این برنامه Windows با نام Modular Toolkit for Data Processing MDP است که آخرین نسخه آن را می توان با عنوان MDP-3.5-py2.py3-none-any.whl دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن را با نام Modular Toolkit for Data Processing MDP با OnWorks به صورت آنلاین 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.
جعبه ابزار مدولار برای MDP پردازش داده
Ad
شرح
جعبه ابزار مدولار برای پردازش داده (MDP) یک چارچوب پردازش داده پایتون است.
از دیدگاه کاربر، MDP مجموعه‌ای از الگوریتم‌های یادگیری تحت نظارت و بدون نظارت و سایر واحدهای پردازش داده است که می‌توانند در توالی‌های پردازش داده‌ها و معماری‌های شبکه فید فوروارد پیچیده‌تر ترکیب شوند.
از دیدگاه توسعه دهندگان علمی، MDP یک چارچوب مدولار است که به راحتی می توان آن را گسترش داد. پیاده سازی الگوریتم های جدید آسان و شهودی است. سپس واحدهای جدید پیاده سازی شده به طور خودکار با بقیه کتابخانه یکپارچه می شوند.
پایه الگوریتم های موجود به طور پیوسته در حال افزایش است و شامل روش های پردازش سیگنال (تحلیل مؤلفه اصلی، تجزیه و تحلیل مؤلفه مستقل، تجزیه و تحلیل ویژگی های آهسته)، روش های یادگیری چندگانه ([Hessian] Locally Linear Embedding)، چندین طبقه بندی، روش های احتمالی (تحلیل عاملی، RBM) است. ، روش های پیش پردازش داده ها و بسیاری دیگر.
مخاطبان
علم/تحقیق، آموزش، توسعه دهندگان
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می توان آن را از https://sourceforge.net/projects/mdp-toolkit/ نیز دریافت کرد. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
