هذا تطبيق ويندوز يُسمى Active Learning، ويمكن تنزيل أحدث إصدار منه بـ active-learningsourcecode.tar.gz. ويمكن تشغيله عبر الإنترنت من خلال موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى بالتعلم النشط مع OnWorks عبر الإنترنت مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل أي محاكي لنظام التشغيل OnWorks عبر الإنترنت من موقع الويب هذا ، ولكن أفضل محاكي Windows عبر الإنترنت.
- 5. من نظام التشغيل OnWorks Windows الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته.
- 7. قم بتنزيل Wine من مستودعات برامج توزيعات Linux الخاصة بك. بمجرد التثبيت ، يمكنك النقر نقرًا مزدوجًا فوق التطبيق لتشغيله باستخدام Wine. يمكنك أيضًا تجربة PlayOnLinux ، وهي واجهة رائعة على Wine والتي ستساعدك على تثبيت برامج وألعاب Windows الشائعة.
يعد Wine طريقة لتشغيل برامج Windows على نظام Linux ، ولكن بدون الحاجة إلى Windows. Wine عبارة عن طبقة توافق Windows مفتوحة المصدر يمكنها تشغيل برامج Windows مباشرة على أي سطح مكتب Linux. بشكل أساسي ، يحاول Wine إعادة تنفيذ ما يكفي من Windows من البداية حتى يتمكن من تشغيل جميع تطبيقات Windows دون الحاجة إلى Windows بالفعل.
تعليم فعال
Ad
الوصف
التعلم النشط هو إطار عمل بحثي قائم على بايثون، طورته جوجل لتجربة ومقارنة خوارزميات التعلم النشط المختلفة. يوفر هذا الإطار أدوات معيارية لإجراء تجارب قابلة للتكرار عبر مجموعات بيانات مختلفة، واستراتيجيات أخذ العينات، ونماذج التعلم الآلي. يتيح النظام للباحثين دراسة كيفية تحسين النماذج لكفاءة التصنيف من خلال الاستعلام الانتقائي عن نقاط البيانات الأكثر إفادة بدلاً من الاعتماد على مجموعات التدريب ذات العينات الموحدة. يدعم مُشغّل التجربة الرئيسي (run_experiment.py) مجموعة واسعة من التكوينات، بما في ذلك أحجام الدفعات، ومجموعات البيانات الفرعية، واختيار النموذج، وخيارات المعالجة المسبقة للبيانات. يتضمن العديد من استراتيجيات التعلم النشط الراسخة، مثل أخذ العينات غير المؤكدة، والاختيار الجشع بمركز k، والأساليب القائمة على اللصوص، مع السماح أيضًا بتنفيذ خوارزميات مخصصة. يتكامل الإطار مع كل من نماذج التعلم الآلي التقليدية (SVM، والانحدار اللوجستي) والشبكات العصبية.
شرح المميزات:
- إطار عمل تجريبي معياري لبحوث التعلم النشط
- يدعم مجموعات البيانات والنماذج المتعددة بما في ذلك SVMs والانحدار اللوجستي وشبكات CNN
- تنفيذ مجموعة متنوعة من استراتيجيات التعلم النشط مثل أخذ العينات الهامشي والجشع في مركز k
- يسمح بتكوين مرن للمعلمات مثل حجم الدفعة ونسبة البدء الدافئ والتحكم في الضوضاء
- التكامل السهل للنماذج الجديدة وطرق أخذ العينات من خلال واجهة برمجة التطبيقات القابلة للتوسيع
- يوفر أدوات شاملة للتحليل والمقارنة التجريبية
لغة البرمجة
Python
التصنيفات
هذا تطبيق يُمكن تنزيله أيضًا من https://sourceforge.net/projects/active-learning.mirror/. وقد استُضيف في OnWorks لتشغيله عبر الإنترنت بسهولة من أحد أنظمتنا التشغيلية المجانية.
