Dosyalar
Çalışma klasörünüzde dosyaları doğrudan okuyun, yazın, düzenleyin, silin ve listeleyin.
Ürün
kendi projeleriniz için ML pipeline'ı
01
Model Ledger, kendi klasörünüzde dosyaları okuyarak, düzenleyerek ve komutlarınızı çalıştırarak bir makine öğrenimi pipeline'ının betiklerini oluşturmanıza yardımcı olur ve gerçek çıktıyı gösterir.
Shell
Terminal komutlarını çalıştırın ve gerçek çıktıyı ile çıkış kodunu görün.
Onay
Değişikliklerden önce duraklatın, önce plan yapın veya eylemleri otomatik olarak çalıştırın.
Özellikler
- Dosyalarread_file, write_file, edit_file, delete_file, make_dir, move_file, copy_file, list_dir, grep, glob sohbet klasöründe çalışır.
- Shellderlemeler ve testler gibi terminal komutlarını çalıştırır, başarıyı gerçek çıkış koduna göre değerlendirir.
- Webweb_search bilgi bulur ve http_get resmi dokümantasyon sayfalarını okur.
- Ekran görüntüleri ve resimlergen_image gerçek resim dosyaları kaydeder ve ocr ekran görüntülerinden metin okur.
- Orkestrasyontask işi paralel alt ajanlara böler ve run_on_model zor adımları daha büyük modellere gönderir.
- Onay modlarıAuto-run hemen çalışır, Ask first değişikliklerden önce duraklatır, Plan only bir plan yazar.
- Cronistemleri zamanlanmış olarak çalıştırır.
- Modellerbir bulut sağlayıcısı, yerel bir model veya Test düğmesiyle dahili modeli kullanın.
Nasıl çalışır
Ajan projenizi inceler, komutları çalıştırır, betikleri düzenler ve her değişikliği diff olarak gösterir; Ask first modunda diff onayınızı bekler.
Bir CSV dosyası okuyan ve en yaygın etiketi yazdıran bir temel betik oluşturun.
- list_dir
.1 eşleşme - write_file
baseline.pykaydedildi - edit_file
baseline.py3 değişiklik - Shell
python baseline.pyexit 0 - read_file
baseline.py8 satır
bir sonraki adımdan önce onayınızı bekliyorReddetKabul et
Adım adım kılavuzlar
Yeni başlayan adımları
ML pipeline'ınıza bir spam filtresi gibi küçük bir fikir seçerek başlayın ve ajan list_dir kullanarak klasör yapınızı görür. Gerçek. Ajan glob kullanarak proje klasörünüzdeki ilgili betikleri bulur. Ardından read_file kullanarak veri yükleme kodunuzu dikkatlice inceler. Sonra write_file kullanarak sizin için basit bir temel betik oluşturur. 'Özgeçmişe konulacak pratik ML projeleri' arayan kişiler genellikle bu tür net bir yapıyla başlar. Gerekirse edit_file kullanarak betiği değiştirir ve Ask first modunda bir diff gösterir. Son olarak, gerçek çıktı için eğitim komutunu Shell aracında çalıştırır.
Gelişmiş inceleme
Ajan grep kullanarak bir ayarın kod tabanınızda nerede kullanıldığını bulur ve web_search kullanarak kütüphaneniz için resmi dokümantasyonu arar. Basit. task kullanarak bir incelemeyi paralel işleme için parçalara böler. http_get belirli sayfaları okurken gen_image bir grafik kaydeder. ocr bir ekran görüntüsünden metin okur ve run_on_model zor adımları yönetir. Sürüm kontrolü becerisi ML projeleriniz için dalları ve taahhütleri yönetir. Cron görevleri zamanlar, böylece Plan only modunda planı gözden geçirirsiniz. Gerçek dünya ML proje fikirleri Auto-run'a geçip bitirmesine izin verdiğinizde ortaya çıkar.
Model Ledger ne yapmaz
Yalnızca kendi dosyalarınızda, verilerinizde ve sistemlerinizde veya yazma izniniz olanlarda kullanın ve bunun sorumluluğu sizindir. Uygulama kodun veya analizin doğru olacağını garanti etmez, bu nedenle diff'i gözden geçirin ve testleri çalıştırın. Özgeçmişinizde yer alacak ML projeleri için iyi konular bulmak için faydalıdır.
