Model Ledger
वर्कफ़्लो

सरल मशीन लर्निंग प्रोजेक्ट

03
कैपस्टोन वर्कफ़्लो

अपने कैपस्टोन की तैयारी करें

एक छोटे डेटासेट और स्पष्ट लक्ष्य के साथ शुरू करें। एजेंट का उपयोग फ़ाइलों की सूची बनाने, डेटा पढ़ने और एक बेसलाइन स्क्रिप्ट चलाने के लिए करें। चैट कार्ड्स में परिणामों की जांच करें। आप "find datasets for data science projects" का उपयोग करके एक छोटे डेटासेट के साथ अपनी कौशल का अभ्यास कर सकते हैं जिसे आप स्वयं रखते हैं या जिसकी लाइसेंस के तहत उपयोग कर सकते हैं।

01

फ़ोल्डर खोलें

चैट खोलें और वर्किंग फ़ोल्डर को अपने प्रोजेक्ट रूट पर सेट करें।

02

फ़ाइलों की सूची बनाएं

वर्तमान संरचना देखने और सत्यापित करने के लिए कि आपका डेटा मौजूद है, list_dir चलाएं।

03

डेटा पढ़ें

अपने CSV डेटासेट की पहले कुछ पंक्तियों का निरीक्षण करने के लिए read_file का उपयोग करें।

04

बेसलाइन चलाएं

Shell में बेसलाइन स्क्रिप्ट निष्पादित करें और सफलता के लिए एग्जिट कोड की जांच करें।

बेसलाइन स्क्रिप्ट उदाहरण

baseline.py
import csv
import sys

def main():
    data = []
    with open('data.csv') as f:
        reader = csv.DictReader(f)
        for row in reader:
            data.append(row)
    labels = [r['label'] for r in data]
    most_common = max(set(labels), key=labels.count)
    correct = sum(1 for r in data if r['label'] == most_common)
    accuracy = correct / len(data)
    print(f'Baseline accuracy: {accuracy:.2f}')

if __name__ == '__main__':
    main()

यह शुद्ध पायथन स्क्रिप्ट एक CSV फ़ाइल पढ़ती है, सबसे आम लेबल ढूंढती है, और किसी भी थर्ड-पार्टी लाइब्रेरी का उपयोग किए बिना बेसलाइन सटीकता प्रिंट करती है।

अपने मशीन लर्निंग कैपस्टोन प्रोजेक्ट को बनाएं

डेटा का निरीक्षण करें

सत्यापित करने के लिए कि डेटासेट मौजूद है, अपने प्रोजेक्ट फ़ोल्डर की सूची बनाएं और read_file का उपयोग करके अपने CSV डेटा की पहले कुछ पंक्तियां देखें। कॉलम की जांच करें। यह आपको शुरुआत करने से पहले कॉलम नामों और डेटा प्रकारों को समझने में मदद करता है। एजेंट फ़ाइल सामग्री को सीधे चैट कार्ड में दिखाता है ताकि आप इसकी समीक्षा कर सकें। आप सरल मशीन लर्निंग प्रोजेक्ट्स के लिए डेटा में विशिष्ट मानों या पैटर्न खोजने के लिए grep का उपयोग कर सकते हैं। गायब मानों की जांच करके यह सत्यापित करें कि डेटा साफ़ और प्रशिक्षण के लिए तैयार है। शुरुआती लोगों के लिए एक पहला मिनी प्रोजेक्ट अक्सर इन बुनियादी डेटा संरचनाओं के निरीक्षण से शुरू होता है। यह सुनिश्चित करता है कि आप अपने मशीन लर्निंग पाइपलाइन के लिए ठीक से जानते हैं कि आप किसके साथ काम कर रहे हैं।

प्रशिक्षण चलाएं

अपनी लाइब्रेरी का उपयोग करके एक सरल प्रशिक्षण स्क्रिप्ट लिखें और प्रोजेक्ट फ़ोल्डर में सहेजें, फिर write_file का उपयोग करके स्क्रिप्ट बनाएं और edit_file का उपयोग करके किसी भी सिंटैक्स त्रुटि को ठीक करें। इसे चलाएं। वास्तविक आउटपुट देखने के लिए Shell टूल में स्क्रिप्ट चलाएं। यह सुनिश्चित करने के लिए कि स्क्रिप्ट सफलतापूर्वक समाप्त हुई, एग्जिट कोड की जांच करें। अपने वैलिडेशन सेट पर मॉडल का मूल्यांकन करें और मेट्रिक्स रिकॉर्ड करें। पुनरुत्पादकता और स्पष्टता के लिए JSON लॉग में परिणाम सहेजें। जब आप Ask first का उपयोग करते हैं तो हर बदलाव के लिए diff की समीक्षा करें। जब आप एक डीप लर्निंग प्रोजेक्ट चुनते हैं, तो अपने मशीन लर्निंग कैपस्टोन प्रोजेक्ट के लिए इस चक्र को दोहराएं।

Windows के लिए Model Ledger

आज ही अपना प्रोजेक्ट शुरू करें

Model Ledger डाउनलोड करें ↗