Automatyczny kelner

Krótki opis

Agent porusza się po kracie, przyjmuje zamówienia, zamówienia zanosi do kuchni, czeka na dania, zanosi dania do klientów.

Technologie:

Python3
Drzewa decyzyjne
Tensorflow with Keras API
Pandas
Scikit-learn
Joblib

Podprojekty:

Projekt 1

Rozpoznawanie obrazu wykorzystując konwolucyjną sieć neuronową

Podprojekt polegający na użyciu konwolucyjnej sieci neuronowej do rozpoznania ze potrawy ze zdjęcia.

Karol Idaszak s444383

Projekt 2

Podprojekt polegający na użyciu metody drzew decyzyjnych aby otrzymać optymalne ustawienia agenta na podstawie danych z losowo generowanych sytuacji.

Po wciśnięciu '1' i 'F5' program generuje losowe sytuacje z których otrzymuje wyniki na których w pliku decisiontree.py jest tworzone drzewo decyzyjne z najbardziej optymalnymi opcjami dla klienta.

Projekt 3

Podprojekt polegający na użyciu metody drzew decyzyjnych aby wybrać danie na podstawie zamówienia przez klienta.

Wywołanie podprojektu jest po wciśnięciu '2':

#Execute project
if event.key == pygame.K_2:
            if not actTake:
                actTake = True
            else:
                actTake = False

Wtedy kiedy kelner stoi przy stoliku, to przyjmuje zamówienie:

if actTake:
    temp_order.append(client_ordering())

Kiedy stoi na kuchnie - decyduje:

if actTake:
    if temp_order:
        for each in temp_order:
            print("Passed: %s. Prediction: %s" % (each, print_leaf(classify(each, tree))))
        temp_order.clear()

Przykładowy wynik działania:

#Example
Passed: ['salad', 'hot', 'Europe', 'baked', 2, 'order']. Prediction: {'Shrimp and Escarole Salad': '100%'}

Wyniki wypisywane są do konsoli.

Serhii Hromov s442778

Projekt 4

Podprojekt polegający na użyciu metody drzew decyzyjnych, aby stworzyć model, na podstawie którego klient wybierze danie jakie chce zamówić.

2.0 KiB Raw Permalink Blame History