codalab competitions

CodaLab คืออะไร?

CodaLab เป็นแพลตฟอร์มบนเว็บแบบโอเพ่นซอร์สที่ช่วยให้นักวิจัย นักพัฒนา และนักวิทยาศาสตร์ข้อมูลสามารถทำงานร่วมกัน โดยมีเป้าหมายเพื่อพัฒนาสาขาการวิจัยที่ก้าวหน้าซึ่งใช้การเรียนรู้ของเครื่องและการคำนวณขั้นสูง CodaLab ช่วยแก้ปัญหาทั่วไปมากมายในด้านการวิจัยเชิงข้อมูลผ่านชุมชนออนไลน์ที่ผู้คนสามารถแชร์แผ่นงานและเข้าร่วมการแข่งขันได้

หากต้องการดูการทำงานของ Codalab Competition โปรดไปที่ codalab.lisn.fr

Codabench ซึ่งเป็น CodaLab Competitions เจเนอเรชั่นใหม่ออกมาแล้ว ลองดูสิ!

เอกสารประกอบ

• CodaLab วิกิ

ชุมชน

ฟอรัมชุมชน CodaLab โฮสต์อยู่ใน Google Groups

• CodaLab การแข่งขันฟอรัม Google Groups

การติดตั้งอย่างรวดเร็ว (สำหรับ Linux!)

หากต้องการเข้าร่วมการแข่งขัน หรือแม้แต่จัดการแข่งขันของคุณเอง คุณไม่จำเป็นต้องติดตั้งอะไรเลย คุณเพียงแค่ต้องลงชื่อเข้าใช้อินสแตนซ์ของแพลตฟอร์ม (เช่น อันนี้) หากคุณต้องการกำหนดค่าอินสแตนซ์การแข่งขัน CodaLab ของคุณเอง ต่อไปนี้เป็นคำแนะนำ:

ติดตั้งนักเทียบท่าและเพิ่มผู้ใช้ของคุณในกลุ่มนักเทียบท่า หากคุณยังไม่ได้ติดตั้ง

 $ wget -qO- https://get.docker.com/ | sh
$ sudo usermod -aG docker $USER

โคลน repo นี้และรับการตั้งค่าสภาพแวดล้อมเริ่มต้น

 $ git clone https://github.com/codalab/codalab-competitions
$ cd codalab-competitions
$ cp .env_sample .env
$ pip install docker-compose
$ docker-compose up -d

ตอนนี้คุณควรจะสามารถเข้าถึง http://localhost/

รายละเอียดเพิ่มเติมเกี่ยวกับวิธีกำหนดค่าอินสแตนซ์ของคุณเอง:

• กำหนดค่า Codalab ตั้งแต่เริ่มต้น
• ตั้งค่าการจัดเก็บข้อมูล

ใบอนุญาต

ลิขสิทธิ์ (c) 2013-2015 มูลนิธิ Outercurve ลิขสิทธิ์ (c) 2016-2021, Université Paris-Saclay ซอฟต์แวร์นี้เผยแพร่ภายใต้ Apache License 2.0 ("ใบอนุญาต"); คุณไม่สามารถใช้ซอฟต์แวร์ได้ยกเว้นการปฏิบัติตามใบอนุญาต

ข้อความของ Apache License 2.0 สามารถพบได้ทางออนไลน์ที่: http://www.opensource.org/licenses/apache2.0.php

อ้างอิงการแข่งขัน CodaLab ในงานวิจัยของคุณ

 @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}
}