From c3c6ac265e6086b6f3e667405a6a76c8d17a70ad Mon Sep 17 00:00:00 2001
From: MGPR23 <darklotenant@gmail.com>
Date: Wed, 22 May 2024 16:20:24 +0200
Subject: [PATCH] Added metadata property called 'teaser' to all notebooks, to
withhold the teaser for each notebook
---
.../notebook.ipynb | 52 ++++++++++++++++---
.../notebook.ipynb | 3 +-
CRM/Customer Churn Prediction/notebook.ipynb | 13 +++--
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook_Multiple Linear Regression.ipynb | 3 +-
.../notebook_Random Forrest Regressor.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook_1.ipynb | 3 +-
.../notebook_2.ipynb | 1 +
.../notebook.ipynb | 5 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 5 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
Rating/Accommodation rating/notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
.../flight delay prediction/notebook.ipynb | 3 +-
.../notebook.ipynb | 3 +-
25 files changed, 102 insertions(+), 34 deletions(-)
diff --git a/Agriculture/Analysis of the movement and activity of free-ranging cattle/notebook.ipynb b/Agriculture/Analysis of the movement and activity of free-ranging cattle/notebook.ipynb
index 29f109b..f6bb2da 100644
--- a/Agriculture/Analysis of the movement and activity of free-ranging cattle/notebook.ipynb
+++ b/Agriculture/Analysis of the movement and activity of free-ranging cattle/notebook.ipynb
@@ -2,7 +2,14 @@
"cells": [
{
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "raw_mimetype": "",
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"# Analyse der Bewegung und Aktivität von freilaufenden Rindern (Deutschsprachige Version) \n",
"\n",
@@ -95,7 +102,13 @@
{
"attachments": {},
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"# 1. Business Understanding\n",
"Landwirte wollen analysieren, wie sich ihr Vieh auf der Weide bewegt und verhält. (siehe Readme für weitere Informationen)"
@@ -104,7 +117,13 @@
{
"attachments": {},
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"# 2. Daten und Datenverständnis\n",
"## 2.1. Import von relevanten Daten "
@@ -120,7 +139,13 @@
{
"cell_type": "code",
"execution_count": 34,
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"outputs": [],
"source": [
"import numpy as np # standard for data processing\n",
@@ -152,7 +177,13 @@
{
"attachments": {},
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"## Daten lesen"
]
@@ -160,7 +191,13 @@
{
"attachments": {},
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"Quelle der Daten:\n",
"\n",
@@ -29645,7 +29682,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.9"
},
- "title": "Analysis of the movement and activity of free-ranging cattle"
+ "title": "Analysis of the movement and activity of free-ranging cattle",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models herausfinden, wie man Sensordaten von freilaufenden Rindern analysiert, um ihr Verhalten zu klassifizieren."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Automotive/Improvement of components for autonomous motor vehicles/notebook.ipynb b/Automotive/Improvement of components for autonomous motor vehicles/notebook.ipynb
index 0c68046..e220776 100644
--- a/Automotive/Improvement of components for autonomous motor vehicles/notebook.ipynb
+++ b/Automotive/Improvement of components for autonomous motor vehicles/notebook.ipynb
@@ -2242,7 +2242,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.12"
},
- "title": "Improvement of components for autonomous motor vehicles"
+ "title": "Improvement of components for autonomous motor vehicles",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models herausfinden, wie man die Gründe für Eingriffe des menschlichen Testfahrers in autonome Fahrzeuge klassifiziert und in verschiedene Problemkategorien einteilt."
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/CRM/Customer Churn Prediction/notebook.ipynb b/CRM/Customer Churn Prediction/notebook.ipynb
index 15f5842..4ef48e3 100644
--- a/CRM/Customer Churn Prediction/notebook.ipynb
+++ b/CRM/Customer Churn Prediction/notebook.ipynb
@@ -2,7 +2,13 @@
"cells": [
{
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"## Geschäftsverständnis\n",
"Die Analyse zielt darauf ab, die Kundenabwanderung im Telekommunikationssektor vorherzusagen, um proaktiv Maßnahmen zur Kundenbindung zu ergreifen und potenzielle Abwanderungen zu minimieren. Dies trägt zur langfristigen Stabilität und Rentabilität des Unternehmens bei.\n",
@@ -6019,9 +6025,10 @@
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
- "version": "3.12.3"
+ "version": "3.8.9"
},
- "title": "Customer Churn Prediction"
+ "title": "Customer Churn Prediction",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe eines Machine-Learning-Modells präzise vorhersagen, ob ein Kunde mit dem Service eines Luftfahrtunternehmens zufrieden sein wird, indem Sie Kundenzufriedenheitsdaten analysieren."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/CRM/Customer Satisfaction Airlines/notebook.ipynb b/CRM/Customer Satisfaction Airlines/notebook.ipynb
index 4c51bda..e07b624 100644
--- a/CRM/Customer Satisfaction Airlines/notebook.ipynb
+++ b/CRM/Customer Satisfaction Airlines/notebook.ipynb
@@ -4511,7 +4511,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Customer Satisfaction Airlines"
+ "title": "Customer Satisfaction Airlines",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe eines Machine-Learning-Modells präzise vorhersagen, ob ein Kunde mit dem Service eines Luftfahrtunternehmens zufrieden sein wird, indem Sie Kundenzufriedenheitsdaten analysieren."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/CRM/Increase customer satisfaction/notebook.ipynb b/CRM/Increase customer satisfaction/notebook.ipynb
index 1ea4698..ddf4dcb 100644
--- a/CRM/Increase customer satisfaction/notebook.ipynb
+++ b/CRM/Increase customer satisfaction/notebook.ipynb
@@ -3562,7 +3562,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Increase customer satisfaction"
+ "title": "Increase customer satisfaction",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning-Modells herausfinden, wie die Popularität und Bewertungen von Filmen auf Netflix verbessert werden können."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/CRM/Sentiment analysis on amazon alexa reviews/notebook.ipynb b/CRM/Sentiment analysis on amazon alexa reviews/notebook.ipynb
index 3ab2d10..11e3798 100644
--- a/CRM/Sentiment analysis on amazon alexa reviews/notebook.ipynb
+++ b/CRM/Sentiment analysis on amazon alexa reviews/notebook.ipynb
@@ -4673,7 +4673,8 @@
"version": "3.8.9"
},
"orig_nbformat": 4,
- "title": "Sentiment analysis on amazon alexa reviews"
+ "title": "Sentiment analysis on amazon alexa reviews",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um Kundenbewertungen von Amazon Alexa zu analysieren und als positiv oder negativ zu klassifizieren. "
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Forecast/Forecast of required vehicles in the city center/notebook.ipynb b/Forecast/Forecast of required vehicles in the city center/notebook.ipynb
index 094ec55..c9dce61 100644
--- a/Forecast/Forecast of required vehicles in the city center/notebook.ipynb
+++ b/Forecast/Forecast of required vehicles in the city center/notebook.ipynb
@@ -3980,7 +3980,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Forecast of required vehicles in the city center"
+ "title": "Forecast of required vehicles in the city center",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um die benötigte Menge an Fahrzeugen im innerstädtischen Raum für Uber präzise zu prognostizieren. "
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Forecast/Sales Forecast for retail store/notebook_Multiple Linear Regression.ipynb b/Forecast/Sales Forecast for retail store/notebook_Multiple Linear Regression.ipynb
index d4bdd90..53cee3d 100644
--- a/Forecast/Sales Forecast for retail store/notebook_Multiple Linear Regression.ipynb
+++ b/Forecast/Sales Forecast for retail store/notebook_Multiple Linear Regression.ipynb
@@ -5599,7 +5599,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Sales Forecast for retail store"
+ "title": "Sales Forecast for retail store",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um wöchentliche Umsatzprognosen für verschiedene Filialen und Abteilungen eines Einzelhändlers zu erstellen und damit die Bestandsentscheidungen und Marketingstrategien zu optimieren."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Forecast/Sales Forecast for retail store/notebook_Random Forrest Regressor.ipynb b/Forecast/Sales Forecast for retail store/notebook_Random Forrest Regressor.ipynb
index 73ce88c..81dbaa2 100644
--- a/Forecast/Sales Forecast for retail store/notebook_Random Forrest Regressor.ipynb
+++ b/Forecast/Sales Forecast for retail store/notebook_Random Forrest Regressor.ipynb
@@ -5122,7 +5122,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Sales Forecast for retail store"
+ "title": "Sales Forecast for retail store",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um wöchentliche Umsatzprognosen für verschiedene Filialen und Abteilungen eines Einzelhändlers zu erstellen und damit die Bestandsentscheidungen und Marketingstrategien zu optimieren."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Health/Risk prediction of heart disease/notebook.ipynb b/Health/Risk prediction of heart disease/notebook.ipynb
index a80619c..9d29f07 100644
--- a/Health/Risk prediction of heart disease/notebook.ipynb
+++ b/Health/Risk prediction of heart disease/notebook.ipynb
@@ -2779,7 +2779,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.9"
},
- "title": "Risk prediction of heart disease"
+ "title": "Risk prediction of heart disease",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models einen Dienst entwickeln, um das Risiko der Entwicklung einer koronaren Herzkrankheit basierend auf verschiedenen demografischen, verhaltensbezogenen und medizinischen Faktoren vorherzusagen "
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Insurance/Insurance Fraud detection/notebook_1.ipynb b/Insurance/Insurance Fraud detection/notebook_1.ipynb
index b3f21bd..b234a47 100644
--- a/Insurance/Insurance Fraud detection/notebook_1.ipynb
+++ b/Insurance/Insurance Fraud detection/notebook_1.ipynb
@@ -4650,7 +4650,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Insurance Fraud detection"
+ "title": "Insurance Fraud detection",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um Versicherungsbetrug anhand von umfangreichen Versicherungsanspruchsdaten zu erkennen und zu verhindern."
},
"nbformat": 4,
"nbformat_minor": 5
diff --git a/Insurance/Insurance Fraud detection/notebook_2.ipynb b/Insurance/Insurance Fraud detection/notebook_2.ipynb
index f5b1249..4de746f 100644
--- a/Insurance/Insurance Fraud detection/notebook_2.ipynb
+++ b/Insurance/Insurance Fraud detection/notebook_2.ipynb
@@ -1437,6 +1437,7 @@
"version": "3.8.5"
},
"title": "Insurance Fraud detection",
+ "teaser": "In diesem Praxisbeispiel wird ein Machine Learning-Modell angewendet, um Versicherungsbetrug anhand von umfangreichen Versicherungsanspruchsdaten zu erkennen und zu verhindern.",
"category": "Insurance"
},
"nbformat": 4,
diff --git a/Insurance/Predicting mental illness for health insurance/notebook.ipynb b/Insurance/Predicting mental illness for health insurance/notebook.ipynb
index 94925fb..0ce5414 100644
--- a/Insurance/Predicting mental illness for health insurance/notebook.ipynb
+++ b/Insurance/Predicting mental illness for health insurance/notebook.ipynb
@@ -10137,8 +10137,9 @@
"pygments_lexer": "ipython3",
"version": "3.8.9"
},
- "title": "Predicting mental illness for health insurance"
- },
+ "title": "Predicting mental illness for health insurance",
+ "teaser": "In diesem Praxisbeispiel nutzt ein weltweit agierendes Versicherungsunternehmen Machine Learning-Modelle, um das Risiko psychischer Erkrankungen vorherzusagen und entsprechende Versicherungsprämien festzulegen."
+},
"nbformat": 4,
"nbformat_minor": 4
}
diff --git a/Insurance/Prediction Interest for car insurance/notebook.ipynb b/Insurance/Prediction Interest for car insurance/notebook.ipynb
index f65f978..93aa207 100644
--- a/Insurance/Prediction Interest for car insurance/notebook.ipynb
+++ b/Insurance/Prediction Interest for car insurance/notebook.ipynb
@@ -4643,7 +4643,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.5"
},
- "title": "Prediction Interest for car insurance"
+ "title": "Prediction Interest for car insurance",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models analysieren, ob es Kunden gibt, die sich für eine Kfz-Versicherung interessieren, um abzuschätzen, ob sich eine aktive Kundenansprache überhaupt lohnt. "
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Maintenance/Prediction of IOT system failures based on sensor data/notebook.ipynb b/Maintenance/Prediction of IOT system failures based on sensor data/notebook.ipynb
index 8b67e1d..da97c80 100644
--- a/Maintenance/Prediction of IOT system failures based on sensor data/notebook.ipynb
+++ b/Maintenance/Prediction of IOT system failures based on sensor data/notebook.ipynb
@@ -3672,7 +3672,8 @@
"pygments_lexer": "ipython3",
"version": "3.8.9"
},
- "title": "Prediction of IOT system failures based on sensor data"
+ "title": "Prediction of IOT system failures based on sensor data",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models personalisierte Spotify Playlists erstellen, die dem Musikgeschmack des Endnutzers entsprechen."
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Marketing/Generation of Individual Playlists/notebook.ipynb b/Marketing/Generation of Individual Playlists/notebook.ipynb
index c7b85de..2ea2bf9 100644
--- a/Marketing/Generation of Individual Playlists/notebook.ipynb
+++ b/Marketing/Generation of Individual Playlists/notebook.ipynb
@@ -1492,8 +1492,9 @@
"version": "3.7.4"
},
"title": "Generation of Individual Playlists",
- "category": "Marketing"
- },
+ "category": "Marketing",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models personalisierte Spotify Playlists erstellen, die dem Musikgeschmack des Endnutzers entsprechen."
+},
"nbformat": 4,
"nbformat_minor": 1
}
\ No newline at end of file
diff --git a/Marketing/Predicting clicks on online advertising by Facebook/notebook.ipynb b/Marketing/Predicting clicks on online advertising by Facebook/notebook.ipynb
index fc9195f..3a4563d 100644
--- a/Marketing/Predicting clicks on online advertising by Facebook/notebook.ipynb
+++ b/Marketing/Predicting clicks on online advertising by Facebook/notebook.ipynb
@@ -1293,7 +1293,8 @@
"version": "3.8.9"
},
"title": "Predicting clicks on online advertising by Facebook",
- "category": "Marketing"
+ "category": "Marketing",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models versuchen zu prognostizieren, ob ein Website Besucher auf eine Werbung klicken wird."
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Online Retail/Size prediction for online fashion retailer/notebook.ipynb b/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
index 3c2f7d9..fabb52c 100644
--- a/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
+++ b/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
@@ -2807,7 +2807,8 @@
"version": "3.7.4"
},
"title": "Size prediction for online fashion retailer",
- "category": "Online Retail"
+ "category": "Online Retail",
+ "teaser": "In diesem Praxisbeispiel koennen Sie mithilfe des Machine Learning Models die passende Größe vorhersagen, um die Rücksendungen aufgrund falscher Größen zu minimieren."
},
"nbformat": 4,
"nbformat_minor": 1
diff --git a/Rating/Accommodation rating/notebook.ipynb b/Rating/Accommodation rating/notebook.ipynb
index c6adf60..d5eba65 100644
--- a/Rating/Accommodation rating/notebook.ipynb
+++ b/Rating/Accommodation rating/notebook.ipynb
@@ -7630,7 +7630,8 @@
"version": "3.8.9"
},
"title": "Accommodation rating",
- "category": "Rating"
+ "category": "Rating",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models automatisierte Preisberechnungen basierend auf den Eigenschaften der Unterkünfte entwickeln, um genaue Preisvorhersagen für zukünftige Air BnB Buchungen zu ermöglichen."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Rating/Digital Valuation of Real Estate/notebook.ipynb b/Rating/Digital Valuation of Real Estate/notebook.ipynb
index 571437a..758d2c6 100644
--- a/Rating/Digital Valuation of Real Estate/notebook.ipynb
+++ b/Rating/Digital Valuation of Real Estate/notebook.ipynb
@@ -6776,7 +6776,8 @@
"version": "3.8.9"
},
"title": "Digital Valuation of Real Estate",
- "category": "Rating"
+ "category": "Rating",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models, gegebenen Merkmale einer Unterkunft analysieren und einen entsprechenden Preis berechnen, sodass Prozessschritte automatisiert werden können, indem Immobilienobjekte bewertet werden, ohne dass ein Gutachter vor Ort die Immobilie besichtigen muss."
},
"nbformat": 4,
"nbformat_minor": 2
diff --git a/Rating/What Quality does the Red wine have/notebook.ipynb b/Rating/What Quality does the Red wine have/notebook.ipynb
index 813f0ee..5a6db92 100644
--- a/Rating/What Quality does the Red wine have/notebook.ipynb
+++ b/Rating/What Quality does the Red wine have/notebook.ipynb
@@ -3427,7 +3427,8 @@
"version": "3.8.9"
},
"title": "What Quality does the Red wine have",
- "category": "Rating"
+ "category": "Rating",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models die Qualität neuer Weinpartien basierend auf deren chemischen Eigenschaften vorhersagen, um die subjektiven und teuren Bewertungen der Weinverkoster zu ersetzen."
},
"nbformat": 4,
"nbformat_minor": 5
diff --git a/Success Predicition/Prediction of Successful or Failed Startups/notebook.ipynb b/Success Predicition/Prediction of Successful or Failed Startups/notebook.ipynb
index 82a83ef..497758a 100644
--- a/Success Predicition/Prediction of Successful or Failed Startups/notebook.ipynb
+++ b/Success Predicition/Prediction of Successful or Failed Startups/notebook.ipynb
@@ -6816,7 +6816,8 @@
"version": "2.1.0"
},
"title": "Prediction of Successful or Failed Startups",
- "category": "Success Predicition"
+ "category": "Success Predicition",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models einen Dienst entwickeln, dessen Ziel es ist, den Erfolg oder Misserfolg von Startups vorherzusagen."
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Tourism/Prediction cancellation of hotel bookings/notebook.ipynb b/Tourism/Prediction cancellation of hotel bookings/notebook.ipynb
index 6c3d2be..cf42404 100644
--- a/Tourism/Prediction cancellation of hotel bookings/notebook.ipynb
+++ b/Tourism/Prediction cancellation of hotel bookings/notebook.ipynb
@@ -2140,7 +2140,8 @@
"version": "3.7.4"
},
"title": "Prediction cancellation of hotel bookings",
- "category": "Tourism"
+ "category": "Tourism",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models einen Dienst entwickeln, der testet, ob es möglich ist Hotelstornierungen hervorzusagen."
},
"nbformat": 4,
"nbformat_minor": 1
diff --git a/Tourism/flight delay prediction/notebook.ipynb b/Tourism/flight delay prediction/notebook.ipynb
index 2124f05..008d40f 100644
--- a/Tourism/flight delay prediction/notebook.ipynb
+++ b/Tourism/flight delay prediction/notebook.ipynb
@@ -2000,7 +2000,8 @@
"version": "3.8.5"
},
"title": "flight delay prediction",
- "category": "Tourism"
+ "category": "Tourism",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models einen Dienst zur Vorhersage über Flugverspätungen entwickeln. "
},
"nbformat": 4,
"nbformat_minor": 4
diff --git a/Warehouse/Classification of clothing through images/notebook.ipynb b/Warehouse/Classification of clothing through images/notebook.ipynb
index 6a032b0..56c7874 100644
--- a/Warehouse/Classification of clothing through images/notebook.ipynb
+++ b/Warehouse/Classification of clothing through images/notebook.ipynb
@@ -2937,7 +2937,8 @@
"version": "3.8.9"
},
"title": "Classification of clothing through images",
- "category": "Warehouse"
+ "category": "Warehouse",
+ "teaser": "In diesem Praxisbeispiel können Sie mithilfe des Machine Learning Models einen Dienst entwickeln, der Retouren automatisch identifiziert und etikettiert, um sie effizient wieder aufzufüllen und weiterzuverkaufen."
},
"nbformat": 4,
"nbformat_minor": 4
--
GitLab