این برنامه ویندوزی AutoMLPipeline.jl نام دارد که آخرین نسخه آن را می‌توانید با نام v0.4.7sourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام AutoMLPipeline.jl را به صورت رایگان با OnWorks دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
AutoMLPipeline.jl
شرح
AutoMLPipeline (AMLP) بسته‌ای است که ایجاد ساختارهای پیچیده خط لوله یادگیری ماشین را با استفاده از عبارات ساده، امری بدیهی می‌کند. این بسته از ویژگی‌های برنامه‌نویسی ماکروی داخلی جولیا برای پردازش نمادین و دستکاری عبارات خط لوله استفاده می‌کند و کشف ساختارهای بهینه برای رگرسیون و طبقه‌بندی یادگیری ماشین را آسان می‌سازد. برای روشن شدن موضوع، در اینجا یک عبارت خط لوله و ارزیابی یک گردش کار معمول یادگیری ماشین آورده شده است که ویژگی‌های عددی (numf) را به ترتیب برای تبدیل‌های ica (تحلیل مؤلفه مستقل) و pca (تحلیل مؤلفه اصلی) استخراج می‌کند و با کدگذاری بیت داغ (ohe) ویژگی‌های طبقه‌بندی‌شده (catf) یک داده معین برای مدل‌سازی rf (جنگل تصادفی) ترکیب می‌کند.
امکانات
- API نمادین pipeline برای بیان آسان و توصیف سطح بالا از ساختارهای پیچیده pipeline و گردش کار پردازش
- بسته‌بندی‌های API رایج برای کتابخانه‌های یادگیری ماشین از جمله Scikitlearn، DecisionTree و غیره
- معماری به راحتی قابل توسعه با بارگذاری بیش از حد تنها دو رابط اصلی: fit! و transform
- متا-آنسامبل‌ها که امکان ترکیب مجموعه‌ای از آنسامبل‌ها (در صورت نیاز به صورت بازگشتی) را برای روال‌های پیش‌بینی قوی فراهم می‌کنند
- انتخابگرهای ویژگی دسته‌ای و عددی برای روال‌های پیش‌پردازش تخصصی بر اساس انواع
- AutoMLPipeline در رجیستری بسته رسمی Julia قرار دارد.
زبان برنامه نویسی
جولیا
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/automlpipeline-jl.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.
