ファイル
作業フォルダ内のファイルの読み込み、書き込み、編集、削除、一覧表示を直接行えます。
Model Ledgerは、自分のフォルダ内でファイルの読み込み・編集・コマンド実行を行い、実際の出力を確認しながら機械学習パイプラインの構築を支援します。
作業フォルダ内のファイルの読み込み、書き込み、編集、削除、一覧表示を直接行えます。
ターミナルコマンドを実行し、実際の出力と終了コードを確認できます。
変更前に一時停止、まず計画を立てる、またはアクションを自動実行します。
エージェントはプロジェクトを検査し、コマンドを実行し、スクリプトを編集し、すべての変更を差分として表示します。Ask firstモードでは、差分はあなたの承認を待ちます。
.一致1件baseline.py保存済みbaseline.py変更3件python baseline.py終了コード 0baseline.py8行スパムフィルタのような小さなアイデアを選んで機械学習パイプラインを始めましょう。エージェントはlist_dirを使用してフォルダ構造を確認します。これは実際のものです。エージェントはglobを使用してプロジェクトフォルダ内の関連スクリプトを探します。次に、read_fileを使用してデータ読み込みコードを慎重に検査します。次に、write_fileを使用して簡単なベースラインスクリプトを作成します。「実用的な履歴書に載せるMLプロジェクト」を検索する人々は、多くの場合この明確な構造から始めます。必要に応じてedit_fileでスクリプトを変更し、Ask firstモードで差分を表示します。最後に、Shellツールでトレーニングコマンドを実行し、実際の出力を確認します。
エージェントはgrepを使用してコードベース内で設定が使用されている場所を見つけ、web_searchを使用してライブラリの公式ドキュメントを探します。シンプルです。taskを使用してレビューを並列処理のために分割します。http_getで特定のページを読み込み、gen_imageでプロットを保存します。ocrはスクリーンショットからテキストを読み取り、run_on_modelで難しいステップを処理します。バージョン管理スキルは、初心者向けの機械学習プロジェクトのブランチとコミットを管理します。Cronはタスクをスケジュールし、Plan onlyモードで計画を確認します。Auto-runに切り替えて完了させると、現実世界のMLプロジェクトのアイデアが浮かび上がります。
自分のファイル、データ、システム、または書き込み権限のあるもののみで使用し、その責任はあなたにあります。アプリはコードや分析が正確であることを保証しないため、差分を確認し、テストを実行してください。履歴書に載せるMLプロジェクトの適切なトピックを見つけるのに役立ちます。