Metadata-Version: 2.1
Name: dstk-x250
Version: 3.2
Summary: Package d'utilitaires pour les projets de data science.
Home-page: https://gitlab.com/Kirire/x250
Author: Cyrile Delestre
Author-email: cyrile.ufr.orsay@gmail.com
License: Apache Software License 2.0
Description: # DSTK
        
        <!-- <img src=`docs/source/_static/dstk.png` width=`200`/> -->
        ![](docs/source/_static/dstk.png)
        
        - Free software: Apache Software License 2.0
        
        # Overview
        
        **DSTK** est une libraire haut-niveau pour faciliter le développement et le déploiment d'outil de machine learning. Il s'articule essentiellement autour de 2 outils :
          * PyTorch ;
          * Scikit-Learn.
        
        L'ancien nom x250 faisait référence au code boite X250 qui est le code boite de datalabs/IA Factory. Le développement de ce package est étroitement lié au développement du template data science (qui aujourd'hui a fusionné avec le socle Python).
        
        **DTSK** est compatible avec `Python >= 3.5`, mais `Python >=3.8` est fortement recommandé.
        
        # Documentation
        
        [Une documentation Sphinx hébergée par Read the Docs est disponible.](https://x250.readthedocs.io/en/latest/index.html "Document DSTK")
        
        # Installation
        
        Pour installer DSTK utiliser la commande : `pip install dstk-x250`.
        
        ## Release Notes
        
        ### 3.0
        
          * Changement de nom, **la librairie x250 devient DSTK** afin d'être rendu publique sur PyPi dans un premiet temps et sur conda dans un second.
        
        ### 2.0
        
          * Résolutions de bugs diverses.
          * Concept de Callback pour x250.pytorch permettant de rendre la partie entraînement plus modulaire et lisible.
          * Intégration du concept de SWA (Stochastic Weight Averaging) pour rendre les modèles plus robuste à l'inférence.
        
        ### 1.0
        
          * Séparation du template data science et des _utils.py afin d'être intégré au socle Python d'Arkéa.
          * Création du package x250 restructurant les _utils.py.
          * Intégration de l'utilitaire PyTorch permettant de wrapper un réseau profond à Scikit-Learn simplement.
            
        ### 0.1
        
          * Intégration de fonctions et classes utilitaires au template dans des fichiers _utils.py à différent niveau de la structure du template.
        
        ### 0.0
        
          * Création du squelette template data science.
        
Platform: any
Requires-Python: >=3.5
Description-Content-Type: text/markdown
