#automl Repositórios
Descubra 64 repositórios ativos de código aberto no GitHub marcados com #automl, acumulando um total de 195,817 estrelas (uma média de 3,059 por projeto). O líder deste tópico é lukasmasuch/best-of-ml-python, com 23,877 estrelas.
64 repositórios no total
🏆 Uma lista classificada de bibliotecas Python incríveis de aprendizado de máquina. Atualizada semanalmente.
Uma ferramenta de Aprendizado de Máquina Automatizado em Python que otimiza pipelines de aprendizado de máquina usando programação genética.
Plataforma AutoML open-source de baixo código para Python. PyCaret 4.0: motor nativo sklearn + plano de controle React.
Uma biblioteca Python de código aberto para engenharia de recursos automatizada
H2O é uma Plataforma de Aprendizado de Máquina de Código Aberto, Distribuída, Rápida e Escalável: Deep Learning, Gradient Boosting (GBM) e XGBoost, Random Forest, Generalized Linear Modeling (GLM com Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.
Plataforma de IA unificada, open source, de machine learning/deep learning/grandes modelos nativa da nuvem cube studio, fluxo de trabalho completo de MLOps para algoritmos, plataforma de aluguel de poder computacional, desenvolvimento online em notebook, orquestração de pipeline de fluxo de tarefas arrastar e soltar, treinamento distribuído multi-máquina/multi-GPU, busca de hiperparâmetros, virtualização VGPU para serviço de inferência, computação de borda, anotação automatizada pela plataforma de anotação, ajuste fino SFT de grandes modelos como deepseek/modelo de recompensa/treinamento de aprendizado por reforço, inferência multi-máquina de grandes modelos como vllm/ollama/mindie, base de conhecimento privada, mercado de modelos de IA, suporte ao ecossistema chinês de CPUs/GPUs/NPUs Ascend, suporte a RDMA, suporte a frameworks distribuídos como pytorch/tf/mxnet/deepspeed/paddle/colossalai/horovod/ray/volcano
Merlion: Uma Estrutura de Machine Learning para Inteligência em Séries Temporais
Uma biblioteca rápida para AutoML e otimização. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.
Uma lista selecionada de artigos, tutoriais, slides e projetos de aprendizado de máquina automatizado
Kit de ferramentas AutoML para Python que permite comparar modelos de classificação, regressão e previsão de séries temporais, com aceleração por GPU, rastreamento no MLflow e pré-processamento automatizado.
Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática
uma ferramenta de aprendizado de máquina encantadora que permite treinar, testar e usar modelos sem escrever código
CubeStudio é uma plataforma open source nativa em nuvem tudo-em-um de aprendizado de máquina/aprendizado profundo/grandes modelos de IA/MaaS/MLOps/plataforma de inteligência artificial/plataforma de treinamento e inferência, cobrindo todo o pipeline de algoritmos, multilocação, plataforma de aluguel de poder computacional, retransmissão de tokens, orquestração de pipeline de fluxo de trabalho por arrastar e soltar, treinamento distribuído multi-máquina multi-placa, busca de hiperparâmetros, serviços de inferência, virtualização VGPU, colaboração nuvem-borda-dispositivo, computação de borda, plataforma de anotação automatizada, ajuste fino SFT/modelo de recompensa/treinamento de aprendizado por reforço para grandes modelos como DeepSeek, inferência multi-máquina para grandes modelos com vLLM/Ollama/MindIE, agentes inteligentes LLMOps com base de conhecimento privada, mercado de modelos de IA, suporte para escalonamento de poder computacional heterogêneo nacional (Ascend, Cambricon, Hygon, Moore Threads, Muxi, etc.), suporte para IB/RoCE/RDMA e suporte Xinchuang.
Pesquisa automática de arquitetura e otimização de hiperparâmetros para PyTorch
Um serviço de ranqueamento personalizado de Machine Learning (ML) com low code para artigos, listagens, resultados de pesquisa e recomendações, que impulsiona o engajamento do usuário. Um motor Learn-to-Rank amigável.
Estrutura de código aberto para Chanlun (Teoria da Onda de Zhang) em Python, suportando análise de pontos de compra/venda morfológica/dinâmica, conexão de K-lines de múltiplos níveis, estratégia de sobreposição de intervalos, plotagem visualizada, acesso a vários tipos de dados, desenvolvimento de estratégias e integração com sistemas de negociação;
TransmogrifAI (pronunciado trăns-mŏgˈrə-fī) é uma biblioteca AutoML para construir fluxos de trabalho de aprendizado de máquina modulares, reutilizáveis e fortemente tipados no Apache Spark com ajuste manual mínimo.
Exemplos de código Java e Kotlin usados em cloud.google.com
Visualize automaticamente qualquer conjunto de dados, de qualquer tamanho, com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos. Permissão concedida mediante solicitação.
AVISO: O projeto Katib foi DESCONTINUADO. Os usuários devem migrar para OptimizationJob e Kubeflow Trainer.
Framework rápido e personalizável para a criação automática de modelos de ML (AutoML)
ModelFox facilita o treinamento, a implantação e o monitoramento de modelos de aprendizado de máquina.
[ICLR 2019] ProxylessNAS: Busca Direta de Arquitetura Neural na Tarefa e Hardware de Destino
Crie, treine, otimize e execute modelos de visão computacional localmente, desde imagens brutas até inferência em tempo real. Código aberto, otimizado para Intel® XPU (CUDA também é compatível).
[pip install medmnist] Conjuntos de Dados Padronizados 18x para Classificação de Imagens Biomédicas 2D e 3D
SMAC3: Um Pacote de Otimização Bayesiana Versátil para Otimização de Hiperparâmetros
Aprendizado Rápido e Simples da Estrutura de Rede Profunda com Restrição de Recursos
Curadoria de uma lista de pesquisas, ferramentas, projetos e outros recursos relacionados a AutoML
Luminaire é um pacote Python que fornece soluções impulsionadas por ML para monitorar dados de séries temporais.
Cadernos, amostras de código, aplicativos de exemplo e outros recursos que demonstram como usar, desenvolver e gerenciar fluxos de trabalho de aprendizado de máquina e IA generativa usando o Vertex AI do Google Cloud.
Crie automaticamente Modelos ARIMA, SARIMAX, VAR, FB Prophet e XGBoost em conjuntos de dados de Séries Temporais com uma Única Linha de Código. Criado por Ram Seshadri. Colaboradores são bem-vindos.
Perguntas Frequentes
Qual é o repositório de #automl mais popular no GitHub?
O projeto de código aberto de #automl mais bem classificado no GitHub é lukasmasuch/best-of-ml-python, com 23,877 estrelas. 🏆 Uma lista classificada de bibliotecas Python incríveis de aprendizado de máquina. Atualizada semanalmente.
Quais linguagens de programação são mais usadas nos repositórios de #automl?
Entre os projetos de #automl mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Scala, Java.
Como é calculada a classificação dos repositórios de #automl?
Acompanhamos 64 repositórios ativos de código aberto marcados com #automl (com mais de 500 estrelas), totalizando 195,817 estrelas e uma média de 3,059 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.