automl app

¡Nueva forma de construir canales de ML!

Estamos trabajando en una nueva forma de programación visual en Python. Desarrollamos una aplicación de escritorio llamada MLJAR Studio. Es un entorno de desarrollo basado en portátiles con recetas de código interactivo y un entorno Python administrado. Todo ejecutándose localmente en su máquina. Estamos esperando sus comentarios.

Tiene recetas de código para crear canalizaciones de aprendizaje automático con MLJAR AutoML.

---

¿Aplicación web AutoML?

AutoML • ? Mercurio • ? Asuntos • ? Twitter • ?‍ LinkedIn • Sitio web de MLJAR

Esta es una aplicación web diseñada para entrenar canales de aprendizaje automático utilizando MLJAR AutoML, diseñada específicamente para datos tabulares. Todos los modelos generados se comprimen en un formato de archivo, lo que permite su reutilización para calcular predicciones en modo por lotes.

Este repositorio consta de tres cuadernos:

• cuaderno para entrenar AutoML con interfaz de usuario simple,
• cuaderno avanzado para entrenar AutoML con una interfaz de usuario más avanzada (puede seleccionar métodos de ingeniería de funciones, algoritmos, estrategia de validación y métricas de evaluación),
• Cuaderno para calcular predicciones.

La aplicación web aprovecha las capacidades de mljar-supervised para construir el proceso de aprendizaje automático con AutoML. Esto implica la automatización de varias tareas clave:

• preprocesamiento de datos,
• características de ingeniería,
• selección y ajuste de algoritmos,
• Explicaciones de los modelos ML,
• documentación automática.

La aplicación web se crea directamente desde Jupyter Notebooks con el marco Mercury.

Manifestación

MLJAR-AutoML-Web-App.mp4

Demostración en línea

La aplicación web está disponible en línea en automl.runmercury.com. La carga de datos de entrada está limitada a 1 MB.

Ejecutar localmente

Ejecute los siguientes comandos para ejecutar la aplicación web localmente. Requiere Python >= 3.8.

pip install -r requirements.txt
mercury run

¿Cuaderno de entrenamiento?

Si desea aumentar el límite de archivos de entrada, cambie la celda:

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

y configure su max_file_size .

Cambie la siguiente celda para aumentar el tiempo de entrenamiento:

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

Los tiempos están en segundos. Por favor simplemente aumente los valores.

Modelos de entrenamiento en Web App

Cargue un archivo CSV con datos de entrenamiento, seleccione las funciones de entrada y el objetivo y haga clic en Start training .

Todos los modelos creados durante la capacitación están disponibles para descargar como archivo zip:

¿Cuaderno de entrenamiento avanzado?

Utilice el modo avanzado si desea modificar los parámetros de AutoML:

?‍? Conéctese con nosotros en LinkedIn y Twitter

Manténgase actualizado con las últimas actualizaciones sobre MLJAR. siguiéndonos en Twitter (MLJAR Twitter) y LinkedIn (Aleksandra LinkedIn & Piotr LinkedIn). Esperamos conectarnos con usted y escuchar sus pensamientos, ideas y experiencias.

¡Buena suerte con la formación de ML!