iMed ഉപയോക്തൃ മാനുവൽ

ആമുഖം

1.1. ഉദ്ദേശ്യം
ഇതിൻ്റെ ഉദ്ദേശം web അസംസ്‌കൃത വിവരങ്ങൾ എടുക്കുകയും തീരുമാനമെടുക്കുന്നതിൽ ഉപയോഗപ്രദമായ ഫലങ്ങൾ നൽകുന്ന രീതിയിൽ കൈകാര്യം ചെയ്യാൻ അനുവദിക്കുകയും ചെയ്യുക എന്നതാണ് ആപ്ലിക്കേഷൻ. ഇത് അസംസ്‌കൃത ഡാറ്റ ഉപയോഗിച്ച് ഒരു മോഡലിനെ പരിശീലിപ്പിക്കുന്നതോ മോഡലുകളും വിശകലനങ്ങളും ഉപയോഗിച്ച് ഫലം പ്രവചിക്കുന്നതോ ആകാം.
1.2 നാവിഗേഷൻ മെനു
പേജിന്റെ മുകളിലുള്ള നാവിഗേഷൻ മെനുവിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ളിടത്തേക്ക് എത്തിച്ചേരാനുള്ള എല്ലാ ലിങ്കുകളും ഉണ്ട്. നിങ്ങൾക്ക് എപ്പോഴെങ്കിലും നഷ്ടപ്പെടുകയാണെങ്കിൽ, നിങ്ങൾക്ക് എല്ലായ്പ്പോഴും ഒരു പരിചിതമായ പേജിലേക്ക് പോകാനോ വീട്ടിലേക്ക് മടങ്ങാനോ നാവിഗേഷൻ മെനുവിൽ നിങ്ങൾ തിരയുന്ന പേജ് കണ്ടെത്താനോ ബാക്ക് അമ്പടയാളത്തിൽ ക്ലിക്ക് ചെയ്യാം.
1.3 അക്കൗണ്ട്
നിങ്ങൾക്ക് ഇതിനകം ഒരു അക്കൗണ്ട് ഇല്ലെങ്കിൽ, ആപ്ലിക്കേഷൻ ഉപയോഗിക്കുന്നതിന് നിങ്ങൾ രജിസ്റ്റർ ചെയ്യണം. അതിനായി മുകളിൽ വലതു വശത്തുള്ള അക്കൗണ്ട് ബട്ടണിൽ ക്ലിക്ക് ചെയ്ത് രജിസ്റ്റർ ചെയ്യുക. തുടർന്ന് തുടരുന്നതിന് നിങ്ങളുടെ ഉപയോക്തൃനാമം, പാസ്‌വേഡ്, ഇമെയിൽ എന്നിവ നൽകുക.

നിങ്ങൾക്ക് ഇതിനകം ഒരു അക്കൗണ്ട് ഉണ്ടെങ്കിൽ, നിങ്ങളുടെ ഉപയോക്തൃനാമവും പാസ്‌വേഡും ഉപയോഗിച്ച് സൈൻ ഇൻ ചെയ്യുക.

ഹോം പേജ്

പേജിന്റെ ഇടതുവശത്തുള്ള ഇനങ്ങളിൽ ക്ലിക്കുചെയ്യുന്നതിലൂടെ, ഓരോരുത്തരും എന്താണ് ചെയ്യുന്നതെന്ന് മനസിലാക്കാൻ നിങ്ങളെ സഹായിക്കുന്നതിന് ഓരോന്നിന്റെയും ഒരു വിവരണം പേജിന്റെ മധ്യത്തിൽ ദൃശ്യമാകും.

iMedBot

iMedBot ആപ്ലിക്കേഷൻ ഏജന്റുമാരുമായുള്ള ഉപയോക്തൃ ആശയവിനിമയം പ്രോത്സാഹിപ്പിക്കുന്ന ഒരു ഇന്റർഫേസ് അവതരിപ്പിക്കുന്നു, വ്യക്തിഗത പ്രവചനവും മോഡൽ പരിശീലനവും പ്രാപ്തമാക്കുന്നു. ആഴത്തിലുള്ള പഠന ഗവേഷണത്തിന്റെ ഫലങ്ങൾ ഒരു ഓൺലൈൻ ടൂളാക്കി മാറ്റുന്നതിനുള്ള ആദ്യപടിയായി ഇത് പ്രവർത്തിക്കുന്നു, ഈ ഡൊമെയ്‌നിൽ കൂടുതൽ ഗവേഷണ പ്രവർത്തനങ്ങൾക്ക് തുടക്കമിടാനുള്ള കഴിവുണ്ട്. അതിന്റെ ഉപയോക്തൃ മാനുവൽ ഇവിടെ കാണാം.

ഡാറ്റ വിശകലനം

4.1 ഉപസെറ്റുകൾ വീണ്ടെടുക്കുക
ഈ വിഭാഗം ഉപയോക്താവിനെ അവരുടെ ഡാറ്റാസെറ്റ് എഡിറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു. ഡ്രോപ്പ്-ഡൗൺ മെനുവിൽ നിന്ന് നിങ്ങൾക്ക് ഒരു പുതിയ ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യാനോ നിലവിലുള്ള ഒന്ന് ഉപയോഗിക്കാനോ തിരഞ്ഞെടുക്കാം.

ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്‌തുകഴിഞ്ഞാൽ, ഇടതുവശത്തുള്ള മെനുവിലെ ഓപ്ഷനുകളിലൊന്നിൽ ക്ലിക്കുചെയ്‌ത് എന്ത് നടപടിയാണ് നിങ്ങൾ സ്വീകരിക്കേണ്ടതെന്ന് നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം.
4.1.1. ഫിൽട്ടറുകൾ അടിസ്ഥാനമാക്കി ഉപസെറ്റുകൾ വീണ്ടെടുക്കുക
നൽകിയിരിക്കുന്ന ഫിൽട്ടറുകളെ അടിസ്ഥാനമാക്കി യഥാർത്ഥ ഡാറ്റാസെറ്റിന്റെ ഒരു ചെറിയ ഉപസെറ്റ് ലഭിക്കാൻ ഈ വിഭാഗം അനുവദിക്കുന്നു. ഉപസെറ്റിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള മൂല്യങ്ങൾ തിരഞ്ഞെടുക്കുക, തുടർന്ന് അന്തിമ ഡാറ്റാസെറ്റിൽ കാണിക്കാൻ ആഗ്രഹിക്കുന്ന നിരകൾ തിരഞ്ഞെടുക്കുക.

4.1.2. തിരിച്ച് അടുക്കിയ ഫലങ്ങൾ
ഇത് ഡാറ്റാസെറ്റിനെ അടുക്കിയ രൂപത്തിൽ നൽകുന്നു. ടാർഗെറ്റ് കോളം, അടുക്കൽ ക്രമം, തിരികെ നൽകേണ്ട വരികളുടെ എണ്ണം, അന്തിമ ഔട്ട്‌പുട്ടിൽ കാണിക്കേണ്ട കോളങ്ങൾ എന്നിവ തിരഞ്ഞെടുക്കുക.

4.1.3. ഡാറ്റാസെറ്റ് വികസിപ്പിക്കുക
ഒരു നിഘണ്ടുവായി സംഭരിച്ചിരിക്കുന്ന ഒരു ഏകവചന കോളം ഒരു യഥാർത്ഥ പട്ടികയിലേക്ക് വികസിപ്പിക്കാൻ ഇത് ഉപയോക്താവിനെ അനുവദിക്കുന്നു, അത് ഉപയോക്താവിന് കൈകാര്യം ചെയ്യാൻ കഴിയും. ഇത് ഒരു നെസ്റ്റഡ് ഡാറ്റാസെറ്റ് എടുക്കുകയും ഉപയോക്താവിന് ആവശ്യമുള്ളത് മുകളിലെ ലെയറിലേക്ക് നീക്കുകയും ചെയ്യുന്നു. ആദ്യം, നെസ്റ്റഡ് ഡാറ്റാസെറ്റുള്ള കോളം ഉൾപ്പെടുന്ന ഒരു ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യുക. വിപുലീകരിക്കേണ്ട കോളം സ്വയമേവ കണ്ടെത്തുകയാണെങ്കിൽ, ഏത് കോളം വിപുലീകരിക്കണമെന്നും കൂട്ടിച്ചേർത്ത വിവരങ്ങളിൽ നിന്ന് ഏത് കോളങ്ങളാണ് എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യേണ്ടതെന്നും തിരഞ്ഞെടുക്കുക. സമർപ്പിക്കുക ക്ലിക്കുചെയ്യുക, നിങ്ങൾക്ക് കഴിയും view നെസ്റ്റഡ് ഡാറ്റയ്ക്ക് പകരം ഒരു പട്ടികയുടെ നിരകളായി നിങ്ങളുടെ വിവരങ്ങൾ.
4.2. ലയിപ്പിക്കുക Files
ctrl ക്ലിക്ക് ചെയ്ത് (mac-നുള്ള കമാൻഡ്) ഒന്നിലധികം ഡാറ്റാസെറ്റുകൾ തിരഞ്ഞെടുത്ത് അപ്‌ലോഡ് ചെയ്യുന്നതിലൂടെ, ഇത് മറ്റെന്തെങ്കിലും ഉപയോഗിക്കുന്നതിന് ഉപയോഗിക്കുന്നതിനേക്കാൾ വലിയ ഒരു ഡാറ്റാസെറ്റിലേക്ക് അവയെ ലയിപ്പിക്കും.

എല്ലാ ഡാറ്റാസെറ്റുകളും തിരഞ്ഞെടുത്ത് ആവശ്യമായ വിവരങ്ങൾ പൂരിപ്പിക്കുക. ഇത് iMed ആപ്ലിക്കേഷനിൽ പുതിയ ഡാറ്റാസെറ്റ് സംരക്ഷിക്കുകയും തുടർന്ന് ഡൗൺലോഡ് ചെയ്യാൻ ലഭ്യമാകുകയും ചെയ്യും.
4.3 പ്ലോട്ട് ഫംഗ്ഷനുകൾ
ഈ വിഭാഗം ഉപയോക്താവിനെ അവരുടെ ഡാറ്റാസെറ്റ് പ്ലോട്ട് ചെയ്യാൻ അനുവദിക്കുന്നു. ഇടതുവശത്തുള്ള മെനുവിലെ ഓപ്ഷനുകളിലൊന്ന് തിരഞ്ഞെടുക്കുക, തുടർന്ന് നിങ്ങളുടെ പ്ലോട്ട് ലഭിക്കുന്നതിന് ആവശ്യമായ ഫീൽഡുകൾ പൂരിപ്പിക്കുക. നിങ്ങളുടെ ഡാറ്റയിൽ നിന്ന് നിങ്ങൾക്ക് നിർമ്മിക്കാനാകുന്ന പ്ലോട്ടുകളുടെ തരങ്ങൾ ചുവടെയുണ്ട്:

4.4. സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനം
ഞങ്ങളുടെ ഡാറ്റാസെറ്റിൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റുകൾ പ്രവർത്തിപ്പിക്കാൻ ഈ വിഭാഗം ഞങ്ങളെ അനുവദിക്കുന്നു. ഇടത് വശത്തെ മെനുവിൽ നിന്ന് പ്രവർത്തിപ്പിക്കുന്നതിന് ഒരു ടെസ്റ്റ് തിരഞ്ഞെടുത്ത് ടെസ്റ്റുകൾ പ്രവർത്തിപ്പിക്കുന്നതിന് ഫീൽഡുകൾ പൂരിപ്പിക്കുക. ലഭ്യമായ ടെസ്റ്റുകളുടെ തരങ്ങൾ ചുവടെ:

ODPAC

5.1. പഠിക്കുക
ഈ പേജിൽ ലഭ്യമായ ഓരോ തരത്തിലുള്ള വിഭവങ്ങളുടെയും ഒരു ഹ്രസ്വ വിവരണം ഈ പേജിൽ ഉൾപ്പെടുന്നു. ഓരോ വിഭാഗത്തിന്റെയും മുകളിലുള്ള ബട്ടണിൽ ക്ലിക്കുചെയ്യുന്നത് മറ്റൊരു പേജിലേക്ക് ലിങ്ക് ചെയ്യും, ഇത് ഉപയോക്താവിനെ വിഷയം ഉപയോഗിക്കാനോ കൂടുതൽ അറിയാനോ അനുവദിക്കുന്നു.
5.1.1. എപ്പിസ്റ്റാസിസ്
ഡാറ്റയിൽ നിന്ന് പഠിക്കാൻ ഒരു തിരയൽ അൽഗോരിതമായ MBS ഉപയോഗിക്കാൻ ഈ പേജ് ഞങ്ങളെ അനുവദിക്കുന്നു. പ്രത്യേകം പറഞ്ഞാൽ, ഫിനോടൈപ്പിനെ ബാധിക്കുന്ന രണ്ടോ അതിലധികമോ ജീനുകൾ തമ്മിലുള്ള പ്രതിപ്രവർത്തനം, എപ്പിസ്റ്റാസിസ് പഠിക്കാൻ ഇത് ഞങ്ങളെ അനുവദിക്കുന്നു. ഇത് പ്രോവിന് ഉപയോഗപ്രദമാണ്file ജനിതക വശത്തെ രോഗങ്ങൾ. ജീനോം വൈഡ് അസോസിയേഷൻ പഠനങ്ങളിൽ (GWAS) കാണപ്പെടുന്ന ഉയർന്ന അളവിലുള്ള ഡാറ്റ കൈകാര്യം ചെയ്യാൻ പരമ്പരാഗത രീതികൾ അനുയോജ്യമല്ല. മൾട്ടിപ്പിൾ ബീം സെർച്ച് (എംബിഎസ്) അൽഗൊരിതം, വളരെ വേഗത്തിൽ ഇടപെടുന്ന ജീനുകളെ കണ്ടെത്താൻ അനുവദിക്കുന്നു. നിങ്ങൾ ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്ന ഡാറ്റ അപ്‌ലോഡ് ചെയ്‌ത് ആവശ്യമായ ഫീൽഡുകൾ ഇൻപുട്ട് ചെയ്യുക. കൂടുതൽ ആഴത്തിലുള്ള വിവരങ്ങൾക്ക്, മുഴുവൻ പേപ്പറും ഇവിടെ കണ്ടെത്തുക.

5.1.2. അപകട ഘടകങ്ങൾ
ഈ പേജ് ഡാറ്റ തമ്മിലുള്ള ഇടപെടലുകൾ പഠിക്കാൻ IGain പാക്കേജ് ഉപയോഗിക്കാൻ ഞങ്ങളെ അനുവദിക്കുന്നു. ഒരു ഹ്യൂറിസ്റ്റിക് തിരയൽ ഉപയോഗിച്ച് ഉയർന്ന അളവിലുള്ള ഡാറ്റയിൽ നിന്ന് ഇത് പ്രത്യേകമായി ഇടപെടൽ പഠിക്കുന്നു. ലോ-ഡൈമൻഷണൽ ഡാറ്റയിൽ നിന്നുള്ള ഇടപെടലുകൾ പഠിക്കാൻ മുമ്പ് വികസിപ്പിച്ചെടുത്ത Exhaustive_IGain രീതിയിലാണ് ഈ രീതി നിർമ്മിക്കുന്നത്. ഡാറ്റ അപ്‌ലോഡ് ചെയ്‌ത് ആവശ്യമായ ഫീൽഡുകൾ ഇൻപുട്ട് ചെയ്യുക. IS ത്രെഷോൾഡുകളെയും iGain നെയും കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ ഇവിടെ കാണാം.

5.1.3. പ്രവചന മോഡലുകൾ
ഈ വിഭാഗം അതിന്റെ ഉപയോഗം ത്വരിതപ്പെടുത്തുന്നതിന് മെഷീൻ ലേണിംഗ് മോഡലുകൾക്ക് മുകളിൽ നേരത്തെ തന്നെ നിർമ്മിച്ച പ്രവചന മോഡലുകളുടെ ഉപയോഗം അനുവദിക്കുന്നു. ഇത് അവരുടെ സ്വന്തം ഡാറ്റാസെറ്റ് ഉപയോഗിച്ച് മോഡലുകൾ പ്രവചിക്കാൻ കോഡിംഗും മുൻ പരിചയവും ഇല്ലാതെ അവരുടെ ഉപയോഗം അനുവദിക്കുന്നു. ലോജിസ്റ്റിക്, റിഗ്രഷൻ, സപ്പോർട്ട് വെക്റ്റർ മെഷീനുകൾ (എസ്‌വി‌എം), ഡിസിഷൻ ട്രീകൾ തുടങ്ങി നിരവധി പ്രവചന മോഡലുകൾ ഉപയോക്താവിന് ലഭ്യമാണ്. പ്രവചന രീതികളുടെ പൂർണ്ണമായ ലിസ്റ്റ് ഇവിടെ പേജിന്റെ വലതുവശത്ത് കാണാം.
5.2 പ്രവചനം
മുമ്പ് അപ്‌ലോഡ് ചെയ്‌ത ഒരു പങ്കിട്ട മോഡലിൽ നിന്നുള്ള പ്രവചനങ്ങൾ ഈ വിഭാഗം അനുവദിക്കുന്നു. ഇതിനകം ചെയ്തിട്ടില്ലെങ്കിൽ ആദ്യം ഒരു പങ്കിട്ട മോഡൽ അപ്‌ലോഡ് ചെയ്യുക. തുടർന്ന് മോഡലിന്റെ പേരിൽ ക്ലിക്ക് ചെയ്ത് പ്രവചനത്തിനായി ഉപയോഗിക്കേണ്ട മോഡൽ തിരഞ്ഞെടുക്കുക. തുടർന്ന് പ്രവചന മോഡലിന് ഉപയോഗിക്കാനുള്ള ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുക. പേജിന്റെ താഴെയുള്ള ഫോം ഉപയോഗിച്ചോ ഡൗൺലോഡ് ചെയ്യാൻ ലഭ്യമായ ടെംപ്ലേറ്റ് ഉപയോഗിച്ചോ ഇത് സ്വമേധയാ ചെയ്യാവുന്നതാണ്. ടെംപ്ലേറ്റ് ഉപയോഗിക്കുകയാണെങ്കിൽ, ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യുക file മോഡൽ പ്രവചനം ലഭിക്കുന്നതിന് സമർപ്പിക്കുക ക്ലിക്കുചെയ്യുക.
5.3 തീരുമാന പിന്തുണ
തീരുമാന പിന്തുണ ക്ലാസിഫിക്കേഷൻ നൽകുന്നു, കൂടാതെ സിസ്റ്റത്തിലേക്ക് നൽകിയ വിവരങ്ങളിൽ നിന്ന് ചികിത്സാ തിരഞ്ഞെടുപ്പുകളെ നയിക്കാനും കഴിയും. ഒരു രോഗിയുടെ സവിശേഷതകളെ അടിസ്ഥാനമാക്കി ഒപ്റ്റിമൽ ചികിത്സാ നടപടിക്രമം ശുപാർശ ചെയ്യാൻ ഡാറ്റയിൽ നിന്ന് ഇത് പരിശീലിപ്പിച്ചിട്ടുണ്ട്. ക്ലിനിക്കൽ ഡിസിഷൻ സപ്പോർട്ട് സിസ്റ്റങ്ങളെ (സിഡിഎസ്എസ്) സംബന്ധിച്ച കൂടുതൽ വിവരങ്ങൾ ഇവിടെ കാണാം.
സിസ്റ്റം ശുപാർശ രോഗിയുടെ സവിശേഷതകൾ എടുക്കുകയും ചികിത്സാ നടപടിക്രമങ്ങൾ ശുപാർശ ചെയ്യുകയും 5 വർഷത്തെ മെറ്റാസ്റ്റാസിസിന്റെ ഭാവി സാധ്യത പ്രവചിക്കുകയും ചെയ്യുന്നു. ഉപയോക്തൃ ഇടപെടൽ, ഒപ്റ്റിമൽ ചികിത്സയ്ക്ക് പകരം നിലവിലെ ചികിത്സയെ അടിസ്ഥാനമാക്കി 5 വർഷത്തെ മെറ്റാസ്റ്റാസിസിന്റെ ഭാവി സാധ്യത പ്രവചിക്കാൻ രോഗിയുടെ സവിശേഷതകളും ചികിത്സാ നടപടിക്രമങ്ങളും എടുക്കുന്നു.

എം.ബി.ഐ.എൽ

മാർക്കോവ് ബ്ലാങ്കറ്റും ഇന്ററാക്ടീവ് റിസ്ക് ഫാക്ടർ ലേണറും (എം‌ബി‌എൽ) ഒരു രോഗിയുടെ ഫലത്തെ നേരിട്ട് സ്വാധീനിക്കുന്ന ഏകവും സംവേദനാത്മകവുമായ അപകട ഘടകങ്ങളെ പഠിക്കുന്ന ഒരു അൽ‌ഗോരിതം ആണ്. ഇവിടെ സ്ഥിതി ചെയ്യുന്ന MBIL പാക്കേജിനായി പൈത്തൺ പാക്കേജ് ഇൻഡക്സിലേക്ക് (PyPI) റീഡയറക്‌ടുചെയ്യുന്നതിന് "MBIL-ലേക്ക് പോകുക" ക്ലിക്ക് ചെയ്യുക. MBIL-നെ കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ BMC ബയോ ഇൻഫോർമാറ്റിക്‌സിൽ കാണാം.

ഡാറ്റാസെറ്റുകൾ

പുതിയ ഡാറ്റാസെറ്റുകൾ കാണാനും അപ്‌ലോഡ് ചെയ്യാനും ഈ വിഭാഗം ഉപയോക്താവിനെ അനുവദിക്കുന്നു web അപേക്ഷ.
7.1 ലഭ്യമായ എല്ലാ ഡാറ്റാസെറ്റുകളും കാണുക
ലഭ്യമായ എല്ലാ ഡാറ്റാസെറ്റുകളും കാണുന്നതിന്, "ലഭ്യമായ ഡാറ്റാസെറ്റുകൾ കാണിക്കുക" ക്ലിക്ക് ചെയ്യുക.

7.2 ഒരു ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യുക
ഒരു ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യാൻ, "നിങ്ങളുടെ ഡാറ്റാസെറ്റുകൾ പങ്കിടുക" ക്ലിക്ക് ചെയ്യുക, തുടർന്ന് അതിൽ പറഞ്ഞിരിക്കുന്നതുപോലെ ആവശ്യമായ വിവരങ്ങൾ പൂരിപ്പിക്കുക webപേജ്. ആദ്യം, ഡാറ്റാസെറ്റ് അപ്ലോഡ് ചെയ്ത് ആവശ്യമായ ഫീൽഡുകൾ പൂരിപ്പിക്കുക.

തുടർന്ന്, ചുവടെയുള്ള ഫീൽഡുകൾ പൂരിപ്പിക്കുക അല്ലെങ്കിൽ ഒരു വാചകം അപ്‌ലോഡ് ചെയ്യുക file പൂരിപ്പിച്ച വിവരങ്ങൾക്കൊപ്പം. ഒരു മുൻampആപ്ലിക്കേഷന് അത് മനസ്സിലാക്കാൻ കഴിയുന്ന തരത്തിൽ വിവരങ്ങൾ എങ്ങനെ ക്രമീകരിക്കാം എന്നതിനെ കുറിച്ച് ചുവടെ നൽകിയിരിക്കുന്നു.

മോഡലുകൾ

ഈ വിഭാഗം ഉപയോക്താവിന് ലഭ്യമായ മോഡലുകൾ കാണാനും ഒരു മോഡൽ പങ്കിടാനും അനുവദിക്കുന്നു.
8.1 ലഭ്യമായ എല്ലാ മോഡലുകളും കാണുക
ലഭ്യമായ എല്ലാ മോഡലുകളും കാണുന്നതിന്, "ലഭ്യമായ മോഡലുകൾ കാണിക്കുക" ക്ലിക്ക് ചെയ്യുക.

8.2 ഒരു മോഡൽ പങ്കിടുക
ഒരു മോഡൽ പങ്കിടാൻ, "നിങ്ങളുടെ മോഡലുകൾ പങ്കിടുക" എന്നതിൽ ക്ലിക്ക് ചെയ്യുക, തുടർന്ന് ഒരു മോഡൽ അപ്‌ലോഡ് ചെയ്യുക file ടെൻസർ ഫ്ലോ അല്ലെങ്കിൽ പൈടോർച്ച് വഴി പരിശീലിപ്പിക്കപ്പെടുന്നു.

8.2.1. ബന്ധപ്പെട്ട ഡാറ്റാസെറ്റ്
തുടർന്ന് നിങ്ങൾ തലക്കെട്ടുകൾ ഉൾപ്പെടുന്ന അനുബന്ധ ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്യണം. ഡാറ്റാസെറ്റിനുള്ള ക്ലാസ്/ലേബൽ അവസാന നിരയിലായിരിക്കണം.

8.2.2. പ്രവചകരും ക്ലാസ് വിവരങ്ങളും
ഡാറ്റാസെറ്റിൽ എല്ലാ സവിശേഷതകളും ഉൾപ്പെടുന്നുവെങ്കിൽ, ഡാറ്റാസെറ്റ് അപ്‌ലോഡ് ചെയ്‌തതിന് ശേഷം ഫീച്ചർ ഫോം ഒഴിവാക്കാവുന്നതാണ്. എന്നിരുന്നാലും, അവയെല്ലാം ഉൾപ്പെടുത്തിയിട്ടില്ലെങ്കിൽ, ഈ വിവരങ്ങൾ വിവരണത്തിൽ നൽകണം file അല്ലെങ്കിൽ ഫീച്ചർ ഫോമിനുള്ളിൽ. പ്രവചകരെയും ക്ലാസ് വിവരങ്ങളെയും എങ്ങനെ നൽകാൻ നിങ്ങൾ ഉദ്ദേശിക്കുന്നുവെന്ന് സൂചിപ്പിക്കുന്ന ഡ്രോപ്പ് ഡൗണിൽ നിന്ന് ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.

വിവരണ ഓപ്ഷൻ ഉപയോഗിക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ഒന്നുകിൽ ഫീൽഡുകൾ പൂരിപ്പിക്കാം അല്ലെങ്കിൽ ഒരു വാചകം അപ്‌ലോഡ് ചെയ്യാം file പൂരിപ്പിച്ച വിവരങ്ങൾക്കൊപ്പം. ഒരു മുൻampവിവരങ്ങൾ എങ്ങനെ സംഘടിപ്പിക്കാം എന്നതിന്റെ le താഴെ കൊടുത്തിരിക്കുന്നു.

പ്രമാണങ്ങൾ / വിഭവങ്ങൾ

ആപ്പുകൾ iMed Web അപേക്ഷ [pdf] ഉപയോക്തൃ മാനുവൽ ഐമെഡ്, ഐമെഡ് Web അപേക്ഷ, Web അപേക്ഷ

റഫറൻസുകൾ

• ഉപയോക്തൃ മാനുവൽ