avatar
Articles
70
Tags
150
Categories
87
Trang chủ
Archives
Tag
Categories
Project
  • Nhận thông báo chi tiêu từ shopee
  • Tạo ChatBot trên Telegram
About
Điều hướng
Subscribe
Blog's GluTis
Search
Trang chủ
Archives
Tag
Categories
Project
  • Nhận thông báo chi tiêu từ shopee
  • Tạo ChatBot trên Telegram
About
Điều hướng
Subscribe

Xây dựng model dự báo revenue các công ty tại Nhật Bản

Created2025-07-29|Updated2025-08-03|KnowledgeInsightsMachine LearningCompany
|Word Count:18|Reading Time:1mins|Post Views:
Author: GluTis
Link: https://huyvu15.github.io/posts/1rbd1111
Copyright Notice: All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.
KnowledgeInsightsThinkingsCompanyMachine LearningRevenuePredict
Sponsor
  • bank
    bank
  • bank
    bank
cover of previous post
Previous
Thêm một tuổi, bớt một điều ngây ngô
cover of next post
Next
Bắt đầu với AWS bằng việc tìm hiểu dịch vụ quản lý user, phân quyền - IAM
Related Articles
cover
2024-02-03
6 cấp độ tư duy của nhận thức
cover
2024-10-12
Linux và một số cái hay ho
cover
2025-07-16
Bắt đầu với AWS bằng việc tìm hiểu dịch vụ quản lý user, phân quyền - IAM
cover
2024-07-11
Những challenge mà tôi đã tham gia
cover
2024-08-12
Tìm hiểu Doris
cover
2024-08-12
Tìm hiểu Airbyte
Comment
Contents
  1. 1. Tại sao có bài viết này
    1. 1.1. Sơ lược
    2. 1.2. Các thách thức
  2. 2. Sơ lược về bộ dữ liệu
  3. 3. Tiền Xử lý dữ liệu + Feature engineering
    1. 3.1. Chia batch nhỏ để xử lý multi batch
    2. 3.2. Tăng cường dữ liệu với Embedding API
    3. 3.3. Xử lý ngoại lai
    4. 3.4. Xử lý từng dòng dữ liệu
    5. 3.5. Metric số lần xuất hiện trên các trang tuyển dụng
    6. 3.6. Xử lý song song theo batch
    7. 3.7. Chuẩn hóa cột số
  4. 4. Huấn luyện mô hình
    1. 4.1. Huấn luyện mô hình XGBoost
    2. 4.2. Làm sao để biết được tham số cho mô hình luyện ngon
    3. 4.3. Phân tích kết quả trên tập test
    4. 4.4. Lưu mô hình embedding (PyTorch)
    5. 4.5. Lưu mô hình dự đoán doanh thu (XGBoost)
    6. 4.6. Lưu pipeline xử lý dữ liệu
  5. 5. Sử dụng mô hình để dự báo
    1. 5.1. Tải lại mô hình và thông tin tiền xử lý
    2. 5.2. Khôi phục mô hình embedding
    3. 5.3. Khôi phục mô hình XGBoost
    4. 5.4. Dự báo theo từng batch
    5. 5.5. Gộp kết quả và xuất ra tệp duy nhất
  6. 6. Deploy model lên torchserve
    1. 6.1. Tạo file config.properties
    2. 6.2. Tạo file hybrid_handler.py
    3. 6.3. Create model_def.py
    4. 6.4. Create foldel model_store
    5. 6.5. Install package
      1. 6.5.1. Run
    6. 6.6. Test
      1. 6.6.1. Curl
    7. 6.7. Kết quả
  7. 7. Đánh giá kết quả
  8. 8. Kết luận
  9. 9. Tài liệu tham khảo
©2024 - 2025 By GluTis
Framework Hexo|Theme Butterfly
Search
Loading the Database