automl

स्वचालित ML मॉडल निर्माण (AutoML) के लिए तेज़ और कस्टमाइज़ेबल फ्रेमवर्क

ModelFox मशीन लर्निंग मॉडल को प्रशिक्षित करना, तैनात करना और मॉनिटर करना आसान बनाता है।

[ICLR 2019] ProxylessNAS: टारगेट टास्क और हार्डवेयर पर डायरेक्ट न्यूरल आर्किटेक्चर सर्च

स्वचालित समय श्रृंखला पूर्वानुमान

[pip install medmnist] 2D और 3D बायोमेडिकल इमेज क्लासिफ़िकेशन के लिए 18x मानकीकृत डेटासेट

बहुत कम समय में और कम डेटा के साथ computer vision मॉडल बनाएं।

SMAC3: Hyperparameter Optimization के लिए एक बहुमुखी Bayesian Optimization पैकेज

ग्राफ पर मशीन लर्निंग के लिए एक autoML फ्रेमवर्क और टूलकिट।

TensorFlow 101: डीप लर्निंग का परिचय

डीप नेटवर्क संरचना की तेज़ और सरल संसाधन-सीमित लर्निंग

RLOps के साथ सुदृढीकरण सीखने (reinforcement learning) को सुव्यवस्थित करना। अत्याधुनिक RL एल्गोरिदम और उपकरण, इवोल्यूशनरी हाइपरपैरामीटर ऑप्टिमाइज़ेशन के माध्यम से 10 गुना तेज़ प्रशिक्षण के साथ।

आपके हाइपरपैरामीटर ऑप्टिमाइज़र के रूप में LLM एजेंट्स।

EvalML पायथन में लिखी गई एक AutoML लाइब्रेरी है।

Luminaire एक Python पैकेज है जो टाइम सीरीज़ डेटा की निगरानी के लिए ML-संचालित समाधान प्रदान करता है।

Julia में वितरित उच्च-प्रदर्शन प्रतीकात्मक प्रतिगमन (Distributed High-Performance Symbolic Regression)।

नोटबुक, कोड नमूने, सैंपल ऐप्स और अन्य संसाधन जो Google Cloud Vertex AI का उपयोग करके मशीन लर्निंग और जेनरेटिव AI वर्कफ़्लो को विकसित और प्रबंधित करने का तरीका प्रदर्शित करते हैं।

टाइम सीरीज़ डेटा सेट पर केवल एक लाइन कोड के साथ ARIMA, SARIMAX, VAR, FB Prophet और XGBoost मॉडल को स्वचालित रूप से बनाएं। Ram Seshadri द्वारा निर्मित।

Kaggle डेटा साइंस प्रतियोगिताओं के लिए कोड

Python प्रोग्राम्स में हेरफेर (Manipulating)

स्वचालित मॉडलिंग और मशीन लर्निंग फ्रेमवर्क FEDOT

Ruby के लिए मशीन लर्निंग

NAS-Bench-201 API और निर्देश

स्टेटिक/बैच और ऑनलाइन/कंटीन्यूअस लर्निंग के लिए ऑटोमेटेड मशीन लर्निंग (AutoML) विधियों का उपयोग करने का कार्यान्वयन/ट्यूटोरियल

NASLib एक न्यूरल आर्किटेक्चर सर्च (NAS) लाइब्रेरी है जो कई अत्याधुनिक NAS सर्च स्पेस और ऑप्टिमाइज़र के लिए इंटरफ़ेस प्रदान करके कम्युनिटी में NAS अनुसंधान को सुविधाजनक बनाती है।

कोड की एक पंक्ति के साथ स्वचालित रूप से कई ML मॉडल बनाएं। Ram Seshadri द्वारा निर्मित। सहयोगियों का स्वागत है। अनुरोध पर अनुमति दी जाती है।

स्वचालित फ़ीचर इंजीनियरिंग और चयन क्षमताओं के साथ रैखिक भविष्यवाणी मॉडल

स्वचालित प्रेडिक्शन इंजीनियरिंग के लिए एक मशीन लर्निंग टूल। यह आपको प्रेडिक्शन समस्याओं को आसानी से व्यवस्थित करने और सुपरवाइज्ड लर्निंग के लिए लेबल उत्पन्न करने की अनुमति देता है।

Lightwood मशीन लर्निंग के लिए लेगो (Legos) है।