Modele
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Środowisko programowania z AI
Podział danych uczenia maszynowego
Podziel dane według encji mogącej przenikać między zbiorem treningowym i testowym.
● ● ●Model Ledger●
Sposoby pracy · Podział danych uczenia maszynowego ×
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)✳Podziel dane według encji mogącej przenikać między zbiorem treningowym i testowym.
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska
Projekt
Zachowaj grupy po jednej stronie i dopasuj przetwarzanie wstępne tylko do treningu.
Sprawdź przed zastosowaniem
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
Sposoby pracy
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)