Model Ledger
เวิร์กโฟลว์

โปรเจกต์แมชชีนเลิร์นนิงง่ายๆ

03
เวิร์กโฟลว์โปรเจกต์จบ

เตรียมโปรเจกต์จบของคุณ

เริ่มต้นด้วยชุดข้อมูลขนาดเล็กและเป้าหมายที่ชัดเจน ใช้เอเจนต์เพื่อแสดงรายการไฟล์ อ่านข้อมูล และรันสคริปต์พื้นฐาน ตรวจสอบผลลัพธ์ในการ์ดแชท คุณสามารถใช้ "ค้นหาชุดข้อมูลสำหรับโปรเจกต์วิทยาศาสตร์ข้อมูล" เพื่อฝึกทักษะของคุณกับชุดข้อมูลขนาดเล็กที่คุณเป็นเจ้าของหรือสามารถใช้ได้ตามใบอนุญาต

01

เปิดโฟลเดอร์

เปิดแชทและตั้งค่าโฟลเดอร์ทำงานเป็นโฟลเดอร์หลักของโปรเจกต์ของคุณ

02

แสดงรายการไฟล์

รัน list_dir เพื่อดูโครงสร้างปัจจุบันและยืนยันว่าข้อมูลของคุณมีอยู่จริง

03

อ่านข้อมูล

ใช้ read_file เพื่อตรวจสอบบรรทัดแรกๆ ของชุดข้อมูล CSV ของคุณ

04

รันสคริปต์พื้นฐาน

รันสคริปต์พื้นฐานใน Shell และตรวจสอบรหัสการออกเพื่อหาความสำเร็จ

ตัวอย่างสคริปต์พื้นฐาน

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()

สคริปต์ Python ล้วนนี้อ่านไฟล์ CSV หาป้ายกำกับที่พบบ่อยที่สุด และพิมพ์ความแม่นยำพื้นฐานโดยไม่ใช้ไลบรารีบุคคลที่สาม

สร้างโปรเจกต์จบแมชชีนเลิร์นนิงของคุณ

ตรวจสอบข้อมูล

แสดงรายการโฟลเดอร์โปรเจกต์ของคุณเพื่อยืนยันว่าชุดข้อมูลมีอยู่จริงและใช้ read_file เพื่อดูแถวแรกๆ ของข้อมูล CSV ของคุณ ตรวจสอบคอลัมน์ สิ่งนี้ช่วยให้คุณเข้าใจชื่อคอลัมน์และประเภทข้อมูลก่อนที่จะเริ่มสร้าง เอเจนต์แสดงเนื้อหาไฟล์โดยตรงในการ์ดแชทสำหรับการตรวจสอบของคุณ คุณสามารถใช้ grep เพื่อค้นหาค่าหรือรูปแบบเฉพาะในข้อมูลสำหรับโปรเจกต์แมชชีนเลิร์นนิงง่ายๆ ยืนยันว่าข้อมูลดูสะอาดและพร้อมสำหรับการฝึกโดยตรวจสอบค่าที่หายไป โปรเจกต์ขนาดเล็กแรกสำหรับผู้เริ่มต้นมักเริ่มต้นด้วยการตรวจสอบโครงสร้างข้อมูลพื้นฐานนี้ ขั้นตอนนี้ช่วยให้แน่ใจว่าคุณรู้แน่ชัดว่าคุณกำลังทำงานกับอะไรสำหรับเส้นทางการเรียนรู้เครื่องของคุณ

รันการฝึก

เขียนสคริปต์การฝึกง่ายๆ โดยใช้ไลบรารีของคุณและบันทึกไว้ในโฟลเดอร์โปรเจกต์ จากนั้นใช้ write_file เพื่อสร้างสคริปต์และ edit_file เพื่อแก้ไขข้อผิดพลาดไวยากรณ์ใดๆ รันมัน รันสคริปต์ในเครื่องมือ Shell เพื่อดูผลลัพธ์จริง ตรวจสอบรหัสการออกเพื่อให้แน่ใจว่าสคริปต์เสร็จสิ้นอย่างสำเร็จ ประเมินโมเดลบนชุดตรวจสอบของคุณและบันทึกเมตริก บันทึกผลลัพธ์ในบันทึก JSON เพื่อความสามารถในการทำซ้ำและความชัดเจน ตรวจสอบ diff สำหรับการเปลี่ยนแปลงทุกครั้งเมื่อคุณใช้ Ask first ทำซ้ำวงจรนี้สำหรับโปรเจกต์จบแมชชีนเลิร์นนิงของคุณในขณะที่คุณเลือกโปรเจกต์การเรียนรู้เชิงลึก

Model Ledger สำหรับ Windows

เริ่มโปรเจกต์ของคุณวันนี้

ดาวน์โหลด Model Ledger ↗