ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ NannyML ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v0.8.5.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ NannyML ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ພາບຫນ້າຈໍ:
NannyML
DESCRIPTION:
NannyML ເປັນຫ້ອງສະໝຸດ python ແຫຼ່ງເປີດທີ່ຊ່ວຍໃຫ້ທ່ານສາມາດປະເມີນປະສິດທິພາບຂອງຕົວແບບຫຼັງການນຳໃຊ້ (ໂດຍບໍ່ມີການເຂົ້າເຖິງເປົ້າໝາຍ), ກວດຫາຂໍ້ມູນ drift, ແລະເຊື່ອມຕໍ່ການແຈ້ງເຕືອນ drift ຂໍ້ມູນຢ່າງສະຫຼາດກັບການປ່ຽນແປງໃນການປະຕິບັດຕົວແບບ. ສ້າງຂຶ້ນສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ, NannyML ມີການໂຕ້ຕອບທີ່ງ່າຍຕໍ່ການໃຊ້, ແລະການເບິ່ງເຫັນແບບໂຕ້ຕອບ, ແມ່ນຕົວແບບທີ່ບໍ່ຫນ້າເຊື່ອ, ແລະປະຈຸບັນສະຫນັບສະຫນູນກໍລະນີການນໍາໃຊ້ການຈັດປະເພດຕາຕະລາງທັງຫມົດ. NannyML ປິດວົງດ້ວຍການຕິດຕາມປະສິດທິພາບ ແລະວິທະຍາສາດຂໍ້ມູນຫຼັງການນຳໃຊ້, ຊ່ວຍໃຫ້ນັກວິທະຍາສາດຂໍ້ມູນເຂົ້າໃຈໄດ້ໄວ ແລະກວດຫາຄວາມລົ້ມເຫຼວຂອງຕົວແບບທີ່ງຽບໄດ້ໂດຍອັດຕະໂນມັດ. ໂດຍການນໍາໃຊ້ NannyML, ສຸດທ້າຍນັກວິທະຍາສາດຂໍ້ມູນສາມາດຮັກສາການເບິ່ງເຫັນແລະຄວາມໄວ້ວາງໃຈຢ່າງສົມບູນໃນແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກຂອງພວກເຂົາ. ເມື່ອຜົນໄດ້ຮັບຕົວຈິງຂອງແບບຈໍາລອງການຄາດເດົາທີ່ຖືກນໍາໃຊ້ຂອງທ່ານຊັກຊ້າ, ຫຼືແມ້ກະທັ້ງໃນເວລາທີ່ປ້າຍເປົ້າຫມາຍຫຼັງຈາກການຕິດຕັ້ງແມ່ນບໍ່ມີຫມົດ, ທ່ານສາມາດນໍາໃຊ້ CBPE-algorithm ຂອງ NannyML ເພື່ອຄາດຄະເນການປະຕິບັດຕົວແບບ.
ຄຸນລັກສະນະ
- ການປະເມີນຜົນແລະການຕິດຕາມກວດກາ
- ສິ້ນສຸດການນອນບໍ່ຫລັບທີ່ເກີດຈາກການບໍ່ຮູ້ປະສິດທິພາບຕົວແບບຂອງທ່ານ
- ວິເຄາະຂໍ້ມູນ drift ແລະການປະຕິບັດຕົວແບບໃນໄລຍະເວລາ
- ຄົ້ນພົບສາເຫດຫຼັກທີ່ວ່າເປັນຫຍັງຕົວແບບຂອງເຈົ້າບໍ່ເຮັດວຽກຕາມທີ່ຄາດໄວ້
- ບໍ່ມີການແຈ້ງເຕືອນຄວາມເມື່ອຍລ້າ! ປະຕິກິລິຍາພຽງແຕ່ເມື່ອມີຄວາມຈໍາເປັນຖ້າການປະຕິບັດຕົວແບບໄດ້ຮັບຜົນກະທົບ
- ການຕັ້ງຄ່າທີ່ບໍ່ເຈັບປວດໃນສະພາບແວດລ້ອມໃດນຶ່ງ
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/nannyml.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.