MLE agent
0.4.2
? Die Liebe der Väter zu Kaia?
Docs | ? Berichtsprobleme | Begleiten Sie uns auf Zwietracht
MLE-Agent ist als Pairing LLM-Agent für Ingenieure und Forscher für maschinelles Lernen konzipiert. Es wird vorgestellt von:
0.4.2 mit einem verbesserten Auto-Kaggle -Modus, um einen End-to-End-Wettbewerb mit minimaler Aufwand abzuschließen.0.4.0 mit neuen CLIs wie MLE report , MLE kaggle , MLE integration und vielen neuen Modellen wie Mistral .0.3.0 mit großem Refactoring, vielen Integrationen usw. (V0.3.0).0.2.0 mit mehreren Agenten -Wechselwirkungen (V0.2.0)pip install mle-agent -U
# or from source
git clone [email protected]:MLSysOps/MLE-agent.git
pip install -e .mle new < project name >Und ein Projektverzeichnis wird unter dem aktuellen Pfad erstellt. Sie müssen das Projekt im Rahmen des Projektverzeichnisses starten.
cd < project name >
mle startSie können auch einen interaktiven Chat im Terminal unter dem Projektverzeichnis starten:
mle chatMLE Agent kann Ihnen helfen, eine ML -Grundlinie mit den angegebenen Anforderungen zu prototypisieren und das Modell auf der lokalen Maschine zu testen. Die Anforderungen können vage sein, wie z. B. "Ich möchte den Aktienkurs basierend auf den historischen Daten vorhersagen".
cd < project name >
mle startMLE Agent kann Ihnen dabei helfen, Ihren wöchentlichen Bericht zusammenzufassen, einschließlich Entwicklungsfortschritt, Kommunikationsnotizen, Referenzen und Aufgabenlisten.
cd < project name >
mle reportDann können Sie http: // localhost: 3000/um Ihren Bericht lokal zu erstellen.
cd < project name >
mle report-local --email= < git email > --start-date=YYYY-MM-DD --end-date=YYYY-MM-DD < path_to_git_repo >--start-date und --end-date sind optionale Parameter. Wenn der Befehl ausgelassen wird, generiert der Befehl einen Bericht für den Standarddatumbereich der letzten 7 Tage.<git email> durch Ihre Git -E -Mail und <path_to_git_repo> durch den Pfad zu Ihrem lokalen Git -Repository.MLE Agent kann an Kaggle -Wettbewerben teilnehmen und das Codieren und Debuggen von der Datenvorbereitung bis zum Modellieren unabhängig voneinander beenden. Hier ist der grundlegende Befehl, um einen Kaggle -Wettbewerb zu starten:
cd < project name >
mle kaggleOder Sie können die Agenten die Kaggle -Aufgabe ohne menschliche Interaktion beenden lassen, wenn Sie die Datei- und Einreichungsdatei bereit haben:
cd < project name >
mle kaggle --auto
--datasets " <path_to_dataset1>,<path_to_dataset2>,... "
--description " <description_file_path_or_text> "
--submission " <submission_file_path> "
--sub_example " <submission_example_file_path> "
--comp_id " <competition_id> "Bitte stellen Sie sicher, dass Sie sich dem Wettbewerb angeschlossen haben, bevor Sie den Befehl ausführen. Weitere Informationen finden Sie in den MLE-Agent-Tutorials.
Das Folgende ist eine Liste der Aufgaben, die wir ausführen möchten, willkommen, etwas Neues vorzuschlagen!
Wir begrüßen Beiträge der Community. Wir suchen nach Mitwirkenden, die uns bei den folgenden Aufgaben helfen:
Bitte überprüfen Sie die Datei mit beitragen.md, wenn Sie einen Beitrag leisten möchten.
Weitere Informationen finden Sie unter MIT -Lizenzdatei.
