2.9.30
Veröffentlicht am 8. Nov. 2026
Offizielle Model Ledger-Website
Machine Learning Projects auf Windows
Model Ledger 2.9.30 läuft auf Windows 10/11 mit einer Oberfläche in 13 Sprachen. Es erstellt Machine Learning Projects in Ihrem Ordner, indem es Tools ausführt und Ergebnisse anzeigt.
Finden Sie das häufigste Label in meiner CSV-Datei und berechnen Sie die Baseline-Genauigkeit.
- list_dir
.1 Datei - read_file
data.csvgeladen - write_file
baseline.pygespeichert - Shell
python baseline.pyexit 0 - edit_file
baseline.py+2 Zeilen
wartet auf Ihre Freigabe vor dem nächsten SchrittAblehnenAkzeptieren
34 MB
Größe des Installationsprogramms
25 MB
Einzelne .exe-Datei
13
Oberflächensprachen
Windows 10/11
x64-Architektur
Lokal
Keine Telemetriedaten
Machine Learning Projects
Machine Learning Projects lehren Programme, Muster in Daten zu erkennen, und der Agent hilft Ihnen, diese in Ihrem eigenen Ordner zu erstellen, indem er Befehle ausführt und echte Ergebnisse anzeigt. Fangen Sie klein an. Für die lokale Ausführung auf Ihrem PC ist kein Konto erforderlich. Das Setup-Programm ist für Windows-Nutzer etwa 34 MB groß.
Erste Baseline für ein kleines CSV-Projekt
list_dir untersucht die Projektordnerstruktur, während read_file die Daten lädt, sodass Sie die echten Ergebnisse sofort und klar für jedes Machine Learning Project sehen. Starten Sie jetzt. write_file erstellt das Baseline-Skript, um einen Leistungsmaßstab für Ihre Python-Machine-Learning-Projekte zu etablieren. Shell führt den Training-Befehl aus und gibt den Exit-Code für jedes ML-Projekt zurück. Model Ledger ist Version 2.9.30 für Machine Learning-Beispiele und -Projekte. Der Diff zur Annahme erscheint im Ask first-Modus, bevor Änderungen übernommen werden.
Tool-Verlauf
list_dir . → 1 file
read_file data.csv → loaded
write_file baseline.py → saved
shell python baseline.py → exit 0Machine Learning Project-Ideen erkunden
Sie können das Shell-Tool verwenden, um Terminalbefehle wie Linter und Tests auszuführen, und der Agent gibt die echte Ausgabe und den Exit-Code zurück, um den Erfolg in diesem Workflow zu bestätigen. Das ist praktisch. Das edit_file-Tool zeigt jede Änderung als Diff an, bevor Sie sie im Ask first-Modus akzeptieren. Sie können nach Machine Learning Project-Ideen suchen, indem Sie web_search verwenden, um Themen für Ihre Arbeit zu finden. Das read_file-Tool untersucht Ihre Skripte, und das list_dir-Tool zeigt die Ordnerstruktur für Version 2.9.30. Sie können ein Mini-Projekt erstellen, um zu testen, was Sie mit diesen Tools gelernt haben.
Tool-Verlauf
list_dir . → lists project files
read_file baseline.py → shows the script
grep "accuracy" baseline.py → 1 match
write_file results.csv → savedML-Projekte lokal ausführen
Die lokale Ausführung hält Ihre Daten sicher, da der Agent Shell verwendet, um Befehle auszuführen, und den Exit-Code auf Erfolg in Ihrem Ordner überprüft. Verwenden Sie ML-Projekte. Der Agent bearbeitet Dateien mit Diffs, sodass Sie die Änderungen überprüfen können, bevor sie übernommen werden. Sie können read_file verwenden, um das Projekt zu untersuchen, und grep, um zu finden, wo eine Einstellung verwendet wird. Der Agent zeichnet die Ergebnisse im Chat auf, sodass Sie den Projektordner sauber halten. Die Oberfläche unterstützt 13 Sprachen für Benutzer auf der ganzen Welt.
Python-Machine-Learning-Projekte erstellen
Der Agent verwendet read_file, um Daten zu untersuchen, und grep, um bestimmte Muster zu finden, sodass Sie den Kontext überprüfen können, bevor Änderungen vorgenommen werden. Überprüfen Sie Diffs sorgfältig. Edit_file erstellt Änderungen, die als Diffs zur sorgfältigen Überprüfung erscheinen. Python ist die übliche Sprache für diese Skripte und wird häufig für Machine-Learning-Aufgaben verwendet. Shell führt Befehle aus, um Ergebnisse mit echten Exit-Codes und Logs zu überprüfen. Dieser Ansatz unterstützt Ihre Projektideen effektiv, indem er Sie seit Version 2.9.30 in der Kontrolle hält.
Der Unterschied
Model Ledger v2.9.30 führt Tools aus, sodass Sie echte Ausgaben und jede Änderung für Ihren ML-Finalprojekt-Rat sehen. Es führt Tools aus.
| Typischer Chat-Assistent | Model Ledger | |
|---|---|---|
| Aktionen | Schlägt Aktionen vor | Führt Aktionen aus |
| Ausgabe | Zeigt Text an | Zeigt echten Exit-Code an |
| Dateien | Generiert Code | Schreibt auf die Festplatte |
| Steuerung | Sie kopieren und führen den Code selbst aus | Ask first-Modus |
So starten Sie
- Laden Sie die 34 MB große Setup-Datei herunter.
- Führen Sie den Installer auf Windows 10 oder 11 aus.
- Öffnen Sie die App und wählen Sie Ihr Modell aus.
- Starten Sie Ihr erstes Machine Learning Project.
Wer nutzt es und wann
Anfänger verwenden Model Ledger, um Machine Learning-Beispiele zu lernen, weil der Agent Befehle ausführt und Sie die echten Ausgaben von jeder Karte überprüfen, um die Ergebnisse zu verstehen. Version 2.9.30 hilft. Es unterstützt 13 Sprachen und liest die Datei im Arbeitsordner.
Im Ask first-Modus wartet der Diff auf Ihre Genehmigung, sodass Sie die Änderung überprüfen, bevor sie in Ihrem Projektordner übernommen wird. Prüfen Sie es. Sie behalten Ihren Workflow und kontrollieren jeden Schritt des Prozesses.
Studenten verwenden den Agenten, um Skripte zu schreiben und Tests auszuführen, sodass sie ihre Daten lokal halten, während sie für die eingereichte Arbeit verantwortlich bleiben. Kein Konto erforderlich. Die Daten verbleiben nur mit einem lokalen Modell auf dem PC.
Häufig gestellte Fragen
Was sind Machine Learning Projects?
Ein Machine Learning Project lehrt ein Programm, Muster in Daten zu erkennen, anstatt handgeschriebene Regeln zu befolgen, sodass Sie das Problem definieren und den Erfolg messen, indem Sie Ihre Bibliothek mit Ihrem Datensatz verwenden. Fangen Sie jetzt an. Führen Sie die Baseline aus und bewerten Sie sie an ungesehenen Daten, um die Modellleistung zu überprüfen.
Ist themlcode.com die offizielle Model Ledger-Website?
Ja, themlcode.com ist die offizielle Model Ledger-Website, auf der Sie den Installer herunterladen und die SHA-256-Prüfsumme gegen das veröffentlichte Manifest überprüfen, um die Integrität zu gewährleisten, bevor Sie sie auf Ihrem Windows-Gerät ausführen. Überprüfen Sie den Hash. Verwenden Sie die Schaltfläche Send feedback für Support, wenn Sie Hilfe benötigen.
Trainiert Model Ledger Modelle für mich?
Nein, Model Ledger trainiert keine Modelle für Sie, weil es Ihre Befehle ausführt und den Exit-Code anzeigt, während Sie die Daten und die Bibliothek bereitstellen. Sie sehen jede Änderung. Es führt Ihre Anweisungen aus.
Was ist der Ask first-Modus?
Ask first ist ein Modus, der vor jeder Aktion, die etwas ändert, pausiert, sodass Sie die Bearbeitung überprüfen, bevor der Agent sie ausführt. Es pausiert. Dies hält Ihre Projektdateien sicher, bis Sie sich entscheiden, mit den Änderungen fortzufahren.
Kann der Agent bei einem Regressionsprojekt helfen, das eine Zahl vorhersagt?
Ja, der Agent hilft beim Schreiben und Ausführen eines Regressionsskripts, sodass Ihr Code MAE oder RMSE aus dem echten Lauf auf Ihrer Maschine meldet. Überprüfen Sie die Ergebnisse. Der Agent speichert die Logs für Ihre Aufzeichnungen und stellt sicher, dass Sie einen Beweis für die Arbeit haben.
Wie funktioniert der Datenschutz mit Cloud-Modellen?
Geheimnisse in der Tool-Ausgabe werden maskiert, bevor sie das Modell erreichen, und Prompts gehen nur an den Endpunkt, den Sie für die sichere Verarbeitung Ihrer Daten auswählen. Es bleibt lokal. Ihre privaten Informationen verbleiben während jedes Vorgangs auf dem PC.
Wie groß ist die Datei?
Das Setup-Programm ist 34 MB groß und die portable einzelne .exe ist etwa 25 MB groß für Windows 10/11 mit Version 2.9.30, die 13 Sprachen unterstützt. Läuft lokal. Kein Konto erforderlich, um die Anwendung auf Ihrer eigenen Maschine auszuführen.
Starten Sie Ihr Projekt
Laden Sie Model Ledger für Ihre Machine Learning Projects herunter, weil Version 2.9.30 Dateien bearbeitet und Befehle ausführt, um echte Ergebnisse anzuzeigen. Dateien bearbeiten.
Model Ledger für Windows herunterladen ↗Schnellzugriffe
Die Seiten dieser Website sind in 20 Sprachen verfügbar.
Produktübersicht ↗ Modellkonfiguration ↗ Workflow-Bibliothek ↗ Installer herunterladen ↗ FAQ-Seite ↗ Datenschutzerklärung ↗
