फ़ाइलें
अपनी वर्किंग फ़ोल्डर में सीधे फ़ाइलें पढ़ें, लिखें, संपादित करें, हटाएं और सूचीबद्ध करें।
Model Ledger आपको अपनी फ़ोल्डर में फ़ाइलें पढ़ने, संपादित करने और कमांड्स चलाने के माध्यम से मशीन लर्निंग पाइपलाइन के स्क्रिप्ट्स बनाने में मदद करता है और वास्तविक आउटपुट दिखाता है।
अपनी वर्किंग फ़ोल्डर में सीधे फ़ाइलें पढ़ें, लिखें, संपादित करें, हटाएं और सूचीबद्ध करें।
टर्मिनल कमांड्स चलाएं और वास्तविक आउटपुट व एग्जिट कोड देखें।
परिवर्तनों से पहले रोकें, पहले योजना बनाएं, या क्रियाओं को स्वचालित रूप से चलाएं।
एजेंट आपके प्रोजेक्ट की जांच करता है, कमांड्स चलाता है, स्क्रिप्ट्स संपादित करता है, और हर परिवर्तन को diff के रूप में दिखाता है; Ask first मोड में diff आपके OK का इंतज़ार करता है।
.1 matchbaseline.pysavedbaseline.py3 changespython baseline.pyexit 0baseline.py8 linesअपनी मशीन लर्निंग पाइपलाइन शुरू करें, जैसे कि एक स्पैम फ़िल्टर जैसा छोटा आइडिया चुनकर, और एजेंट list_dir का उपयोग करके आपकी फ़ोल्डर संरचना देखता है। यह वास्तविक है। एजेंट glob का उपयोग करके आपके प्रोजेक्ट फ़ोल्डर में प्रासंगिक स्क्रिप्ट्स खोजता है। फिर वह read_file का उपयोग करके आपके डेटा लोडिंग कोड का सावधानीपूर्वक निरीक्षण करता है। अगला, वह write_file का उपयोग करके आपके लिए एक सरल बेसलाइन स्क्रिप्ट बनाता है। 'practical resume worthy ml projects' खोजने वाले अक्सर इस स्पष्ट संरचना से शुरू करते हैं। वह edit_file का उपयोग करके यदि आवश्यक हो तो स्क्रिप्ट को बदलता है, Ask first मोड में diff दिखाते हुए। अंत में, वह Shell टूल में आपकी ट्रेनिंग कमांड वास्तविक आउटपुट के लिए चलाता है।
एजेंट grep का उपयोग करके यह खोजता है कि कोई सेटिंग आपके कोडबेस में कहाँ उपयोग की जाती है और web_search का उपयोग करके आपकी लाइब्रेरी के लिए आधिकारिक दस्तावेज़ खोजता है। सरल। वह task का उपयोग करके समीक्षा को समानांतर प्रसंस्करण के लिए भागों में बांटता है। http_get विशिष्ट पेज पढ़ता है जबकि gen_image प्लॉट सेव करता है। ocr स्क्रीनशॉट से टेक्स्ट पढ़ता है और run_on_model कठिन चरण संभालता है। वर्जन-कंट्रोल स्किल आपके शुरुआती लोगों के लिए मशीन लर्निंग प्रोजेक्ट्स के लिए ब्रांच और कमिट्स प्रबंधित करता है। Cron कार्यों को शेड्यूल करता है ताकि आप Plan only मोड में योजना की समीक्षा कर सकें। Auto-run में स्विच करके इसे पूरा करने दें, तो रियल वर्ल्ड ml प्रोजेक्ट आइडियाज सामने आते हैं।
इसका उपयोग केवल अपने फ़ाइलों, डेटा और सिस्टम पर करें, या उन पर जिनके लिए आपके पास लिखने की अनुमति है, और इसकी जिम्मेदारी आपकी है। एप्लिकेशन यह गारंटी नहीं देता कि कोड या विश्लेषण सही है, इसलिए diff की समीक्षा करें और टेस्ट्स चलाएं। यह resume के लिए ml प्रोजेक्ट्स के अच्छे विषय खोजने के लिए उपयोगी है।