هذا هو تطبيق Windows المسمى NannyML والذي يمكن تنزيل أحدث إصدار له كـ v0.8.5.zip. يمكن تشغيله عبر الإنترنت في مزود الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى NannyML عبر الإنترنت مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل أي محاكي لنظام التشغيل OnWorks عبر الإنترنت من موقع الويب هذا ، ولكن أفضل محاكي Windows عبر الإنترنت.
- 5. من نظام التشغيل OnWorks Windows الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته.
- 7. قم بتنزيل Wine من مستودعات برامج توزيعات Linux الخاصة بك. بمجرد التثبيت ، يمكنك النقر نقرًا مزدوجًا فوق التطبيق لتشغيله باستخدام Wine. يمكنك أيضًا تجربة PlayOnLinux ، وهي واجهة رائعة على Wine والتي ستساعدك على تثبيت برامج وألعاب Windows الشائعة.
يعد Wine طريقة لتشغيل برامج Windows على نظام Linux ، ولكن بدون الحاجة إلى Windows. Wine عبارة عن طبقة توافق Windows مفتوحة المصدر يمكنها تشغيل برامج Windows مباشرة على أي سطح مكتب Linux. بشكل أساسي ، يحاول Wine إعادة تنفيذ ما يكفي من Windows من البداية حتى يتمكن من تشغيل جميع تطبيقات Windows دون الحاجة إلى Windows بالفعل.
SCREENSHOTS
Ad
NannyML
الوصف
NannyML هي مكتبة بيثون مفتوحة المصدر تسمح لك بتقدير أداء نموذج ما بعد النشر (بدون الوصول إلى الأهداف) ، واكتشاف انحراف البيانات ، وربط تنبيهات انحراف البيانات بذكاء بالتغييرات في أداء النموذج. تم تصميم NannyML لعلماء البيانات ، ولديه واجهة سهلة الاستخدام ، وتصورات تفاعلية ، وهي لا تعتمد على النماذج تمامًا ، وتدعم حاليًا جميع حالات استخدام التصنيف المجدول. يغلق NannyML الحلقة مع مراقبة الأداء وعلوم بيانات ما بعد النشر ، مما يمكّن عالم البيانات من فهم فشل النموذج الصامت واكتشافه تلقائيًا. باستخدام NannyML ، يمكن لعلماء البيانات أخيرًا الحفاظ على الرؤية الكاملة والثقة في نماذج التعلم الآلي المنتشرة لديهم. عندما تتأخر النتيجة الفعلية لنماذج التنبؤ التي تم نشرها ، أو حتى عندما تكون تسميات أهداف ما بعد النشر غائبة تمامًا ، يمكنك استخدام خوارزمية CBPE الخاصة بـ NannyML لتقدير أداء النموذج.
المميزات
- تقدير الأداء ومراقبته
- قم بإنهاء الليالي التي لا تنام بسبب عدم معرفة أداء الموديل الخاص بك
- تحليل انحراف البيانات ونموذج الأداء بمرور الوقت
- اكتشف السبب الجذري لسبب عدم أداء نماذجك بالشكل المتوقع
- لا تعب في حالة تأهب! تفاعل فقط عند الضرورة إذا تأثر أداء النموذج
- الإعداد غير مؤلم في أي بيئة
لغة البرمجة
Python
الأقسام
هذا تطبيق يمكن جلبه أيضًا من https://sourceforge.net/projects/nannyml.mirror/. تمت استضافته في OnWorks ليتم تشغيله عبر الإنترنت بأسهل طريقة من أحد أنظمتنا التشغيلية المجانية.
