LML DAP

LML & DAP

Model Bahasa Mempelajari Dataset untuk Prediksi Augmented Data

Alternatif Pembelajaran Mesin Menggunakan LLMS

Catatan

Silakan bintangi repositori untuk menunjukkan dukungan Anda.

Mengapa LML & DAP:

• Tugas klasifikasi biasanya ditangani menggunakan model Machine Learning (ML), yang tidak memiliki keseimbangan antara akurasi dan interpretabilitas.
• Proyek ini memperkenalkan pendekatan baru untuk menggunakan model bahasa besar (LLM) untuk tugas klasifikasi dengan cara yang dapat dijelaskan.
• Tidak seperti model ML yang sangat bergantung pada pembersihan data dan rekayasa fitur, metode ini merampingkan proses menggunakan LLMS.

Proses LML :

Proses DAP :

Hasil :

Dibuat oleh Praneeth Vadlapati (@prane-eth)

? Makalah Penelitian

Pracetak dari makalah penelitian tersedia di Arxiv

? Kutipan

Untuk menggunakan kertas saya untuk referensi, silakan kutip di bawah ini:

 @misc { vadlapati2024lmldap ,
	title = { {LML-DAP: Language Model Learning a Dataset for Data-Augmented Prediction} } ,
	author = { {Praneeth Vadlapati} } ,
	year = { 2024 } ,
	eprint = { 2409.18957 } ,
	archivePrefix = { arXiv } ,
	primaryClass = { cs.CL } ,
	url = { https://arxiv.org/abs/2409.18957 }
}

Awal yang cepat

pip install -r requirements.txt
cp .env.example .env

Sekarang, edit file .env dan tambahkan nilai Anda.
Jalankan eksperimen file-lml.ipynb

Lebih banyak proyek

Untuk proyek lainnya, buka profil: @pro-genai

Berkontribusi

Kontribusi dipersilakan! Jangan ragu untuk membuat masalah untuk laporan atau saran bug apa pun.
Untuk berkontribusi, silakan membintangi repositori dan membuat masalah. Jika saya tidak dapat menyelesaikannya, saya akan mengizinkan siapa pun untuk membuat permintaan tarik.

? Lisensi

Hak Cipta © 2024 Praneeth Vadlapati
Silakan merujuk ke file lisensi untuk informasi lebih lanjut.
Untuk meminta izin untuk menggunakan pekerjaan saya, silakan hubungi saya menggunakan tautan di bawah ini.

️ Penafian

Kode ini tidak dimaksudkan untuk digunakan di lingkungan produksi. Kode ini hanya untuk tujuan pendidikan dan penelitian. Tidak ada penulis yang bertanggung jawab atas penyalahgunaan atau kerusakan yang disebabkan oleh kode ini. Gunakan dengan risiko Anda sendiri. Kode ini disediakan sebagaimana adanya tanpa jaminan atau jaminan.

Ucapan Terima Kasih

• Terima kasih khusus kepada Groq (https://groq.com/) untuk inferensi LLM cepat yang menghemat waktu saya untuk proyek penelitian ini.
• Kredit gambar:
  • Database: https://pixabay.com/vectors/database-data-storage-cylinder-149760/
  • Ringkasan Data: https://pixabay.com/vectors/documents-paper-text-icon-149799/
  • Data uji: https://pixabay.com/vectors/flask-test-tube-icon-medical-5817899/
  • Centang: https://pixabay.com/vectors/confirmation-symbol-icon-green-152155/

? Kontak

Untuk pertanyaan pribadi, silakan temukan detail kontak saya di sini: linktr.ee/prane.eth