MLE agent
0.4.2
？父親のカイアへの愛？
ドキュメント| ？問題を報告する| Discordにご参加ください
MLE-Agentは、機械学習エンジニアおよび研究者向けのペアリングLLMエージェントとして設計されています。次のように紹介されています。
Auto-Kaggleモードを強化して0.4.2リリースして、最小限の労力でエンドツーエンドの競争を完了します。MLE report 、 MLE kaggle 、 MLE integration 、 Mistralのような多くの新しいモデルなど、新しいCLIのような新しいCLIで0.4.0リリースします。0.3.0をリリースします（v0.3.0）0.2.0をリリースします（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 >プロジェクトディレクトリは現在のパスの下に作成されます。プロジェクトディレクトリの下でプロジェクトを開始する必要があります。
cd < project name >
mle startプロジェクトディレクトリの下のターミナルでインタラクティブなチャットを開始することもできます。
mle chatMLEエージェントは、指定された要件を使用してMLベースラインをプロトタイプ化し、ローカルマシンでモデルをテストするのに役立ちます。 「過去のデータに基づいて株価を予測したい」など、要件は曖昧な場合があります。
cd < project name >
mle startMLEエージェントは、開発の進捗状況、通信ノート、リファレンス、To Doリストなど、毎週のレポートを要約するのに役立ちます。
cd < project name >
mle report次に、http：// localhost：3000/にアクセスして、レポートをローカルに生成できます。
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および--end-dateはオプションのパラメーターです。省略した場合、コマンドは過去7日間のデフォルトの日付範囲のレポートを生成します。<git email>をgitメールに置き、 <path_to_git_repo>をローカルGitリポジトリへのパスに置き換えます。MLEエージェントは、Kaggleコンペティションに参加し、データの準備からモデルトレーニングへのコーディングとデバッグを独立して終了できます。 Kaggleコンペティションを開始するための基本的なコマンドは次のとおりです。
cd < project name >
mle kaggleまたは、データセットと送信ファイルが準備されている場合、エージェントに人間の相互作用なしでKaggleタスクを完了させることができます。
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> "コマンドを実行する前に、競争に参加したことを確認してください。詳細については、MLE-Agentチュートリアルを参照してください。
以下は、私たちがやろうとしているタスクのリストです。何か新しいことを提案することができます！
コミュニティからの貢献を歓迎します。次のタスクを支援する貢献者を探しています。
貢献したい場合は、converting.mdファイルを確認してください。
詳細については、MITライセンスファイルを確認してください。
