automl app

Neue Möglichkeit zum Aufbau von ML-Pipelines!

Wir arbeiten an einem neuen Weg für die visuelle Python-Programmierung. Wir haben eine Desktop-Anwendung namens MLJAR Studio entwickelt. Es handelt sich um eine Notebook-basierte Entwicklungsumgebung mit interaktiven Coderezepten und einer verwalteten Python-Umgebung. Alles läuft lokal auf Ihrem Computer. Wir warten auf Ihr Feedback.

Es enthält Coderezepte zum Erstellen von ML-Pipelines mit MLJAR AutoML.

---

AutoML-Web-App?

AutoML • ? Quecksilber • ? Probleme • ? Twitter • ?‍ LinkedIn • MLJAR-Website

Dies ist eine Webanwendung, die zum Trainieren von Pipelines für maschinelles Lernen mithilfe von MLJAR AutoML entwickelt wurde und speziell auf Tabellendaten zugeschnitten ist. Alle generierten Modelle werden in ein Archivformat komprimiert, sodass sie zur Berechnung von Vorhersagen im Batch-Modus wiederverwendet werden können.

Dieses Repo besteht aus drei Notizbüchern:

• Notebook zum Trainieren von AutoML mit einfacher Benutzeroberfläche,
• Erweitertes Notizbuch zum Trainieren von AutoML mit erweiterter Benutzeroberfläche (Sie können Feature-Engineering-Methoden, Algorithmen, Validierungsstrategie und Bewertungsmetrik auswählen),
• Notizbuch zur Berechnung von Vorhersagen.

Die Web-App nutzt die Funktionen von mljar-supervised, um die Pipeline für maschinelles Lernen mit AutoML aufzubauen. Dies beinhaltet die Automatisierung mehrerer wichtiger Aufgaben:

• Datenvorverarbeitung,
• Features Engineering,
• Algorithmusauswahl und -optimierung,
• Erklärungen zu ML-Modellen,
• automatische Dokumentation.

Die Web-App wird direkt aus Jupyter Notebooks mit dem Mercury-Framework erstellt.

Demo

MLJAR-AutoML-Web-App.mp4

Online-Demo

Die Web-App ist online unter automl.runmercury.com verfügbar. Das Hochladen der Eingabedaten ist auf 1 MB begrenzt.

Lokal ausführen

Bitte führen Sie die folgenden Befehle aus, um Web App lokal auszuführen. Es erfordert Python >= 3.8.

pip install -r requirements.txt
mercury run

Trainingsnotizbuch?

Wenn Sie das Eingabedateilimit erhöhen möchten, ändern Sie bitte die Zelle:

 data_file = mr . File ( label = "Upload CSV with training data" , max_file_size = "1MB" )

und legen Sie Ihre max_file_size fest.

Bitte ändern Sie die folgende Zelle, um die Trainingszeit zu verlängern:

 time_limit = mr . Select ( label = "Time limit (seconds)" , value = "60" , choices = [ "60" , "120" , "240" , "300" ])

Die Zeiten werden in Sekunden angegeben. Bitte erhöhen Sie einfach die Werte.

Trainingsmodelle in der Web-App

Bitte laden Sie eine CSV-Datei mit Trainingsdaten hoch, wählen Sie Eingabefunktionen und Ziel aus und klicken Sie auf Start training .

Alle während der Schulung erstellten Modelle stehen als ZIP-Datei zum Download bereit:

Fortgeschrittenes Schulungsnotizbuch?

Bitte verwenden Sie den erweiterten Modus, wenn Sie AutoML-Parameter optimieren möchten:

?‍? Vernetzen Sie sich mit uns auf LinkedIn und Twitter

Bleiben Sie mit den neuesten Updates zu MLJAR auf dem Laufenden ?? indem Sie uns auf Twitter (MLJAR Twitter) und LinkedIn (Aleksandra LinkedIn & Piotr LinkedIn) folgen. Wir freuen uns darauf, mit Ihnen in Kontakt zu treten und Ihre Gedanken, Ideen und Erfahrungen zu hören.

Viel Glück beim ML-Training!