automl

Framework rapide et personnalisable pour la création automatique de modèles de ML (AutoML)

ModelFox facilite l'entraînement, le déploiement et la surveillance des modèles de machine learning.

[ICLR 2019] ProxylessNAS : Recherche directe d'architecture neuronale sur une tâche et un matériel cibles

Prévision automatisée de séries temporelles.

[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D.

Construisez des modèles de vision par ordinateur en une fraction du temps et avec moins de données.

SMAC3 : Un package d'optimisation bayésienne polyvalent pour l'optimisation des hyperparamètres

Framework et boîte à outils AutoML pour l'apprentissage automatique sur les graphes.

TensorFlow 101 : Introduction au Deep Learning

Apprentissage rapide et simple de la structure de réseaux profonds sous contraintes de ressources.

Optimisation de l'apprentissage par renforcement avec RLOps. Algorithmes et outils RL de pointe, avec un entraînement 10 fois plus rapide grâce à l'optimisation évolutionnaire des hyperparamètres.

Agents LLM utilisés comme optimiseurs d'hyperparamètres

EvalML est une bibliothèque d'AutoML écrite en Python.

Luminaire est un package Python fournissant des solutions basées sur le ML pour la surveillance de données de séries temporelles.

Régression symbolique distribuée haute performance en Julia.

Notebooks, exemples de code, applications d'exemple et autres ressources démontrant comment utiliser, développer et gérer des flux de travail d'apprentissage automatique et d'IA générative avec Google Cloud Vertex AI.

Générez automatiquement des modèles ARIMA, SARIMAX, VAR, FB Prophet et XGBoost sur des séries temporelles avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

Code pour les compétitions de science des données sur Kaggle.

Manipulation de programmes Python

Framework de modélisation automatisée et de machine learning FEDOT

Apprentissage automatique pour Ruby

API et instructions pour NAS-Bench-201

Implémentation / Tutoriel sur l'utilisation de méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et en ligne/continu

NASLib est une bibliothèque de recherche d'architecture neuronale (NAS) visant à faciliter la recherche dans ce domaine en fournissant des interfaces vers plusieurs espaces de recherche et optimiseurs NAS de pointe.

Construisez automatiquement plusieurs modèles ML avec une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus. Permission accordée sur demande.

Modèle de prédiction linéaire avec fonctionnalités automatisées d'ingénierie et de sélection de caractéristiques

Un outil de machine learning pour l'ingénierie prédictive automatisée. Il permet de structurer facilement les problèmes de prédiction et de générer des étiquettes pour l'apprentissage supervisé.

Lightwood est comme des Lego pour le Machine Learning.