यह Recommenders नाम का विंडोज़ ऐप है जिसकी नवीनतम रिलीज़ Recommenders0.7.0.zip के रूप में डाउनलोड की जा सकती है। इसे वर्कस्टेशन के लिए मुफ्त होस्टिंग प्रदाता ऑनवर्क्स में ऑनलाइन चलाया जा सकता है।
Recommenders with OnWorks नाम के इस ऐप को मुफ्त में ऑनलाइन डाउनलोड करें और चलाएं।
इस ऐप को चलाने के लिए इन निर्देशों का पालन करें:
- 1. इस एप्लिकेशन को अपने पीसी में डाउनलोड करें।
- 2. हमारे फ़ाइल प्रबंधक में https://www.onworks.net/myfiles.php?username=XXXXX उस उपयोगकर्ता नाम के साथ दर्ज करें जो आप चाहते हैं।
- 3. इस एप्लिकेशन को ऐसे फाइल मैनेजर में अपलोड करें।
- 4. इस वेबसाइट से कोई भी ओएस ऑनवर्क्स ऑनलाइन एमुलेटर शुरू करें, लेकिन बेहतर विंडोज ऑनलाइन एमुलेटर।
- 5. ऑनवर्क्स विंडोज ओएस से आपने अभी शुरुआत की है, हमारे फाइल मैनेजर को https://www.onworks.net/myfiles.php?username=XXXXX उस यूजरनेम के साथ जाएं जो आप चाहते हैं।
- 6. एप्लिकेशन डाउनलोड करें और इसे इंस्टॉल करें।
- 7. अपने Linux वितरण सॉफ़्टवेयर रिपॉजिटरी से वाइन डाउनलोड करें। एक बार इंस्टॉल हो जाने पर, आप ऐप को वाइन के साथ चलाने के लिए डबल-क्लिक कर सकते हैं। आप PlayOnLinux को भी आज़मा सकते हैं, जो वाइन पर एक फैंसी इंटरफ़ेस है जो आपको लोकप्रिय विंडोज़ प्रोग्राम और गेम इंस्टॉल करने में मदद करेगा।
वाइन लिनक्स पर विंडोज सॉफ्टवेयर चलाने का एक तरीका है, लेकिन विंडोज की आवश्यकता नहीं है। वाइन एक ओपन-सोर्स विंडोज संगतता परत है जो किसी भी लिनक्स डेस्कटॉप पर सीधे विंडोज प्रोग्राम चला सकती है। अनिवार्य रूप से, वाइन खरोंच से पर्याप्त विंडोज़ को फिर से लागू करने की कोशिश कर रहा है ताकि वह उन सभी विंडोज़ अनुप्रयोगों को वास्तव में विंडोज़ की आवश्यकता के बिना चला सके।
स्क्रीनशॉट
Ad
अनुसंशाएं
वर्णन
सिफ़ारिशकर्ता रिपॉजिटरी सिफ़ारिश प्रणालियों के निर्माण के लिए उदाहरण और सर्वोत्तम अभ्यास प्रदान करता है, जो ज्यूपिटर नोटबुक के रूप में प्रदान किए जाते हैं। मॉड्यूल reco_utils में अनुशंसा प्रणाली के विकास और मूल्यांकन के दौरान उपयोग किए जाने वाले सामान्य कार्यों को सरल बनाने के लिए फ़ंक्शन शामिल हैं। सामान्य कार्यों का समर्थन करने के लिए reco_utils में कई उपयोगिताएँ प्रदान की जाती हैं जैसे कि विभिन्न एल्गोरिदम द्वारा अपेक्षित प्रारूप में डेटासेट लोड करना, मॉडल आउटपुट का मूल्यांकन करना और प्रशिक्षण/परीक्षण डेटा को विभाजित करना। आपके स्वयं के अनुप्रयोगों में स्व-अध्ययन और अनुकूलन के लिए कई अत्याधुनिक एल्गोरिदम का कार्यान्वयन शामिल है। कृपया अपनी मशीन को स्थानीय रूप से डेटा साइंस वर्चुअल मशीन (डीएसवीएम) या एज़्योर डेटाब्रिक्स पर स्थापित करने के बारे में अधिक जानकारी के लिए सेटअप गाइड देखें। स्वतंत्र या इनक्यूबेटिंग एल्गोरिदम और उपयोगिताएँ योगदान फ़ोल्डर के लिए उम्मीदवार हैं। इसमें ऐसे योगदान शामिल होंगे जो आसानी से मूल भंडार में फिट नहीं हो सकते हैं या कोड को दोबारा तैयार करने या परिपक्व करने और आवश्यक परीक्षण जोड़ने के लिए समय की आवश्यकता होती है।
विशेषताएं
- प्रत्येक अनुशंसाकर्ता एल्गोरिदम के लिए डेटा तैयार करना और लोड करना
- अल्टरनेटिंग लीस्ट स्क्वेयर (ALS) या एक्सट्रीम डीप फैक्टराइजेशन मशीन (xDeepFM) जैसे विभिन्न शास्त्रीय और गहन शिक्षण अनुशंसा एल्गोरिदम का उपयोग करके मॉडल बनाना
- ऑफ़लाइन मेट्रिक्स के साथ एल्गोरिदम का मूल्यांकन करना
- अनुशंसित मॉडलों के लिए हाइपरपैरामीटर को ट्यूनिंग और अनुकूलित करना
- Azure पर उत्पादन परिवेश में मॉडलों का संचालन करना
- गहन शिक्षण एल्गोरिदम के लिए, GPU मशीन का उपयोग करने की अनुशंसा की जाती है
प्रोग्रामिंग भाषा
अजगर
यह एक एप्लिकेशन है जिसे https://sourceforge.net/projects/recommenders.mirror/ से भी प्राप्त किया जा सकता है। हमारे निःशुल्क ऑपरेटिव सिस्टमों में से एक से सबसे आसान तरीके से ऑनलाइन चलाने के लिए इसे ऑनवर्क्स में होस्ट किया गया है।
