automl app

ML 파이프라인을 구축하는 새로운 방법!

우리는 Python 시각적 프로그래밍을 위한 새로운 방식을 연구하고 있습니다. 우리는 MLJAR Studio라는 데스크톱 애플리케이션을 개발했습니다. 대화형 코드 레시피와 관리형 Python 환경을 갖춘 노트북 기반 개발 환경입니다. 모두 컴퓨터에서 로컬로 실행됩니다. 우리는 귀하의 의견을 기다리고 있습니다.

MLJAR AutoML을 사용하여 ML 파이프라인을 구축하는 코드 레시피가 있습니다.

---

AutoML 웹 앱?

AutoML • ? 머큐리 • ? 문제 • ? 트위터 • ?‍ LinkedIn • MLJAR 웹사이트

이는 특히 테이블 형식 데이터에 맞게 조정된 MLJAR AutoML을 사용하여 기계 학습 파이프라인을 교육하도록 설계된 웹 애플리케이션입니다. 생성된 모든 모델은 아카이브 형식으로 압축되므로 배치 모드에서 예측을 계산하는 데 재사용할 수 있습니다.

이 저장소는 세 개의 노트북으로 구성됩니다.

• 간단한 UI로 AutoML을 학습하기 위한 노트북,
• 고급 UI로 AutoML을 훈련하기 위한 고급 노트북(특성 엔지니어링 방법, 알고리즘, 검증 전략 및 평가 지표를 선택할 수 있음)
• 예측 계산을 위한 노트북입니다.

웹 앱은 mljar-supervised 기능을 활용하여 AutoML로 기계 학습 파이프라인을 구성합니다. 여기에는 몇 가지 주요 작업의 자동화가 포함됩니다.

• 데이터 전처리,
• 기능 엔지니어링,
• 알고리즘 선택 및 튜닝,
• ML 모델 설명,
• 자동 문서화.

웹 앱은 Mercury 프레임워크를 사용하여 Jupyter Notebook에서 직접 생성됩니다.

데모

MLJAR-AutoML-웹-App.mp4

온라인 데모

웹 앱은 automl.runmercury.com에서 온라인으로 사용할 수 있습니다. 입력 데이터 업로드는 1MB로 제한됩니다.

로컬에서 실행

Web App을 로컬에서 실행하려면 아래 명령을 실행하세요. Python >= 3.8이 필요합니다.

pip install -r requirements.txt
mercury run

교육용 노트북?

입력 파일 제한을 늘리려면 셀을 변경하십시오.

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

max_file_size 를 설정하세요.

훈련 시간을 늘리려면 다음 셀을 변경하십시오.

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

시간은 초 단위입니다. 값을 늘려주세요.

웹앱의 학습 모델

학습 데이터가 포함된 CSV 파일을 업로드하고 입력 기능 및 타겟을 선택한 후 Start training 클릭하세요.

교육 중에 생성된 모든 모델은 zip 파일로 다운로드할 수 있습니다.

고급 교육 노트 ?

AutoML 매개변수를 조정하려면 고급 모드를 사용하세요.

?‍? LinkedIn 및 Twitter에서 우리와 소통하세요

MLJAR에 대한 최신 업데이트를 받아보세요 ?? Twitter(MLJAR Twitter) 및 LinkedIn(Aleksandra LinkedIn 및 Piotr LinkedIn)에서 팔로우하세요. 우리는 귀하와 소통하고 귀하의 생각, 아이디어 및 경험을 듣기를 기대합니다.

ML 학습에 행운이 있기를 바랍니다!