h2o 3
1.0.0
Untuk pertanyaan apa pun yang tidak terjawab dalam file ini atau dalam Dokumentasi H2O-3, silakan gunakan:
H2O adalah platform dalam memori untuk pembelajaran mesin yang terdistribusi dan dapat diskalakan. H2O menggunakan antarmuka yang sudah dikenal seperti R, Python, Scala, Java, JSON, dan antarmuka notebook/web Flow, dan bekerja secara lancar dengan teknologi data besar seperti Hadoop dan Spark. H2O menyediakan implementasi dari banyak algoritme populer seperti Generalized Linear Models (GLM), Gradient Boosting Machines (termasuk XGBoost), Random Forests, Deep Neural Networks, Stacked Ensembles, Naive Bayes, Generalized Additive Models (GAM), Cox Proportional Hazards, K- Berarti, PCA, Word2Vec, serta algoritma pembelajaran mesin yang sepenuhnya otomatis (H2O AutoML).
H2O dapat diperluas sehingga pengembang dapat menambahkan transformasi data dan algoritma khusus pilihan mereka dan mengaksesnya melalui semua klien tersebut. Model H2O dapat diunduh dan dimuat ke dalam memori H2O untuk penilaian, atau diekspor ke format POJO atau MOJO untuk penilaian yang sangat cepat dalam produksi. Informasi lebih lanjut dapat ditemukan di Panduan Pengguna H2O.
H2O-3 (repositori ini) adalah inkarnasi ketiga dari H2O, dan penerus H2O-2.
Meskipun sebagian besar README ini ditulis untuk pengembang yang membuat sendiri, sebagian besar pengguna H2O hanya mengunduh dan menggunakan versi yang sudah dibuat sebelumnya. Jika Anda pengguna Python atau R, cara termudah untuk menginstal H2O adalah melalui PyPI atau Anaconda (untuk Python) atau CRAN (untuk R):
pip install h2oinstall.packages( " h2o " )Untuk rilis terbaru Hadoop (atau Spark / Sparkling Water) yang stabil dan terbaru, atau toples H2O yang berdiri sendiri, silakan kunjungi: https://h2o.ai/download
Info lebih lanjut tentang mengunduh & menginstal H2O tersedia di Panduan Pengguna H2O.
Kebanyakan orang berinteraksi dengan tiga atau empat sumber daya sumber terbuka utama: GitHub (yang telah Anda temukan), masalah GitHub (untuk laporan bug dan pelacakan masalah), Stack Overflow untuk pertanyaan khusus kode H2O/perangkat lunak, dan h2ostream (Google Grup / forum diskusi email) untuk pertanyaan yang tidak cocok untuk Stack Overflow. Ada juga grup obrolan pengembang Gitter H2O, namun untuk tujuan pengarsipan & memaksimalkan aksesibilitas, kami lebih suka Tanya Jawab H2O standar dilakukan di Stack Overflow.
Anda dapat menelusuri dan membuat masalah baru di repositori GitHub kami: https://github.com/h2oai/h2o-3
Issues di bagian atas halamanGitHub
Masalah GitHub -- ajukan laporan bug/lacak masalah di sini
Stack Overflow -- tanyakan semua pertanyaan kode/perangkat lunak di sini
Divalidasi Silang (Stack Exchange) -- ajukan pertanyaan algoritma/teori di sini
h2ostream Google Group -- ajukan pertanyaan yang tidak terkait dengan kode di sini
Obrolan Pengembang Gitter H2O
Dokumentasi
Unduh (paket bawaan)
Situs web
Twitter -- ikuti kami untuk pembaruan dan berita H2O!
H2O yang luar biasa -- bagikan kreasi Anda yang didukung H2O kepada kami
Setiap build malam menerbitkan artefak R, Python, Java, dan Scala ke repositori khusus build. Secara khusus, Anda dapat menemukan artefak Java di direktori maven/repo.
Berikut adalah contoh cuplikan file build gradle menggunakan h2o-3 sebagai dependensi. Gantikan x, y, z, dan nnnn dengan angka valid.
// h2o-3 dependency information
def h2oBranch = 'master'
def h2oBuildNumber = 'nnnn'
def h2oProjectVersion = "x.y.z.${h2oBuildNumber}"
repositories {
// h2o-3 dependencies
maven {
url "https://s3.amazonaws.com/h2o-release/h2o-3/${h2oBranch}/${h2oBuildNumber}/maven/repo/"
}
}
dependencies {
compile "ai.h2o:h2o-core:${h2oProjectVersion}"
compile "ai.h2o:h2o-algos:${h2oProjectVersion}"
compile "ai.h2o:h2o-web:${h2oProjectVersion}"
compile "ai.h2o:h2o-app:${h2oProjectVersion}"
}
Lihat halaman build nightly edge terbaru H2O-3 untuk informasi tentang pemasangan artefak nightly build.
Lihat repositori GitHub h2o-droplets untuk contoh kerja tentang cara menggunakan artefak Java dengan gradle.
Catatan: Artefak H2O-3 yang stabil dipublikasikan secara berkala ke Maven Central (klik di sini untuk mencari) tetapi mungkin jauh tertinggal dari pembuatan malam H2O-3 Bleeding Edge.
Memulai pengembangan H2O memerlukan JDK 1.8+, Node.js, Gradle, Python, dan R. Kami menggunakan wrapper Gradle (disebut gradlew ) untuk memastikan versi lokal Gradle dan dependensi lainnya terinstal di direktori pengembangan Anda.
Membangun h2o memerlukan lingkungan R yang diatur dengan benar dengan paket yang diperlukan dan lingkungan Python dengan paket berikut:
grip
tabulate
requests
wheel
Untuk menginstal paket-paket ini Anda dapat menggunakan pip atau conda. Jika Anda mengalami masalah dalam menginstal paket-paket ini di Windows , silakan ikuti bagian Pengaturan di Windows dalam panduan ini.
(Catatan: Disarankan untuk menggunakan beberapa lingkungan virtual seperti VirtualEnv, untuk menginstal semua paket.)
Untuk membangun H2O dari repositori, lakukan langkah-langkah berikut.
# Build H2O
git clone https://github.com/h2oai/h2o-3.git
cd h2o-3
./gradlew build -x test
You may encounter problems: e.g. npm missing. Install it:
brew install npm
# Start H2O
java -jar build/h2o.jar
# Point browser to http://localhost:54321
git clone https://github.com/h2oai/h2o-3.git
cd h2o-3
./gradlew syncSmalldata
./gradlew syncRPackages
./gradlew build
Catatan :
- Pengujian yang dijalankan akan memulai lima pengujian JVM yang membentuk kluster H2O dan memerlukan setidaknya 8 GB RAM (sebaiknya 16 GB RAM).
- Menjalankan
./gradlew syncRPackagesdidukung di Windows, OS X, dan Linux, dan sangat disarankan namun tidak diwajibkan../gradlew syncRPackagesmemastikan lingkungan yang lengkap dan konsisten dengan versi paket yang telah disetujui sebelumnya yang diperlukan untuk pengujian dan pembangunan. Paket-paket tersebut dapat diinstal secara manual, tetapi kami menyarankan untuk mengatur variabel ENV dan menggunakan./gradlew syncRPackages. Untuk menyetel variabel ENV, gunakan format berikut (dengan `${WORKSPACE} dapat berupa jalur apa saja):mkdir -p ${WORKSPACE}/Rlibrary export R_LIBS_USER=${WORKSPACE}/Rlibrary
git pull
./gradlew syncSmalldata
./gradlew syncRPackages
./gradlew clean
./gradlew build
Kami merekomendasikan penggunaan ./gradlew clean setelah setiap git pull .
Lewati pengujian dengan menambahkan -x test di akhir baris perintah gradle build. Pengujian biasanya berjalan selama 7-10 menit pada laptop Macbook Pro dengan 4 CPU (8 hyperthread) dan RAM 16 GB.
Sinkronisasi smalldata tidak diperlukan setelah setiap penarikan, namun jika pengujian gagal karena file data hilang, cobalah ./gradlew syncSmalldata sebagai langkah pemecahan masalah pertama. Menyinkronkan file data pengunduhan smalldata dari AWS S3 ke direktori smalldata di ruang kerja Anda. Sinkronisasinya bersifat bertahap. Jangan periksa file-file ini. Direktori smalldata ada di .gitignore. Jika Anda tidak menjalankan pengujian apa pun, Anda tidak memerlukan direktori smalldata.
Menjalankan ./gradlew syncRPackages didukung di Windows, OS X, dan Linux, dan sangat disarankan namun tidak diwajibkan. ./gradlew syncRPackages memastikan lingkungan yang lengkap dan konsisten dengan versi paket yang telah disetujui sebelumnya yang diperlukan untuk pengujian dan pembangunan. Paket-paket tersebut dapat diinstal secara manual, tetapi kami menyarankan untuk mengatur variabel ENV dan menggunakan ./gradlew syncRPackages . Untuk menyetel variabel ENV, gunakan format berikut (dengan ${WORKSPACE} dapat berupa jalur apa saja):
mkdir -p ${WORKSPACE}/Rlibrary
export R_LIBS_USER=${WORKSPACE}/Rlibrary
./gradlew clean && ./gradlew build -x test && (export DO_FAST=1; ./gradlew dist)
open target/docs-website/h2o-docs/index.html
Akar repositori git berisi Makefile dengan pintasan praktis untuk target pembangunan yang sering digunakan dalam pengembangan. Untuk membangun h2o.jar sambil melewatkan pengujian dan juga membangun rakitan alternatif, jalankan
make
Untuk membangun h2o.jar menggunakan perakitan minimal, jalankan
make minimal
Perakitan minimal sangat cocok untuk pengembangan algoritma pembelajaran mesin H2O. Itu tidak menggabungkan beberapa dependensi kelas berat (seperti Hadoop) dan menggunakannya menghemat waktu pembangunan serta perlu mengunduh perpustakaan besar dari repositori Maven.
Dari baris perintah, validasi python menggunakan paket yang baru diinstal dengan menggunakan which python (atau sudo which python ). Perbarui variabel Lingkungan dengan jalur WinPython.
pip install grip tabulate wheel
Instal Java 1.8+ dan tambahkan direktori yang sesuai C:Program FilesJavajdk1.7.0_65bin dengan java.exe ke PATH di Variabel Lingkungan. Untuk memastikan command prompt mendeteksi versi Java yang benar, jalankan:
javac -version
Variabel CLASSPATH juga perlu disetel ke subfolder lib JDK:
CLASSPATH=/<path>/<to>/<jdk>/lib
Instal Node.js dan tambahkan direktori terinstal C:Program Filesnodejs , yang harus menyertakan node.exe dan npm.cmd ke PATH jika belum ditambahkan sebelumnya.
Instal R dan tambahkan direktori bin ke PATH Anda jika belum disertakan.
Instal paket R berikut:
Untuk menginstal paket-paket ini dari dalam sesi R:
pkgs <- c( " RCurl " , " jsonlite " , " statmod " , " devtools " , " roxygen2 " , " testthat " )
for ( pkg in pkgs ) {
if ( ! ( pkg %in% rownames(installed.packages()))) install.packages( pkg )
}Perhatikan bahwa libcurl diperlukan untuk instalasi paket RCurl R.
Perhatikan bahwa paket ini tidak mencakup pengujian yang berjalan, paket ini hanya untuk membangun H2O.
Terakhir, instal Rtools, yang merupakan kumpulan alat baris perintah untuk memfasilitasi pengembangan R di Windows.
CATATAN : Selama instalasi Rtools, jangan instal Cygwin.dll.
CATATAN : Selama instalasi Cygwin, batalkan pilihan paket Python untuk menghindari konflik dengan paket Python.org.
Jika Cygwin sudah terinstal, hapus paket Python atau pastikan Native Python ada sebelum Cygwin di variabel PATH.
Jika Anda belum memiliki klien Git, silakan instal. Yang default dapat ditemukan di sini http://git-scm.com/downloads. Pastikan dukungan command prompt diaktifkan sebelum instalasi.
Unduh dan perbarui kode sumber h2o-3:
git clone https://github.com/h2oai/h2o-3
cd h2o-3
./gradlew.bat build
Jika Anda mengalami kesalahan, jalankan kembali dengan
--stacktraceuntuk instruksi lebih lanjut tentang dependensi yang hilang.
Jika Anda tidak memiliki Homebrew, kami sarankan untuk menginstalnya. Itu membuat manajemen paket untuk OS X menjadi mudah.
Instal Java 1.8+. Untuk memastikan command prompt mendeteksi versi Java yang benar, jalankan:
javac -version
Menggunakan minuman rumahan:
brew install node
Jika tidak, instal dari situs web NodeJS.
Instal R dan tambahkan direktori bin ke PATH Anda jika belum disertakan.
Instal paket R berikut:
Untuk menginstal paket-paket ini dari dalam sesi R:
pkgs <- c( " RCurl " , " jsonlite " , " statmod " , " devtools " , " roxygen2 " , " testthat " )
for ( pkg in pkgs ) {
if ( ! ( pkg %in% rownames(installed.packages()))) install.packages( pkg )
}Perhatikan bahwa libcurl diperlukan untuk instalasi paket RCurl R.
Perhatikan bahwa paket ini tidak mencakup pengujian yang berjalan, paket ini hanya untuk membangun H2O.
Instal ular piton:
brew install python
Instal manajer paket pip:
sudo easy_install pip
Selanjutnya instal paket yang diperlukan:
sudo pip install wheel requests tabulate
OS X seharusnya sudah menginstal Git. Untuk mengunduh dan memperbarui kode sumber h2o-3:
git clone https://github.com/h2oai/h2o-3
cd h2o-3
./gradlew build
Catatan: pada mesin biasa mungkin memerlukan waktu sangat lama (sekitar satu jam) untuk menjalankan semua pengujian.
Jika Anda mengalami kesalahan, jalankan kembali dengan
--stacktraceuntuk instruksi lebih lanjut tentang dependensi yang hilang.
curl -sL https://deb.nodesource.com/setup_0.12 | sudo bash -
sudo apt-get install -y nodejs
Instal Java 8. Petunjuk instalasi dapat ditemukan di sini Instalasi JDK. Untuk memastikan command prompt mendeteksi versi Java yang benar, jalankan:
javac -version
Petunjuk instalasi dapat ditemukan di sini Instalasi R. Klik "Unduh R untuk Linux". Klik "ubuntu". Ikuti instruksi yang diberikan.
Untuk menginstal paket yang diperlukan, ikuti petunjuk yang sama seperti untuk OS X di atas.
Catatan : Jika proses instalasi RStudio Server di Linux gagal, jalankan salah satu dari yang berikut ini:
sudo apt-get install libcurl4-openssl-devatau
sudo apt-get install libcurl4-gnutls-dev
Jika Anda belum memiliki klien Git:
sudo apt-get install git
Unduh dan perbarui kode sumber h2o-3:
git clone https://github.com/h2oai/h2o-3
cd h2o-3
./gradlew build
Jika Anda mengalami kesalahan, jalankan kembali menggunakan
--stacktraceuntuk instruksi lebih lanjut tentang dependensi yang hilang.
Pastikan Anda tidak menjalankannya sebagai root, karena
bowerakan menolak proses tersebut.
curl -sL https://deb.nodesource.com/setup_16.x | sudo bash -
sudo apt-get install -y nodejs
cd /opt
sudo wget --no-cookies --no-check-certificate --header "Cookie: gpw_e24=http%3A%2F%2Fwww.oracle.com%2F; oraclelicense=accept-securebackup-cookie" "http://download.oracle.com/otn-pub/java/jdk/7u79-b15/jdk-7u79-linux-x64.tar.gz"
sudo tar xzf jdk-7u79-linux-x64.tar.gz
cd jdk1.7.0_79
sudo alternatives --install /usr/bin/java java /opt/jdk1.7.0_79/bin/java 2
sudo alternatives --install /usr/bin/jar jar /opt/jdk1.7.0_79/bin/jar 2
sudo alternatives --install /usr/bin/javac javac /opt/jdk1.7.0_79/bin/javac 2
sudo alternatives --set jar /opt/jdk1.7.0_79/bin/jar
sudo alternatives --set javac /opt/jdk1.7.0_79/bin/javac
cd /opt
sudo wget http://dl.fedoraproject.org/pub/epel/7/x86_64/e/epel-release-7-5.noarch.rpm
sudo rpm -ivh epel-release-7-5.noarch.rpm
sudo echo "multilib_policy=best" >> /etc/yum.conf
sudo yum -y update
sudo yum -y install R R-devel git python-pip openssl-devel libxml2-devel libcurl-devel gcc gcc-c++ make openssl-devel kernel-devel texlive texinfo texlive-latex-fonts libX11-devel mesa-libGL-devel mesa-libGL nodejs npm python-devel numpy scipy python-pandas
sudo pip install scikit-learn grip tabulate statsmodels wheel
mkdir ~/Rlibrary
export JAVA_HOME=/opt/jdk1.7.0_79
export JRE_HOME=/opt/jdk1.7.0_79/jre
export PATH=$PATH:/opt/jdk1.7.0_79/bin:/opt/jdk1.7.0_79/jre/bin
export R_LIBS_USER=~/Rlibrary
# install local R packages
R -e 'install.packages(c("RCurl","jsonlite","statmod","devtools","roxygen2","testthat"), dependencies=TRUE, repos="http://cran.rstudio.com/")'
cd
git clone https://github.com/h2oai/h2o-3.git
cd h2o-3
# Build H2O
./gradlew syncSmalldata
./gradlew syncRPackages
./gradlew build -x test
Untuk memulai klaster H2O secara lokal, jalankan perintah berikut pada baris perintah:
java -jar build/h2o.jar
Daftar opsi JVM dan H2O start-up yang tersedia (misalnya -Xmx , -nthreads , -ip ), tersedia di Panduan Pengguna H2O.
File zip H2O-on-Hadoop yang sudah dibuat sebelumnya tersedia di halaman unduh. Setiap versi distribusi Hadoop memiliki file zip terpisah di h2o-3.
Untuk membangun sendiri H2O dengan dukungan Hadoop, pertama-tama instal sphinx untuk python: pip install sphinx Kemudian mulai pembangunan dengan memasukkan yang berikut ini dari direktori h2o-3 tingkat atas:
export BUILD_HADOOP=1;
./gradlew build -x test;
./gradlew dist;
Ini akan membuat direktori bernama 'target' dan menghasilkan file zip di sana. Perhatikan bahwa BUILD_HADOOP adalah perilaku default ketika nama penggunanya adalah jenkins (lihat settings.gradle ); jika tidak, Anda harus memintanya, seperti yang ditunjukkan di atas.
Untuk membuat file zip hanya untuk distribusi tertentu, gunakan variabel env H2O_TARGET bersama dengan BUILD_HADOOP , misalnya:
export BUILD_HADOOP=1;
export H2O_TARGET=hdp2.5,hdp2.6
./gradlew build -x test;
./gradlew dist;
Di direktori h2o-hadoop , setiap versi Hadoop memiliki direktori build untuk driver dan direktori assembly untuk fatjar.
Anda perlu:
build.gradle ) di h2o-hadooph2o-3/settings.gradleHADOOP_VERSIONS di make-dist.shh2o-dist/buildinfo.jsonHadoop mendukung peniruan identitas pengguna yang aman melalui Java API-nya. Pengguna yang diautentikasi kerberos dapat diizinkan untuk mem-proxy nama pengguna apa pun yang memenuhi kriteria tertentu yang dimasukkan dalam file core-site.xml NameNode. Peniruan identitas ini hanya berlaku untuk interaksi dengan API Hadoop atau API layanan terkait Hadoop yang mendukungnya (ini tidak sama dengan beralih ke pengguna tersebut di mesin asal).
Menyiapkan peniruan identitas pengguna yang aman (untuk h2o):
hadoop.proxyuser.<proxyusername>.hosts : host tempat pengguna proxy diperbolehkan melakukan tindakan peniruan identitas atas nama pengguna yang validhadoop.proxyuser.<proxyusername>.groups : grup yang harus dimiliki oleh pengguna yang ditiru agar peniruan identitas dapat berfungsi dengan pengguna proksi tersebuthadoop.proxyuser.<proxyusername>.users : pengguna yang boleh ditiru oleh pengguna proxy<property> <name>hadoop.proxyuser.myproxyuser.hosts</name> <value>host1,host2</value> </property> <property> <name>hadoop.proxyuser.myproxyuser.groups</name> <value>group1,group2</value> </property> <property> <name>hadoop.proxyuser.myproxyuser.users</name> <value>user1,user2</value> </property> Tindakan HDFS yang ditiru dapat dilihat di log audit hdfs ('auth:PROXY' akan muncul di bidang ugi= dalam entri jika hal ini berlaku). YARN juga harus menampilkan 'auth:PROXY' di suatu tempat di UI Resource Manager.
Untuk menggunakan peniruan identitas yang aman dengan driver Hadoop h2o:
Sebelum melakukan hal ini, lihat Risiko peniruan identitas di bawah
Saat menggunakan h2odriver (misalnya saat menjalankan dengan hadoop jar ... ), tentukan -principal <proxy user kerberos principal> , -keytab <proxy user keytab path> , dan -run_as_user <hadoop username to impersonate> , selain yang lainnya argumen yang diperlukan. Jika konfigurasi berhasil, pengguna proksi akan masuk dan menyamar sebagai -run_as_user selama pengguna tersebut diizinkan oleh properti konfigurasi pengguna atau grup (dikonfigurasi di atas); ini diberlakukan oleh HDFS & BENANG, bukan kode h2o. Driver secara efektif menetapkan konteks keamanannya sebagai pengguna yang ditiru sehingga semua tindakan Hadoop yang didukung akan dilakukan sebagai pengguna tersebut (misalnya YARN, API HDFS mendukung pengguna yang ditiru secara aman, namun yang lain mungkin tidak).
hadoop.proxyuser.<proxyusername>.hosts bila memungkinkan atau praktis.su , misalnya)hadoop.proxyuser.<proxyusername>.{hosts,groups,users} ke '*' dapat sangat meningkatkan paparan terhadap risiko keamanan. $ git diff
diff --git a/h2o-app/build.gradle b/h2o-app/build.gradle
index af3b929..097af85 100644
--- a/h2o-app/build.gradle
+++ b/h2o-app/build.gradle
@@ -8,5 +8,6 @@ dependencies {
compile project(":h2o-algos")
compile project(":h2o-core")
compile project(":h2o-genmodel")
+ compile project(":h2o-persist-hdfs")
}
diff --git a/h2o-persist-hdfs/build.gradle b/h2o-persist-hdfs/build.gradle
index 41b96b2..6368ea9 100644
--- a/h2o-persist-hdfs/build.gradle
+++ b/h2o-persist-hdfs/build.gradle
@@ -2,5 +2,6 @@ description = "H2O Persist HDFS"
dependencies {
compile project(":h2o-core")
- compile("org.apache.hadoop:hadoop-client:2.0.0-cdh4.3.0")
+ compile("org.apache.hadoop:hadoop-client:2.4.1-mapr-1408")
+ compile("org.json:org.json:chargebee-1.0")
}
Sparkling Water menggabungkan dua teknologi sumber terbuka: Apache Spark dan platform Pembelajaran Mesin H2O. Itu membuat perpustakaan algoritma canggih H2O, termasuk Deep Learning, GLM, GBM, K-Means, dan Distributed Random Forest, dapat diakses dari alur kerja Spark. Pengguna Spark dapat memilih fitur terbaik dari platform mana pun untuk memenuhi kebutuhan Machine Learning mereka. Pengguna dapat menggabungkan RDD API Spark dan Spark MLLib dengan algoritme pembelajaran mesin H2O, atau menggunakan H2O secara independen dari Spark untuk proses pembuatan model dan pasca-proses hasilnya di Spark.
Sumber Daya Air Berkilau :
Dokumentasi H2O utama adalah Panduan Pengguna H2O. Kunjungi http://docs.h2o.ai untuk pengenalan tingkat atas mengenai dokumentasi proyek H2O.
Untuk menghasilkan dokumentasi REST API, gunakan perintah berikut:
cd ~/h2o-3
cd py
python ./generate_rest_api_docs.py # to generate Markdown only
python ./generate_rest_api_docs.py --generate_html --github_user GITHUB_USER --github_password GITHUB_PASSWORD # to generate Markdown and HTML
Lokasi default untuk dokumentasi yang dihasilkan adalah build/docs/REST .
Jika build gagal, coba gradlew clean , lalu git clean -f .
Dokumentasi untuk setiap pembangunan malam hari yang terbaru tersedia di halaman pembangunan malam hari.
Jika Anda menggunakan H2O sebagai bagian dari alur kerja Anda dalam publikasi, silakan kutip sumber daya H2O Anda menggunakan entri BibTex berikut:
@Manual{h2o_package_or_module,
title = {package_or_module_title},
author = {H2O.ai},
year = {year},
month = {month},
note = {version_information},
url = {resource_url},
}
Contoh kutipan Perangkat Lunak H2O yang diformat :
Buklet algoritma H2O tersedia di Beranda Dokumentasi.
@Manual{h2o_booklet_name,
title = {booklet_title},
author = {list_of_authors},
year = {year},
month = {month},
url = {link_url},
}
Contoh kutipan buklet berformat :
Arora, A., Candel, A., Lanford, J., LeDell, E., dan Parmar, V. (Oktober 2016). Pembelajaran Mendalam dengan H2O . http://docs.h2o.ai/h2o/latest-stable/h2o-docs/booklets/DeepLearningBooklet.pdf.
Click, C., Lanford, J., Malohlava, M., Parmar, V., dan Roark, H. (Oktober 2016). Model Peningkatan Gradien dengan H2O . http://docs.h2o.ai/h2o/latest-stable/h2o-docs/booklets/GBMBoklet.pdf.
H2O telah dibangun oleh banyak sekali kontributor selama bertahun-tahun baik di dalam H2O.ai (perusahaan) maupun komunitas open source yang lebih luas. Anda dapat mulai berkontribusi pada H2O dengan menjawab pertanyaan Stack Overflow atau mengajukan laporan bug. Silakan bergabung dengan kami!
SriSatish Ambati
Cliff Click
Tom Kraljevic
Tomas Nykodym
Michal Malohlava
Kevin Normoyle
Spencer Aiello
Anqi Fu
Nidhi Mehta
Arno Candel
Josephine Wang
Amy Wang
Max Schloemer
Ray Peck
Prithvi Prabhu
Brandon Hill
Jeff Gambera
Ariel Rao
Viraj Parmar
Kendall Harris
Anand Avati
Jessica Lanford
Alex Tellez
Allison Washburn
Amy Wang
Erik Eckstrand
Neeraja Madabhushi
Sebastian Vidrio
Ben Sabrin
Matt Dowle
Mark Landry
Erin LeDell
Andrey Spiridonov
Oleg Rogynskyy
Nick Martin
Nancy Jordan
Nishant Kalonia
Nadine Hussami
Jeff Cramer
Stacie Spreitzer
Vinod Iyengar
Charlene Windom
Parag Sanghavi
Navdeep Gill
Lauren DiPerna
Anmol Bal
Mark Chan
Nick Karpov
Avni Wadhwa
Ashrith Barthur
Karen Hayrapetyan
Jo-fai Chow
Dmitry Larko
Branden Murray
Jakub Hava
Wen Phan
Magnus Stensmo
Pasha Stetsenko
Angela Bartz
Mateusz Dymczyk
Micah Stubbs
Ivy Wang
Terone Ward
Leland Wilkinson
Wendy Wong
Nikhil Shekhar
Pavel Pscheidl
Michal Kurka
Veronika Maurerova
Jan Sterba
Jan Jendrusak
Sebastien Poirier
Tomáš Frýda
Ard Kelmendi
Yuliia Syzon
Adam Valenta
Marek Novotny
Zuzana Olajcova
Dewan Penasihat Ilmiah
Stephen Boyd
Rob Tibshirani
Trevor Hastie
Sistem, Data, Sistem File dan Hadoop
Doug Lea
Chris Pouliot
Dhruba Borthakur
Jishnu Bhattacharjee, Nexus Venture Partners
Anand Babu Periasamy
Anand Rajaraman
Ash Bhardwaj
Rakesh Mathur
Michael Marks
Egbert Bierman
Rajesh Ambati
