automl app

Nova maneira de construir pipelines de ML!

Estamos trabalhando em uma nova maneira de programação visual em Python. Desenvolvemos um aplicativo desktop chamado MLJAR Studio. É um ambiente de desenvolvimento baseado em notebook com receitas de código interativo e ambiente Python gerenciado. Tudo rodando localmente em sua máquina. Estamos aguardando seu feedback.

Possui receitas de código para construir pipelines de ML com MLJAR AutoML.

---

Aplicativo da Web AutoML?

AutoML • ? Mercúrio • ? Problemas • ? Twitter • ?‍ LinkedIn • Site MLJAR

Este é um aplicativo da Web projetado para treinar pipelines de aprendizado de máquina usando MLJAR AutoML, adaptado especificamente para dados tabulares. Todos os modelos gerados são compactados em um formato de arquivo, permitindo sua reutilização para calcular previsões em modo batch.

Este repositório consiste em três notebooks:

• notebook para treinar AutoML com interface de usuário simples,
• notebook avançado para treinamento de AutoML com interface de usuário mais avançada (você pode selecionar métodos de engenharia de recursos, algoritmos, estratégia de validação e métrica de avaliação),
• notebook para calcular previsões.

O aplicativo Web aproveita os recursos supervisionados por mljar para construir o pipeline de aprendizado de máquina com AutoML. Isso envolve a automação de várias tarefas importantes:

• pré-processamento de dados,
• apresenta engenharia,
• seleção e ajuste de algoritmo,
• Explicações dos modelos de ML,
• documentação automática.

O Web App é criado diretamente de Jupyter Notebooks com estrutura Mercury.

Demonstração

MLJAR-AutoML-Web-App.mp4

Demonstração on-line

O aplicativo da Web está disponível on-line em automl.runmercury.com. O upload de dados de entrada é limitado a 1 MB.

Execute localmente

Execute os comandos abaixo para executar o Web App localmente. Requer Python >= 3.8.

pip install -r requirements.txt
mercury run

Caderno de treinamento ?

Se desejar aumentar o limite do arquivo de entrada, altere a célula:

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

e defina seu max_file_size .

Altere a seguinte célula para aumentar o tempo de treinamento:

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

Os tempos estão em segundos. Por favor, basta aumentar os valores.

Modelos de treinamento em Web App

Faça upload de um arquivo CSV com dados de treinamento, selecione recursos de entrada e destino e clique em Start training .

Todos os modelos criados durante o treinamento estão disponíveis para download em arquivo zip:

Caderno de Treinamento Avançado ?

Use o modo avançado se quiser ajustar os parâmetros do AutoML:

?‍? Conecte-se conosco no LinkedIn e no Twitter

Mantenha-se atualizado com as últimas atualizações sobre MLJAR ?? seguindo-nos no Twitter (MLJAR Twitter) e no LinkedIn (Aleksandra LinkedIn e Piotr LinkedIn). Estamos ansiosos para nos conectar com você e ouvir seus pensamentos, ideias e experiências.

Boa sorte com o treinamento de ML!