Deschide folderul
Deschide chat-ul și setează folderul de lucru la rădăcina proiectului tău.
Fluxuri de lucru
proiecte simple de învățare automată
03
Pregătește-ți proiectul capstone
Începe cu un set de date mic și un scop clar. Folosește agentul pentru a lista fișierele, a citi datele și a executa un script de bază. Verifică rezultatele în cardurile din chat. Poți căuta „seturi de date pentru proiecte de data science” pentru a exersa abilitățile cu un set de date pe care îl deții sau pe care îl poți folosi conform licenței sale.
Listează fișierele
Execută list_dir pentru a vedea structura curentă și a verifica dacă datele există.
Citește datele
Folosește read_file pentru a inspecta primele câteva linii din setul de date CSV.
Execută scriptul de bază
Execută scriptul de bază în Shell și verifică codul de ieșire pentru a confirma succesul.
Exemplu de script de bază
Execută scriptul de bază și afișează rezultatul acurateței.
- Shell
python baseline.pyexit 0 - read_file
baseline.py18 linii - write_file
baseline.pysalvat - grep
baseline accuracy3 potriviri
așteaptă aprobarea ta înainte de a trece la pasul următorRespingeAcceptă
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()Acest script pur în Python citește un fișier CSV, identifică eticheta cea mai frecventă și afișează acuratețea de bază fără a folosi biblioteci terțe.
Construiește-ți proiectul capstone de învățare automată
Inspectează datele
Listează folderul proiectului pentru a confirma că setul de date este prezent și folosește read_file pentru a vizualiza primele câteva rânduri din datele CSV. Verifică coloanele. Acest pas te ajută să înțelegi numele coloanelor și tipurile de date înainte de a începe construcția. Agentul afișează conținutul fișierului direct în cardul de chat pentru revizuire. Poți folosi grep pentru a găsi valori sau modele specifice în date pentru proiecte simple de învățare automată. Verifică dacă datele par curate și gata pentru antrenament, căutând valori lipsă. Un prim mini-proiect pentru începători începe adesea prin inspectarea acestor structuri de date de bază. Acest pas asigură că știi exact cu ce lucrezi în pipeline-ul tău de învățare automată.
Execută antrenamentul
Scrie un script de antrenament simplu folosind biblioteca ta și salvează-l în folderul proiectului, apoi folosește write_file pentru a crea scriptul și edit_file pentru a corecta eventualele erori de sintaxă. Rulează-l. Execută scriptul în instrumentul Shell pentru a vedea ieșirea reală. Verifică codul de ieșire pentru a te asigura că scriptul s-a terminat cu succes. Evaluează modelul pe setul de validare și înregistrează metricile. Salvează rezultatele într-un jurnal JSON pentru reproductibilitate și claritate. Revizuiește diferențele pentru fiecare modificare când folosești Ask first. Repetă acest ciclu pentru proiectul tău capstone de învățare automată în timp ce alegi un proiect de învățare profundă.
