automl app

ML パイプラインを構築するための新しい方法!

私たちは Python ビジュアル プログラミングの新しい方法に取り組んでいます。 MLJAR Studio というデスクトップ アプリケーションを開発しました。これは、インタラクティブなコード レシピとマネージド Python 環境を備えたノートブック ベースの開発環境です。すべてマシン上でローカルに実行されます。皆様のご意見をお待ちしております。

MLJAR AutoML を使用して ML パイプラインを構築するためのコード レシピが含まれています。

---

AutoML Web アプリ ?

AutoML • ?水星• ？問題• ？ Twitter • ?‍ LinkedIn • MLJAR ウェブサイト

これは、MLJAR AutoML を使用して機械学習パイプラインをトレーニングするように設計された Web アプリケーションであり、特に表形式データ用に調整されています。生成されたすべてのモデルはアーカイブ形式に圧縮され、バッチ モードで予測を計算するために再利用できるようになります。

このリポジトリは 3 つのノートブックで構成されています。

• シンプルな UI で AutoML をトレーニングするためのノートブック、
• より高度な UI を使用して AutoML をトレーニングするための高度なノートブック (特徴エンジニアリング手法、アルゴリズム、検証戦略、評価メトリックを選択できます)、
• 予測を計算するためのノートブック。

Web アプリは、mljar 監視の機能を利用して、AutoML で機械学習パイプラインを構築します。これには、いくつかの主要なタスクの自動化が含まれます。

• データの前処理、
• 機能エンジニアリング、
• アルゴリズムの選択とチューニング、
• ML モデルの説明、
• 自動ドキュメント化。

Web アプリは、Mercury フレームワークを使用して Jupyter Notebook から直接作成されます。

デモ

MLJAR-AutoML-Web-App.mp4

オンラインデモ

Web アプリは、automl.runmercury.com からオンラインで入手できます。入力データのアップロードは 1MB に制限されています。

ローカルで実行

Web アプリをローカルで実行するには、以下のコマンドを実行してください。 Python 3.8 以上が必要です。

pip install -r requirements.txt
mercury run

トレーニングノート?

入力ファイルの制限を増やしたい場合は、セルを変更してください。

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

そしてmax_file_size設定します。

トレーニング時間を増やすには、次のセルを変更してください。

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

時間は秒単位です。値を大きくしてください。

Web アプリでモデルをトレーニングする

トレーニング データを含む CSV ファイルをアップロードし、入力特徴とターゲットを選択して、 Start trainingをクリックしてください。

トレーニング中に作成されたすべてのモデルは、zip ファイルとしてダウンロードできます。

上級トレーニングノート?

AutoML パラメータを微調整したい場合は、詳細モードを使用してください。

?‍? LinkedIn と Twitter で私たちとつながりましょう

MLJAR に関する最新情報を常に入手してください ?? Twitter (MLJAR Twitter) および LinkedIn (Aleksandra LinkedIn および Piotr LinkedIn) でフォローしてください。私たちは、あなたとつながり、あなたの考え、アイデア、経験を聞くことを楽しみにしています。

ML トレーニングを頑張ってください!