Active Learning이라는 이름의 Windows 앱이며, 최신 릴리스는 active-learningsourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
Active Learning with OnWorks라는 앱을 무료로 다운로드하여 온라인에서 실행해보세요.
이 앱을 실행하려면 다음 지침을 따르세요.
- 1. 이 애플리케이션을 PC에 다운로드했습니다.
- 2. 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX에 원하는 사용자 이름을 입력합니다.
- 3. 이러한 파일 관리자에서 이 응용 프로그램을 업로드합니다.
- 4. 이 웹사이트에서 모든 OS OnWorks 온라인 에뮬레이터를 시작하지만 더 나은 Windows 온라인 에뮬레이터를 시작합니다.
- 5. 방금 시작한 OnWorks Windows OS에서 원하는 사용자 이름으로 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX로 이동합니다.
- 6. 애플리케이션을 다운로드하여 설치합니다.
- 7. Linux 배포 소프트웨어 저장소에서 Wine을 다운로드합니다. 설치가 완료되면 앱을 두 번 클릭하여 Wine과 함께 실행할 수 있습니다. 인기 있는 Windows 프로그램 및 게임을 설치하는 데 도움이 되는 Wine을 통한 멋진 인터페이스인 PlayOnLinux를 사용해 볼 수도 있습니다.
Wine은 Linux에서 Windows 소프트웨어를 실행하는 방법이지만 Windows가 필요하지 않습니다. Wine은 모든 Linux 데스크탑에서 직접 Windows 프로그램을 실행할 수 있는 오픈 소스 Windows 호환성 계층입니다. 본질적으로 Wine은 Windows가 필요하지 않고 모든 Windows 응용 프로그램을 실행할 수 있도록 Windows를 처음부터 충분히 다시 구현하려고 합니다.
능동적 학습
Ad
기술
능동 학습(Active Learning)은 구글에서 개발한 파이썬 기반 연구 프레임워크로, 다양한 능동 학습 알고리즘을 실험하고 벤치마킹하기 위해 개발되었습니다. 다양한 데이터셋, 샘플링 전략, 머신 러닝 모델에 걸쳐 재현 가능한 실험을 실행할 수 있는 모듈식 도구를 제공합니다. 이 시스템을 통해 연구자들은 균일하게 샘플링된 학습 세트에 의존하는 대신, 가장 유용한 데이터 포인트를 선택적으로 쿼리하여 모델의 레이블링 효율성을 개선하는 방법을 연구할 수 있습니다. 주요 실험 실행기(run_experiment.py)는 배치 크기, 데이터셋 하위 세트, 모델 선택, 데이터 전처리 옵션 등 다양한 구성을 지원합니다. 불확실성 샘플링, k-센터 탐욕적 선택, 밴딧 기반 방법 등 기존 능동 학습 전략을 포함하며, 사용자 정의 알고리즘 구현도 가능합니다. 이 프레임워크는 SVM, 로지스틱 회귀와 같은 기존 머신 러닝 모델과 신경망을 모두 지원합니다.
기능
- 능동 학습 연구를 위한 모듈식 실험 프레임워크
- SVM, 로지스틱 회귀, CNN을 포함한 다양한 데이터 세트와 모델을 지원합니다.
- 마진 샘플링 및 k-센터 탐욕법과 같은 다양한 능동 학습 전략을 구현합니다.
- 배치 크기, 워밍업 비율, 노이즈 제어 등의 매개변수를 유연하게 구성할 수 있습니다.
- 확장 가능한 API를 통해 새로운 모델과 샘플링 방법을 쉽게 통합
- 실험적 비교를 위한 포괄적인 벤치마킹 및 분석 도구를 제공합니다.
프로그래밍 언어
Python
카테고리
이 애플리케이션은 https://sourceforge.net/projects/active-learning.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.