IBM/AutoMLPipeline.jl
این یک بسته جولیا برای ساخت و ارزیابی آسان معماری‌های خطوط لوله یادگیری ماشین است.
کاربرد:
این ابزار به شما کمک می‌کنه تا به راحتی خطوط لوله مدل‌های یادگیری ماشین رو ایجاد، تنظیم و ارزیابی کنید، بدون نیاز به کدنویسی پیچیده. ️
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خواید به سرعت چندین مدل و خط لوله مختلف رو تست کنید، مخصوصاً در مراحل اولیه توسعه مدل یا زمانی که داده‌های زیادی دارید و نیاز به خودکارسازی دارید.
چند مثال از موارد استفاده:
- پیش‌پردازش خودکار داده‌ها با ترکیب نرمال‌سازی، رمزگذاری ویژگی‌ها و حذف داده‌های گم‌شده
- مقایسه خودکار مدل‌های مختلف مثل Random Forest، SVM و Logistic Regression
- انتخاب ویژگی و بهینه‌سازی هیپرپارامترها در یک خط لوله واحد
- ارزیابی عملکرد خطوط لوله با اعتبارسنجی متقابل
- ##AutoML
- ##MachineLearning
- ##JuliaLang
- ##DataScience
- ##Pipelines
- ##ModelSelection
- ##HyperparameterOptimization
- ##IBMResearch