automl app

Nouvelle façon de créer des pipelines ML !

Nous travaillons sur une nouvelle façon de programmer visuellement Python. Nous avons développé une application de bureau appelée MLJAR Studio. Il s'agit d'un environnement de développement basé sur un bloc-notes avec des recettes de code interactives et un environnement Python géré. Le tout fonctionnant localement sur votre machine. Nous attendons vos commentaires.

Il contient des recettes de code pour créer des pipelines ML avec MLJAR AutoML.

---

Application Web AutoML ?

AutoML • ? Mercure • ? Problèmes • ? Twitter • ?‍ LinkedIn • Site Web MLJAR

Il s'agit d'une application Web conçue pour former des pipelines d'apprentissage automatique à l'aide de MLJAR AutoML, spécifiquement adapté aux données tabulaires. Tous les modèles générés sont compressés dans un format d'archive, permettant leur réutilisation pour calculer des prédictions en mode batch.

Ce dépôt se compose de trois notebooks :

• notebook pour la formation d'AutoML avec une interface utilisateur simple,
• bloc-notes avancé pour la formation d'AutoML avec une interface utilisateur plus avancée (vous pouvez sélectionner des méthodes d'ingénierie de fonctionnalités, des algorithmes, une stratégie de validation et une métrique d'évaluation),
• cahier pour calculer les prédictions.

L'application Web exploite les capacités de mljar-supervisé pour construire le pipeline d'apprentissage automatique avec AutoML. Cela implique l’automatisation de plusieurs tâches clés :

• prétraitement des données,
• ingénierie des fonctionnalités,
• sélection et réglage des algorithmes,
• Explications des modèles ML,
• documentation automatique.

L'application Web est créée directement à partir de Jupyter Notebooks avec le framework Mercury.

Démo

MLJAR-AutoML-Web-App.mp4

Démo en ligne

L'application Web est disponible en ligne sur automl.runmercury.com. Le téléchargement des données d’entrée est limité à 1 Mo.

Exécuter localement

Veuillez exécuter les commandes ci-dessous pour exécuter Web App localement. Cela nécessite Python >= 3.8.

pip install -r requirements.txt
mercury run

Carnet de formation ?

Si vous souhaitez augmenter la limite du fichier d'entrée, veuillez modifier la cellule :

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

et définissez votre max_file_size .

Veuillez modifier la cellule suivante pour augmenter le temps de formation :

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

Les temps sont en secondes. Veuillez simplement augmenter les valeurs.

Modèles de formation dans Web App

Veuillez télécharger un fichier CSV contenant les données d'entraînement, sélectionner les caractéristiques d'entrée et la cible, puis cliquer sur Start training .

Tous les modèles créés lors de la formation sont disponibles en téléchargement sous forme de fichier zip :

Cahier de formation avancée ?

Veuillez utiliser le mode avancé si vous souhaitez modifier les paramètres AutoML :

?‍? Connectez-vous avec nous sur LinkedIn et Twitter

Restez au courant des dernières mises à jour sur MLJAR ?? en nous suivant sur Twitter (MLJAR Twitter) et LinkedIn (Aleksandra LinkedIn & Piotr LinkedIn). Nous sommes impatients de communiquer avec vous et d'entendre vos réflexions, vos idées et vos expériences.

Bonne chance avec la formation ML !