Gradio:无需烦恼地在互联网上分享和测试机器学习模型
介绍了 OpenML,这是一个用于分享和组织详细数据以更有效地工作、更可见和与他人合作解决更困难问题的机器学习研究者的场所,探讨了OpenML与其他网络科学实例的关系以及对机器学习研究、科学家和学生从业者带来的好处。
Jul, 2014
本文介绍了一个R包与Online机器学习平台OpenML的接口,并展示了在结合使用机器学习R软件mlr时的使用。OpenML平台可帮助R用户轻松搜索、下载和上传数据集和机器学习任务,自动化大部分繁琐的工作,促进协作,加速研究,增加用户的在线可见性。
Jan, 2017
介绍了 Data and Learning Hub for science (DLHub),它是一个多租户系统,具有模型库和服务功能,并专注于科学应用,这解决了当前系统中的一些局限性。DLHub使用户能够共享、发布、验证、重现和重用模型,并通过简单的 Web 接口使用可扩展和低延迟的服务能力,以提高模型可用性和可访问性。
Nov, 2018
OpenML-Python 是一个开发用于机器学习的 Python 平台,允许用户在 OpenML 上分享、访问和重现机器学习的数据集、任务和实验,并提供了整合其他 Python 机器学习库的插件机制。
Nov, 2019
本文介绍Git-Theta,这是一种适用于机器学习模型的版本控制系统,它可以追踪模型参数的细微变化并支持通信效率高的更新、模型合并和差异报告。通过公开发布Git-Theta,旨在开启协作模型开发的新时代。
Jun, 2023
介绍了 Model Share AI (AIMS) 平台,旨在通过协作模型开发、模型追溯、模型部署等功能最大化机器学习研究的实际影响。
Sep, 2023
GEVO-ML是一个工具,用于自动发现ML内核的优化机会和性能调优,在多层中间表示(MLIR)中统一表示模型和训练/预测过程,使用多目标进化搜索来改进在GPU上运行的MLIR代码的性能,而保持所需功能。
Oct, 2023
机器学习在神经科学中的应用是一个具有挑战性的领域,本文介绍了julearn这一开源Python库,用于设计和评估复杂的机器学习流程,以简化研究项目中常见的陷阱。
Oct, 2023
本研究解决了目前对机器学习(ML)驱动的软件系统特征了解不足的问题。通过对2928个开源系统的分类与分析,提出了一种新的研究思路,揭示了ML模型的嵌入与集成实践。研究结果为从业者和研究人员提供了重要见解,促进数据科学与软件工程的结合。
Aug, 2024