זוהי אפליקציית Windows בשם MLJAR Studio, אשר את הגרסה האחרונה שלה ניתן להוריד כ-v1.1.18sourcecode.tar.gz. ניתן להריץ אותה באופן מקוון בספק האירוח החינמי OnWorks לתחנות עבודה.
הורד והפעל אונליין את האפליקציה הזו בשם MLJAR Studio עם OnWorks בחינם.
בצע את ההוראות הבאות כדי להפעיל את האפליקציה הזו:
- 1. הורד את היישום הזה למחשב שלך.
- 2. הזן במנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש שאתה רוצה.
- 3. העלה את היישום הזה במנהל קבצים כזה.
- 4. הפעל כל אמולטור מקוון של OS OnWorks מאתר זה, אך עדיף אמולטור מקוון של Windows.
- 5. ממערכת ההפעלה OnWorks Windows שזה עתה התחלת, עבור אל מנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש הרצוי.
- 6. הורד את האפליקציה והתקן אותה.
- 7. הורד את Wine ממאגרי התוכנה שלך להפצות לינוקס. לאחר ההתקנה, תוכל ללחוץ פעמיים על האפליקציה כדי להפעיל אותם עם Wine. אתה יכול גם לנסות את PlayOnLinux, ממשק מפואר מעל Wine שיעזור לך להתקין תוכניות ומשחקים פופולריים של Windows.
Wine היא דרך להפעיל תוכנת Windows על לינוקס, אך ללא צורך ב-Windows. Wine היא שכבת תאימות של Windows בקוד פתוח שיכולה להריץ תוכניות Windows ישירות על כל שולחן עבודה של לינוקס. בעיקרו של דבר, Wine מנסה להטמיע מחדש מספיק של Windows מאפס כדי שהוא יוכל להריץ את כל יישומי Windows מבלי להזדקק ל-Windows.
בצילומי מסך
Ad
סטודיו MLJAR
תיאור
אנו עובדים על דרך חדשה לתכנות חזותי. פיתחנו יישום שולחן עבודה בשם MLJAR Studio. זוהי סביבת פיתוח מבוססת מחשב נייד עם מתכוני קוד אינטראקטיביים וסביבת Python מנוהלת. הכל פועל באופן מקומי על המחשב שלך. אנו ממתינים למשוב שלך. mljar-supervised היא חבילת Python ללמידת מכונה אוטומטית שעובדת עם נתונים טבלאיים. היא נועדה לחסוך זמן עבור מדען נתונים. היא מציגה את הדרך הנפוצה לעיבוד מוקדם של הנתונים, בניית מודלי למידת מכונה וביצוע כוונון היפר-פרמטרים כדי למצוא את המודל הטוב ביותר. זו לא קופסה שחורה, מכיוון שניתן לראות בדיוק כיצד בנוי צינור למידה חישובית (עם דוח Markdown מפורט עבור כל מודל למידה חישובית).
תכונות
- הוא משתמש באלגוריתמים רבים: בסיס, לינארי, יער אקראי, עצים נוספים, LightGBM, Xgboost, CatBoost, רשתות נוירונים ושכנים קרובים ביותר.
- זה יכול לחשב את Ensemble על סמך אלגוריתם חמדן ממאמר של קרואנה.
- ניתן לערום מודלים כדי לבנות אנסמבל ברמה 2 (זמין במצב Compete או לאחר הגדרת הפרמטר stack_models)
- הוא יכול לבצע עיבוד מקדים של תכונות, כמו חישוב ערכים חסרים והמרת קטגוריות. יתרה מכך, הוא יכול גם לטפל בעיבוד מקדים של ערכי יעד.
- הוא יכול לבצע הנדסת תכונות מתקדמת, כמו תכונות זהב, בחירת תכונות, טרנספורמציות טקסט וזמן.
- הוא יכול לכוונן היפר-פרמטרים באמצעות אלגוריתם חיפוש לא-כל-כך-אקראי (חיפוש אקראי על פני קבוצת ערכים מוגדרת) וטיפוס גבעות כדי לכוונן את המודלים הסופיים בצורה מדויקת.
- זה יכול לחשב את קו הבסיס עבור הנתונים שלך כך שתדע אם אתה זקוק ללמידת מכונה או לא.
שפת תכנות
פיתון
כל הקטגוריות
זוהי אפליקציה שניתן להוריד גם מאתר https://sourceforge.net/projects/mljar-studio.mirror/. היא אוחסנה ב-OnWorks על מנת שניתן יהיה להריץ אותה באופן מקוון בצורה הקלה ביותר מאחת ממערכות ההפעלה החינמיות שלנו.
