dataset. Big datasets should be put as *.gz files, so they won't be stored.
- /notebooks - Jupyter notebooks
- /reports - project summary reports
Biblioteka do przetwarzania serii czasowych:
All notebooks require:
- Pyhon 3 with data science libs (use anaconda)
- TensorFlow >= 1.4
Argo source code is distributed under the Apache-2.0 license.
Contributions
Unless you explicitly state otherwise, any contribution intentionally submitted for inclusion in the work by you, as defined in the Apache-2.0 license, shall be licensed as above, without any additional terms or conditions.