論文の概要: WAX-ML: A Python library for machine learning and feedback loops on streaming data

• arxiv url: http://arxiv.org/abs/2106.06524v1
• Date: Fri, 11 Jun 2021 17:42:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-14 14:56:21.043646
• Title: WAX-ML: A Python library for machine learning and feedback loops on streaming data
• Title（参考訳）: WAX-ML:ストリーミングデータの機械学習とフィードバックループのためのPythonライブラリ
• Authors: Emmanuel S\'eri\'e
• Abstract要約: WAX-MLは研究指向のPythonライブラリである。 強力な機械学習アルゴリズムを設計するためのツールを提供する。 JAXを時系列専用のツールで補完しようと努力しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Wax is what you put on a surfboard to avoid slipping. It is an essential tool to go surfing... We introduce WAX-ML a research-oriented Python library providing tools to design powerful machine learning algorithms and feedback loops working on streaming data. It strives to complement JAX with tools dedicated to time series. WAX-ML makes JAX-based programs easy to use for end-users working with pandas and xarray for data manipulation. It provides a simple mechanism for implementing feedback loops, allows the implementation of online learning and reinforcement learning algorithms with functions, and makes them easy to integrate by end-users working with the object-oriented reinforcement learning framework from the Gym library. It is released with an Apache open-source license on GitHub at https://github.com/eserie/wax-ml.
• Abstract（参考訳）: ワックスは、スリップを避けるためにサーフボードにかけるものです。 私たちは、強力な機械学習アルゴリズムとストリーミングデータを扱うフィードバックループを設計するためのツールを提供する研究指向pythonライブラリwax-mlを紹介します。 JAXを時系列専用のツールで補完しようとしている。 wax-mlは、データ操作にpandasやxarrayを使うエンドユーザー向けに、jaxベースのプログラムを簡単に使えるようにする。 フィードバックループを実装するためのシンプルなメカニズムを提供し、オンライン学習と強化学習アルゴリズムと関数の実装を可能にし、ジムライブラリからオブジェクト指向強化学習フレームワークを扱うエンドユーザによる統合を容易にする。 ApacheオープンソースライセンスがGitHubでhttps://github.com/eserie/wax-mlで公開されている。

関連論文リスト

• Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping [0.0]
  Deep Fast Machine Learning Utils (DFMLU)ライブラリは、機械学習プロセスのアスペクトを自動化および拡張するために設計されたツールを提供する。 DFMLUはモデル開発とデータ処理をサポートする機能を提供します。 この原稿はDFMLUの機能の概要を示し、各ツールにPythonの例を提供している。
  論文  参考訳（メタデータ） (2024-09-14T21:39:17Z)
• Chain of Tools: Large Language Model is an Automatic Multi-tool Learner [54.992464510992605]
  Automatic Tool Chain(ATC)は、大規模言語モデル(LLM)がマルチツールユーザとして機能することを可能にするフレームワークである。 次に,ツールの範囲を拡大するために,ブラックボックス探索法を提案する。 包括的な評価のために、ToolFlowという挑戦的なベンチマークを構築しました。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation [54.17246674188208]
  Webスクレイピングは、Webサイトからデータを抽出し、自動データ収集を可能にし、データ分析機能を強化し、手動のデータ入力作業を最小化する強力なテクニックである。 既存の手法では、ラッパーベースの手法は、新しいウェブサイトで直面する場合、適応性とスケーラビリティの制限に悩まされる。 本稿では,大規模言語モデル(LLM)を用いたWebスクレイパー生成のパラダイムを紹介し,多様なWeb環境をより効率的に処理できる2段階フレームワークであるAutoScraperを提案する。
  論文  参考訳（メタデータ） (2024-04-19T09:59:44Z)
• ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs [104.37772295581088]
  オープンソースの大規模言語モデル(LLM)、例えばLLaMAは、ツール使用能力に大きく制限されている。 データ構築、モデルトレーニング、評価を含む汎用ツールであるToolLLMを紹介する。 ツール使用のためのインストラクションチューニングフレームワークであるToolBenchを,ChatGPTを使って自動構築する。
  論文  参考訳（メタデータ） (2023-07-31T15:56:53Z)
• SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
  SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。 それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。 私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
  論文  参考訳（メタデータ） (2023-04-21T10:00:22Z)
• API-Bank: A Comprehensive Benchmark for Tool-Augmented LLMs [84.45284695156771]
  API-Bankは、ツール強化された大規模言語モデルのための画期的なベンチマークである。 73のAPIツールからなる実行評価システムを開発した。 我々は、1,000の異なるドメインにまたがる2,138のAPIから1,888のツール使用対話を含む総合的なトレーニングセットを構築した。
  論文  参考訳（メタデータ） (2023-04-14T14:05:32Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• River: machine learning for streaming data in Python [9.683946022036684]
  Riverは動的データストリームと継続的学習のための機械学習ライブラリである。 複数の最先端の学習方法、データジェネレータ/変換器、パフォーマンスメトリクスと評価器を提供する。
  論文  参考訳（メタデータ） (2020-12-08T21:04:44Z)
• Surfboard: Audio Feature Extraction for Modern Machine Learning [11.527421282223948]
  Surfboardは、医療ドメインへのアプリケーションによるオーディオ機能を抽出する、オープンソースのPythonライブラリである。 最先端のオーディオ分析パッケージ上に構築されており、大規模なワークロードを処理するマルチプロセスをサポートする。 本稿では、パーキンソン病分類タスクへのSurfboardの適用について説明する。
  論文  参考訳（メタデータ） (2020-05-18T16:20:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。