Model Ledger
Quy trình

Dự án machine learning đơn giản

03
Quy trình Capstone

Chuẩn bị dự án capstone

Bắt đầu với một tập dữ liệu nhỏ và mục tiêu rõ ràng. Sử dụng agent để liệt kê tệp, đọc dữ liệu và chạy script cơ sở. Kiểm tra kết quả trong các thẻ trò chuyện. Bạn có thể dùng "tìm tập dữ liệu cho dự án khoa học dữ liệu" để luyện kỹ năng với tập dữ liệu nhỏ bạn sở hữu hoặc có quyền sử dụng theo giấy phép.

01

Mở thư mục

Mở trò chuyện và đặt thư mục làm việc thành thư mục gốc của dự án.

02

Liệt kê tệp

Chạy list_dir để xem cấu trúc hiện tại và xác nhận dữ liệu của bạn đã tồn tại.

03

Đọc dữ liệu

Sử dụng read_file để kiểm tra vài dòng đầu tiên của tập dữ liệu CSV của bạn.

04

Chạy script cơ sở

Thực thi script cơ sở trong Shell và kiểm tra mã thoát để xác nhận thành công.

Ví dụ về script cơ sở

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()

Script thuần Python này đọc tệp CSV, tìm nhãn phổ biến nhất và in độ chính xác cơ sở mà không dùng thư viện bên thứ ba.

Xây dựng dự án capstone machine learning của bạn

Kiểm tra dữ liệu

Liệt kê thư mục dự án để xác nhận tập dữ liệu đã có và dùng read_file để xem vài dòng đầu của dữ liệu CSV. Kiểm tra các cột. Điều này giúp bạn hiểu tên cột và kiểu dữ liệu trước khi bắt đầu xây dựng. Agent hiển thị nội dung tệp trực tiếp trong thẻ trò chuyện để bạn xem xét. Bạn có thể dùng grep để tìm các giá trị hoặc mẫu cụ thể trong dữ liệu cho các dự án machine learning đơn giản. Xác nhận dữ liệu sạch và sẵn sàng huấn luyện bằng cách kiểm tra các giá trị bị thiếu. Một mini project đầu tiên cho người mới thường bắt đầu bằng việc kiểm tra các cấu trúc dữ liệu cơ bản này. Bước này đảm bảo bạn biết chính xác những gì mình đang xử lý cho quy trình machine learning.

Chạy huấn luyện

Viết một script huấn luyện đơn giản bằng thư viện của bạn và lưu vào thư mục dự án, sau đó dùng write_file để tạo script và edit_file để sửa lỗi cú pháp. Chạy nó. Chạy script trong công cụ Shell để xem kết quả thực tế. Kiểm tra mã thoát để đảm bảo script kết thúc thành công. Đánh giá mô hình trên tập kiểm tra và ghi lại các chỉ số. Lưu kết quả vào nhật ký JSON để có thể tái lập và rõ ràng. Xem lại diff cho mọi thay đổi khi bạn dùng Ask first. Lặp lại chu trình này cho dự án capstone machine learning của bạn trong khi bạn chọn một dự án deep learning.

Model Ledger cho Windows

Bắt đầu dự án của bạn ngay hôm nay

Tải xuống Model Ledger ↗