CodaLab adalah platform berbasis web sumber terbuka yang memungkinkan peneliti, pengembang, dan ilmuwan data untuk berkolaborasi, dengan tujuan memajukan bidang penelitian yang menggunakan pembelajaran mesin dan komputasi tingkat lanjut. CodaLab membantu memecahkan banyak masalah umum di bidang penelitian berorientasi data melalui komunitas online di mana orang dapat berbagi lembar kerja dan berpartisipasi dalam kompetisi.
Untuk melihat aksi Kompetisi Codalab, kunjungi codalab.lisn.fr.
Codabench, Kompetisi CodaLab generasi berikutnya, telah keluar. Cobalah!
Forum komunitas CodaLab dihosting di Google Grup.
Untuk berpartisipasi dalam kompetisi, atau bahkan mengatur kompetisi Anda sendiri, Anda tidak perlu menginstal apa pun , Anda hanya perlu masuk ke salah satu platform (misalnya yang ini). Jika Anda ingin mengonfigurasi instance kompetisi CodaLab Anda sendiri, berikut petunjuknya:
Instal buruh pelabuhan dan tambahkan pengguna Anda ke grup buruh pelabuhan, jika Anda belum melakukannya
$ wget -qO- https://get.docker.com/ | sh
$ sudo usermod -aG docker $USER
Kloning repo ini dan dapatkan pengaturan lingkungan default
$ git clone https://github.com/codalab/codalab-competitions
$ cd codalab-competitions
$ cp .env_sample .env
$ pip install docker-compose
$ docker-compose up -d
Sekarang Anda seharusnya dapat mengakses http://localhost/
Detail selengkapnya tentang cara mengonfigurasi instans Anda sendiri:
Hak Cipta (c) 2013-2015, The Outercurve Foundation. Hak Cipta (c) 2016-2021, Université Paris-Saclay. Perangkat lunak ini dirilis di bawah Lisensi Apache 2.0 ("Lisensi"); Anda tidak boleh menggunakan perangkat lunak kecuali sesuai dengan Lisensi.
Teks Lisensi Apache 2.0 dapat ditemukan online di: http://www.opensource.org/licenses/apache2.0.php
@article{codalab_competitions_JMLR,
author = {Adrien Pavao and Isabelle Guyon and Anne-Catherine Letournel and Dinh-Tuan Tran and Xavier Baro and Hugo Jair Escalante and Sergio Escalera and Tyler Thomas and Zhen Xu},
title = {CodaLab Competitions: An Open Source Platform to Organize Scientific Challenges},
journal = {Journal of Machine Learning Research},
year = {2023},
volume = {24},
number = {198},
pages = {1--6},
url = {http://jmlr.org/papers/v24/21-1436.html}
}