MLE agent
0.4.2
? O amor dos pais por Kaia?
DOCs | ? Questões de relatório | Junte -se a nós na discórdia
O MLE-Agent é projetado como um agente LLM de emparelhamento para engenheiros e pesquisadores de aprendizado de máquina. É apresentado por:
0.4.2 com o modo aprimorado Auto-Kaggle para concluir uma competição de ponta a ponta com o mínimo de esforço.0.4.0 com novos CLIs como MLE report , MLE kaggle , MLE integration e muitos novos modelos como Mistral .0.3.0 com enorme refatoração, muitas integrações, etc. (v0.3.0)0.2.0 com interação de múltiplos agentes (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 >E um diretório de projeto será criado sob o caminho atual, você precisa iniciar o projeto no diretório do projeto.
cd < project name >
mle startVocê também pode iniciar um bate -papo interativo no terminal no diretório do projeto:
mle chatO MLE Agent pode ajudá -lo a prototipar uma linha de base ML com os requisitos fornecidos e testar o modelo na máquina local. Os requisitos podem ser vagos, como "quero prever o preço das ações com base nos dados históricos".
cd < project name >
mle startO MLE Agent pode ajudá-lo a resumir seu relatório semanal, incluindo progresso do desenvolvimento, notas de comunicação, referência e listas de tarefas.
cd < project name >
mle reportEm seguida, você pode visitar http: // localhost: 3000/Para gerar seu relatório localmente.
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 e --end-date são parâmetros opcionais. Se omitido, o comando gerará um relatório para o intervalo de data padrão dos últimos 7 dias.<git email> pelo seu email Git e <path_to_git_repo> pelo caminho para o seu repositório Git local.O MLE Agent pode participar de competições de Kaggle e terminar de codificar e depurar da preparação de dados para modelar o treinamento de forma independente. Aqui está o comando básico para iniciar uma competição Kaggle:
cd < project name >
mle kaggleOu você pode permitir que os agentes terminem a tarefa Kaggle sem interação humana se você tiver o conjunto de dados e o arquivo de envio pronto:
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> "Certifique -se de que você ingressou na competição antes de executar o comando. Para mais detalhes, consulte os tutoriais do MLE-Agent.
A seguir, é apresentada uma lista das tarefas que planejamos realizar, bem -vindo a propor algo novo!
Congratulamo -nos com contribuições da comunidade. Estamos procurando contribuidores para nos ajudar com as seguintes tarefas:
Verifique o arquivo contribuinte.md se você deseja contribuir.
Verifique o arquivo de licença do MIT para obter mais informações.
