pipeline machine learning pour vos propres projets

Fonctionnalités

• Fichiers read_file, write_file, edit_file, delete_file, make_dir, move_file, copy_file, list_dir, grep, glob fonctionnent dans le dossier de discussion.
• Shell exécute des commandes terminal comme les builds et les tests, jugeant du succès grâce au code de sortie réel.
• Web web_search trouve des informations et http_get lit les pages de documentation officielle.
• Captures d'écran et images gen_image sauvegarde de vrais fichiers image et ocr lit le texte depuis les captures d'écran.
• Orchestration task divise le travail en sous-agents parallèles et run_on_model envoie les étapes difficiles à des modèles plus grands.
• Modes de validation Auto-run agit immédiatement, Ask first fait une pause avant les modifications, Plan only écrit un plan.
• Cron exécute des invites selon un calendrier.
• Modèles utilisez un fournisseur cloud, un modèle local ou le modèle intégré avec un bouton Test.

Tutoriels

Étapes pour débutants

Lancez votre pipeline de machine learning en choisissant une petite idée comme un filtre anti-spam, et l'agent utilise list_dir pour voir la structure de votre dossier. C'est réel. L'agent utilise glob pour trouver les scripts pertinents dans votre dossier de projet. Il utilise ensuite read_file pour inspecter soigneusement votre code de chargement des données. Ensuite, il utilise write_file pour créer un script de base simple pour vous. Les personnes qui recherchent des 'projets ml pratiques valorisants sur CV' commencent souvent par ce type de structure claire. Il utilise edit_file pour modifier le script si nécessaire, affichant un diff en mode Ask first. Enfin, il exécute votre commande d'entraînement dans l'outil Shell pour un résultat réel.

Revue avancée

L'agent utilise grep pour trouver où un paramètre est utilisé dans votre base de code et web_search pour trouver la documentation officielle de votre bibliothèque. Simple. Il utilise task pour diviser une revue en parties pour le traitement parallèle. http_get lit des pages spécifiques tandis que gen_image sauvegarde un graphique. ocr lit le texte depuis une capture d'écran et run_on_model gère les étapes difficiles. L'extension de contrôle de version gère les branches et les commits pour vos projets de machine learning débutants. Cron programme les tâches pour que vous revoyez le plan en mode Plan only. Des idées de projets ml réels émergent lorsque vous passez en Auto-run pour lui permettre de terminer.