Este é o aplicativo Linux chamado MLJAR Studio, cuja versão mais recente pode ser baixada como v1.1.18sourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute on-line este aplicativo chamado MLJAR Studio com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
Estúdio MLJAR
DESCRIÇÃO
Estamos trabalhando em uma nova maneira de programar visualmente. Desenvolvemos um aplicativo desktop chamado MLJAR Studio. É um ambiente de desenvolvimento baseado em notebook com receitas de código interativas e um ambiente Python gerenciado. Tudo rodando localmente na sua máquina. Aguardamos seu feedback. O mljar-supervised é um pacote Python de Aprendizado de Máquina Automatizado que trabalha com dados tabulares. Ele foi projetado para economizar o tempo de um cientista de dados. Ele abstrai a maneira comum de pré-processar os dados, construir os modelos de aprendizado de máquina e realizar o ajuste de hiperparâmetros para encontrar o melhor modelo. Não é uma caixa preta, pois você pode ver exatamente como o pipeline de ML é construído (com um relatório Markdown detalhado para cada modelo de ML).
Recursos
- Ele usa muitos algoritmos: Baseline, Linear, Random Forest, Extra Trees, LightGBM, Xgboost, CatBoost, Neural Networks e Nearest Neighbors
- Ele pode calcular o Ensemble com base em um algoritmo guloso do artigo de Caruana
- Ele pode empilhar modelos para construir um conjunto de nível 2 (disponível no modo Compete ou após definir o parâmetro stack_models)
- Ele pode realizar pré-processamento de recursos, como imputação de valores ausentes e conversão de categorias. Além disso, também pode lidar com pré-processamento de valores-alvo.
- Ele pode fazer engenharia de recursos avançados, como Golden Features, seleção de recursos, transformações de texto e tempo
- Ele pode ajustar hiperparâmetros com um algoritmo de busca não tão aleatório (busca aleatória em um conjunto definido de valores) e escalada para ajustar os modelos finais
- Ele pode calcular a linha de base para seus dados para que você saiba se precisa de aprendizado de máquina ou não
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/mljar-studio.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
