Makine öğrenimi ve derin öğrenme, verileriniz bilgisayarınızdan çıkmadan.

İş hedefinden yayımlanmış modele, altı adımlık rehberli bir akışta. scikit-learn, PyTorch veya Transformers ile eğitin, yerel LLM'leri uzmanlaştırın ve belgelerinize dayanarak yanıt verin. Ajan tasarlamanıza ve sonuçları okumanıza yardım eder; gerçek verileri yalnızca siz ve modelleriniz görür.

Yuli Code — bajas-clientesML StudioAğ yok
  1. 1Giriş
  2. 2Veriler
  3. 3Tasarla
  4. 4Eğit
  5. 5Değerlendir
  6. 6Yayımla
En iyiF1 0,872
Hız · 38,4 adım/sEğitim sürüyor
Bitiş süresi4 min 12 s
Epoch 18 / 24 Kayıp (eğitim) Kayıp (doğrulama)
Doğrulama metrikleri
  • F10,872
  • AUC0,931
  • Precision0,858
  • Recall0,887

Kabul kriteri: F1 ≥ 0,85 · Karşılıyor

clientes.csv · v4 · 48 210 satır
  • antiguedad_mesesint
  • plancat
  • email••••••
  • telefono••••••
  • rfc••••••
  • bajalabel

3 maskelenmiş sütun

Plan doğrulandı: 0 uyarı

Ağsız worker · projenin .venv ortamı

Katmanlı bölüm 70 / 15 / 15

Denetim noktası models/churn-gbm/v3 içine kaydedildi

models/churn-gbm/v3GPU · 8,1 / 12 GBPython 3.12 · .venv

Altı adımda fikirden modele

Numaralı sekmeler size yol gösterir. İstediğiniz adıma geri dönebilirsiniz.

  1. 1

    Giriş

    Hedefi kendi sözcüklerinizle tarif edersiniz, Yuli bunu ML'ye çevirir: problem türü, metrik ve strateji.

  2. 2

    Veriler

    İçe aktarır ve profillersiniz: boş değerler, denge, korelasyonlar, maskelenmiş hassas veriler ve değişmez sürümler.

  3. 3

    Tasarla

    Yuli stratejiyi önerir ve ne öğrendiğinden iyileştiğini nasıl anlayacağımıza kadar sekiz soruyu yanıtlar.

  4. 4

    Eğit

    Canlı öğrenme eğrisi, duraklatma, sürdürme, hiperparametre araması ve aşırı öğrenme uyarısı.

  5. 5

    Değerlendir

    Eğitimin hiç görmediği veriler üzerinde bağımsız değerlendirme: sağlamlık, adillik ve şampiyon ile rakip.

  6. 6

    Yayımla

    Pariteli ONNX, nicemleme, bütünlük testleri ve 127.0.0.1 üzerinde yerel hizmet.

Ciddi eğitim için ihtiyacınız olan her şey

  • Derin öğrenme

    Katman katman ağ tasarımcısı, kendi tokenizer'larınız, GPU tanılama, bellek tahmini ve DDP.

  • LLM Studio

    Yerel dil modellerini SFT, DPO, ORPO, KTO ve QLoRA ile uzmanlaştırın ve kalite kapısıyla nicemleyin.

  • Bilgi (RAG)

    Belgelerinize dayanarak yanıt verin: yerel dizin, kaynağa atıf ve internete çıkan hiçbir şey yok.

  • Deneyler

    Eğitimleri, parametreleri ve metrikleri karşılaştırın; modelin her sürümü diske kaydedilir.

  • Yaklaşım danışmanı

    ML'yi ne zaman KULLANMAMANIZ gerektiğini söyler: bir kural yetiyorsa, veri eksikse veya RAG ile bir LLM daha uygunsa.

  • Ajanınızla

    Claude Code, Codex veya Kiro ML Studio'yu MCP araçlarıyla yönetir ve her adımı canlı görürsünüz.

Verilerinizin sınırı

ML Studio, kodunuzu koruyan kuralları artık veri kümeleriniz için de uygular.

  • Worker'ın ağı yokVarsayılan olarak internet erişimi olmadan eğitir (allowNetwork: false).
  • Ajan satırları değil, profilleri görürİstatistikler, şemalar ve metrikler; hassas olan maskelenir.
  • Geri alınamaz olana siz karar verirsinizBir modeli üretime yükseltmek her zaman bir insanı bekler.

İlk modelinizi bugün eğitin

Hesabınızı oluşturun, ML Studio'yu Ctrl+Alt+4 ile açın ve bir şablon seçin ya da sorununuzu tarif edin.