フォルダを開く
チャットを開き、作業フォルダをプロジェクトのルートに設定します。
ワークフロー
シンプルな機械学習プロジェクト
03
卒業プロジェクトの準備
小さなデータセットと明確な目標から始めましょう。エージェントにファイル一覧の取得、データの読み込み、ベースラインスクリプトの実行を依頼します。チャットカードで結果を確認できます。「データサイエンスプロジェクト用のデータセットを検索」で、所有している、またはライセンスに従って使用できる小さなデータセットでスキルを練習できます。
ファイルの一覧表示
list_dirを実行して現在の構造を確認し、データが存在することを確認します。
データを読み込む
read_fileを使用して、CSVデータセットの最初の数行を確認します。
ベースラインを実行
Shellでベースラインスクリプトを実行し、終了コードで成功を確認します。
ベースラインスクリプトの例
ベースラインスクリプトを実行し、精度の結果を表示してください。
- Shell
python baseline.pyexit 0 - read_file
baseline.py18行 - write_file
baseline.py保存済み - grep
baseline accuracy3件の一致
次のステップに進む前に承認を待機中却下承認
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()この純粋なPythonスクリプトはCSVファイルを読み込み、最も出現頻度の高いラベルを特定し、サードパーティライブラリを使用せずにベースラインの精度を出力します。
機械学習の卒業プロジェクトを作成する
データを調査する
プロジェクトフォルダの一覧を表示してデータセットが存在することを確認し、read_fileでCSVデータの最初の数行を確認します。列を確認しましょう。これにより、構築を開始する前に列名とデータ型を理解できます。エージェントはファイルの内容をチャットカードに直接表示して確認できます。grepを使用して、シンプルな機械学習プロジェクトのデータ内の特定の値やパターンを検索できます。欠損値を確認して、データがトレーニングに準備できていることを確認します。初心者のための最初のミニプロジェクトは、これらの基本的なデータ構造の調査から始まることが多いです。このステップにより、機械学習パイプラインで何を取り扱っているかを正確に把握できます。
トレーニングを実行する
ライブラリを使用して簡単なトレーニングスクリプトを作成し、プロジェクトフォルダに保存します。write_fileでスクリプトを作成し、edit_fileで構文エラーを修正します。実行します。Shellツールでスクリプトを実行して、実際の出力を確認します。スクリプトが正常に終了したことを確認するために終了コードをチェックします。検証セットでモデルを評価し、メトリクスを記録します。再現性と明確さのために、結果をJSONログに保存します。Ask firstを使用する際は、変更ごとに差分を確認します。深層学習プロジェクトを選択しながら、このサイクルを機械学習の卒業プロジェクトで繰り返します。
