Model Ledger
Alur kerja

proyek machine learning sederhana

03
Alur kerja proyek akhir

Siapkan proyek akhir Anda

Mulailah dengan dataset kecil dan tujuan yang jelas. Gunakan agen untuk mencantumkan file, membaca data, dan menjalankan skrip dasar. Periksa hasilnya di kartu obrolan. Anda dapat menggunakan "mencari dataset untuk proyek sains data" untuk melatih keterampilan Anda dengan dataset kecil yang Anda miliki atau dapat gunakan di bawah lisensinya.

01

Buka folder

Buka obrolan dan tetapkan folder kerja ke akar proyek Anda.

02

Daftar file

Jalankan list_dir untuk melihat struktur saat ini dan memverifikasi data Anda ada.

03

Baca data

Gunakan read_file untuk memeriksa beberapa baris pertama dari dataset CSV Anda.

04

Jalankan dasar

Eksekusi skrip dasar di Shell dan periksa kode keluar untuk keberhasilan.

Contoh skrip dasar

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()

Skrip Python murni ini membaca file CSV, menemukan label yang paling umum, dan mencetak akurasi dasar tanpa menggunakan pustaka pihak ketiga.

Bangun proyek capstone machine learning Anda

Periksa data

Daftar folder proyek Anda untuk mengonfirmasi dataset hadir dan gunakan read_file untuk melihat beberapa baris pertama data CSV Anda. Periksa kolomnya. Ini membantu Anda memahami nama kolom dan tipe data sebelum Anda mulai membangun. Agen menampilkan konten file langsung di kartu obrolan untuk tinjauan Anda. Anda dapat menggunakan grep untuk menemukan nilai atau pola tertentu dalam data untuk proyek machine learning sederhana. Verifikasi data terlihat bersih dan siap untuk pelatihan dengan memeriksa nilai yang hilang. Proyek mini pertama untuk pemula sering dimulai dengan memeriksa struktur data dasar ini. Langkah ini memastikan Anda tahu persis apa yang Anda kerjakan untuk pipeline machine learning Anda.

Jalankan pelatihan

Tulis skrip pelatihan sederhana menggunakan pustaka Anda dan simpan di folder proyek, lalu gunakan write_file untuk membuat skrip dan edit_file untuk memperbaiki kesalahan sintaks. Jalankan. Jalankan skrip di alat Shell untuk melihat output nyata. Periksa kode keluar untuk memastikan skrip selesai dengan sukses. Evaluasi model pada set validasi Anda dan catat metriknya. Simpan hasilnya dalam log JSON untuk reproduktibilitas dan kejelasan. Tinjau diff untuk setiap perubahan saat Anda menggunakan Ask first. Ulangi siklus ini untuk proyek capstone machine learning Anda saat Anda memilih proyek deep learning.

Model Ledger untuk Windows

Mulai proyek Anda hari ini

Unduh Model Ledger ↗