automl

Schnelles und anpassbares Framework für die automatische Erstellung von ML-Modellen (AutoML)

ModelFox macht das Trainieren, Bereitstellen und Überwachen von Machine-Learning-Modellen einfach.

[ICLR 2019] ProxylessNAS: Direkte neuronale Architektursuche für Zielaufgaben und -hardware

Automatisierte Zeitreihenprognose

[pip install medmnist] 18 standardisierte Datensätze für die 2D- und 3D-Biomedizinische Bildklassifizierung

Erstellen Sie Computer-Vision-Modelle in einem Bruchteil der Zeit und mit weniger Daten.

SMAC3: Ein vielseitiges Bayes-Optimierungspaket für Hyperparameter-Optimierung

Ein AutoML-Framework und Toolkit für Machine Learning auf Graphen.

TensorFlow 101: Einführung in Deep Learning

Schnelles und einfaches ressourcenbeschränktes Lernen von Deep-Network-Strukturen

Optimierung von Reinforcement Learning mit RLOps. State-of-the-Art-RL-Algorithmen und -Tools mit 10-mal schnellerem Training durch evolutionäre Hyperparameter-Optimierung.

LLM-Agenten als Hyperparameter-Optimierer.

EvalML ist eine in Python geschriebene AutoML-Bibliothek.

Luminaire ist ein Python-Paket, das ML-gestützte Lösungen zur Überwachung von Zeitreihendaten bereitstellt.

Verteiltes, hochperformantes symbolisches Regressionstool in Julia

Notebooks, Codebeispiele, Beispiel-Apps und andere Ressourcen zur Demonstration der Verwendung, Entwicklung und Verwaltung von Machine-Learning- und generativen KI-Workflows mit Google Cloud Vertex AI.

Automatische Erstellung von ARIMA-, SARIMAX-, VAR-, FB Prophet- und XGBoost-Modellen für Zeitreihendatensätze mit einer einzigen Codezeile. Erstellt von Ram Seshadri. Mitwirkende willkommen.

Code für Kaggle Data Science-Wettbewerbe

Manipulieren von Python-Programmen

Automatisiertes Modellierungs- und Machine-Learning-Framework FEDOT.

Maschinelles Lernen für Ruby

NAS-Bench-201 API und Anleitung

Implementierung/Tutorial zur Nutzung von Automated Machine Learning (AutoML)-Methoden für statisches/Batch- und Online-/kontinuierliches Lernen

NASLib ist eine Neural Architecture Search (NAS)-Bibliothek, die die NAS-Forschung durch Schnittstellen zu aktuellen Suchräumen und Optimierern unterstützt.

Automatisierte Erstellung mehrerer ML-Modelle mit nur einer Codezeile. Erstellt von Ram Seshadri.

Lineares Vorhersagemodell mit automatisiertem Feature Engineering und Auswahlfunktionen

Ein Machine-Learning-Tool für automatisiertes Prediction Engineering zur Strukturierung von Vorhersageproblemen und Generierung von Labels für überwachtes Lernen.

Lightwood ist wie Lego für Machine Learning.