#automl Repository
Scopri 64 repository GitHub open source attivi contrassegnati con #automl, che raccolgono un totale di 195,817 stelle (con una media di 3,059 stelle per progetto). Il progetto leader di questo argomento è lukasmasuch/best-of-ml-python, con 23,877 stelle.
64 repository in totale
Un elenco classificato di fantastiche librerie Python per il machine learning. Aggiornato settimanalmente.
Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.
Piattaforma AutoML open-source a basso codice per Python. PyCaret 4.0: motore nativo sklearn + piano di controllo React.
H2O è una Piattaforma di Machine Learning Open Source, Distribuita, Veloce e Scalabile: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), ecc.
cube studio Piattaforma AI Open-Source Cloud-Native One-Stop per Machine Learning/Deep Learning/Grandi Modelli, MLOps Flusso completo del link algoritmico, Piattaforma di noleggio di capacità computazionale, Sviluppo online Notebook, Orchestrazione di pipeline di flusso di task drag-and-drop, Addestramento distribuito multi-macchina multi-GPU, Ricerca di iperparametri, Virtualizzazione VGPU del servizio di inferenza, Edge Computing, Annotazione automatizzata della piattaforma di annotazione, Fine-tuning SFT di grandi modelli/Modello di ricompensa/Addestramento di apprendimento per rinforzo di Deepseek, Inferenza multi-macchina di grandi modelli come vLLM/Ollama/MindSpore, Knowledge Base privata, Mercato di modelli AI, Supporto per CPU/GPU/NPU domestici ecosistema Ascend, Supporto per RDMA, Supporto per framework distribuiti come PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Merlion: Un framework di machine learning per l'intelligenza delle serie temporali
Una libreria veloce per AutoML e tuning. Unisciti al nostro Discord: https://discord.gg/Cppx2vSPVP.
Una lista curata di papers, articoli, tutorial, slide e progetti di apprendimento automatico automatizzato
Toolkit AutoML per Python per confrontare modelli di classificazione, regressione e previsione di serie temporali, con accelerazione GPU, tracciamento MLflow e preelaborazione automatizzata.
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
un delizioso strumento di machine learning che ti consente di addestrare, testare e utilizzare modelli senza scrivere codice
CubeStudio è una piattaforma open source cloud-native all-in-one per machine learning/deep learning/grandi modelli AI/MaaS/MLOps/piattaforma di intelligenza artificiale/piattaforma di training e inferenza, che copre l'intero pipeline dell'algoritmo, multi-tenancy, piattaforma di noleggio di potenza di calcolo, relay di token, orchestrazione di pipeline di flussi di lavoro tramite trascinamento, training distribuito multi-macchina multi-scheda, ricerca di iperparametri, servizi di inferenza, virtualizzazione VGPU, collaborazione cloud-edge-dispositivo, edge computing, piattaforma di annotazione automatizzata, fine-tuning SFT/modello di ricompensa/training di apprendimento per rinforzo per grandi modelli come DeepSeek, inferenza multi-macchina per grandi modelli con vLLM/Ollama/MindIE, agenti intelligenti LLMOps con knowledge base privata, mercato di modelli AI, supporto per la pianificazione di potenza di calcolo eterogenea nazionale (Ascend, Cambricon, Hygon, Moore Threads, Muxi, ecc.), supporto per IB/RoCE/RDMA e supporto Xinchuang.
Ricerca automatica dell'architettura e ottimizzazione degli iperparametri per PyTorch
Un servizio di machine learning low-code per il ranking personalizzato di articoli, annunci, risultati di ricerca, raccomandazioni che aumenta il coinvolgimento degli utenti. Un motore Learn-to-Rank amichevole
Framework di implementazione Python aperto di Chanlun, supporta calcoli di analisi dei punti di acquisto/vendita morfologici/dinamici, combinazione di linee K multi-livello, strategia di intervallo, disegno visivo, accesso a dati multipli, sviluppo di strategie, connessione al sistema di trading;
TransmogrifAI (pronunciato trăns-mŏgˈrə-fī) è una libreria AutoML per la creazione di flussi di lavoro di apprendimento automatico modulari, riutilizzabili e fortemente tipizzati su Apache Spark con una minima regolazione manuale.
Esempi di codice Java e Kotlin utilizzati su cloud.google.com
Visualizza automaticamente qualsiasi set di dati, di qualsiasi dimensione, con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti. Autorizzazione concessa su richiesta.
ATTENZIONE: il progetto Katib è DEPRECATO. Gli utenti dovrebbero migrare a OptimizationJob e Kubeflow Trainer.
Framework veloce e personalizzabile per la creazione automatica di modelli ML (AutoML)
ModelFox semplifica l'addestramento, il deployment e il monitoraggio dei modelli di machine learning.
[ICLR 2019] ProxylessNAS: Ricerca diretta dell'architettura neurale sul compito target e hardware
Crea, addestra, ottimizza ed esegui modelli di computer vision localmente, dalle immagini grezze all’inferenza in tempo reale. Open source e ottimizzato per Intel® XPU (supporta anche CUDA).
[pip install medmnist] 18 set di dati standardizzati per la classificazione di immagini biomediche 2D e 3D
SMAC3: Un pacchetto versatile di ottimizzazione bayesiana per l'ottimizzazione degli iperparametri
Apprendimento veloce e semplice di strutture di reti profonde con vincoli di risorse
Curare un elenco di ricerche, strumenti, progetti e altre risorse relative ad AutoML
Regressione Simbolica Distribuita ad Alte Prestazioni in Julia
Luminaire è un pacchetto Python che fornisce soluzioni guidate da ML per il monitoraggio dei dati di serie temporali.
Notebook, frammenti di codice, app di esempio e altre risorse che dimostrano come utilizzare, sviluppare e gestire flussi di lavoro di machine learning e IA generativa utilizzando Google Cloud Vertex AI.
Crea automaticamente modelli ARIMA, SARIMAX, VAR, FB Prophet e XGBoost su set di dati di serie temporali con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti.
Domande frequenti
Qual è il repository #automl più popolare su GitHub?
Il progetto open source #automl più alto in classifica su GitHub è lukasmasuch/best-of-ml-python, con 23,877 stelle. Un elenco classificato di fantastiche librerie Python per il machine learning. Aggiornato settimanalmente.
Quali linguaggi di programmazione sono più utilizzati nei repository #automl?
Tra i progetti #automl più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Scala, Java.
Come viene calcolata la classifica dei repository #automl?
Monitoriamo 64 repository open source attivi contrassegnati con #automl (500+ stelle), per un totale di 195,817 stelle e una media di 3,059 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.