automl
本站收录 22 个带「automl」标签的 AI 开源项目
best-of-ml-python这是一个精选的机器学习Python库排行榜，每周自动更新，按GitHub星标数排序，帮助开发者快速发现和评估优秀的ML工具。它解决了机器学习生态中库数量庞大、质★ 23,828
nni微软开源的 AutoML 工具包，覆盖机器学习生命周期的自动化，包括特征工程、神经网络架构搜索、模型压缩与超参调优等环节。借助丰富的搜索算法与可视化面板，帮助团★ 14,364
autogluonAutoGluon 是一个自动化机器学习（AutoML）库，旨在用三行代码实现快速且准确的模型训练。它解决了传统机器学习中模型选择、超参数调优和特征工程耗时费力★ 10,754
pycaretPython 生态中的开源低代码 AutoML 平台，几行代码即可完成数据预处理、模型训练、调参与对比。4.0 版本采用 sklearn 原生引擎并引入 Rea★ 9,848
zenmlZenML 是一个面向机器学习团队的端到端 MLOps 平台，旨在统一从数据准备、模型训练到部署和监控的整个 AI 生命周期。它通过可组合的管道（Pipelin★ 5,597
cube-studiocube-studio 是一个开源的云原生一站式 AI 平台，覆盖机器学习、深度学习和 LLMOps 全链路。它解决了 AI 开发中环境搭建复杂、资源利用率低、★ 5,079
cube-studiocube-studio 是一个基于云原生的开源 AI 平台，旨在统一管理机器学习、深度学习及大模型的完整生命周期。它解决企业在算法开发、训练、部署和运维中的碎片★ 2,529
katibKatib 是一个基于 Kubernetes 的自动化机器学习（AutoML）平台，旨在解决在云原生环境中进行超参数调优、神经网络架构搜索（NAS）和早停（Ea★ 1,704
modelfoxModelFox 是一个用 Rust 编写的机器学习模型全生命周期管理工具，旨在简化从训练到部署再到监控的完整流程。它解决了机器学习模型在工程化落地中流程割裂、★ 1,467
getigeti 是英特尔推出的计算机视觉模型训练平台，旨在用更少的数据和更短的时间构建高性能视觉模型。它解决了传统深度学习模型开发中数据标注成本高、训练周期长、调参复★ 1,344
AgileRLAgileRL 是一个专注于强化学习（RL）的 Python 库，旨在通过 RLOps（强化学习运维）理念简化 RL 算法的开发、训练和部署流程。它解决了 RL★ 952
vertex-ai-samplesvertex-ai-samples 是 Google Cloud 官方维护的 Vertex AI 示例集合，包含 Notebooks、代码示例、示例应用等资源，★ 791
x-stable-diffusionx-stable-diffusion 是一个专注于 Stable Diffusion 实时推理加速的开源项目，目标是将延迟降低至 0.88 秒。项目集成了多种主★ 556
Sklearn-genetic-optsklearn-genetic-opt 是一个面向 scikit-learn 的超参数优化与特征选择工具，采用进化算法（如遗传算法）自动搜索最佳模型配置。它解决★ 390
Awesome-MLOPSAwesome-MLOPS 是一个精选资源列表，旨在帮助初学者从零开始系统掌握 MLOps（机器学习运维）。它聚合了从基础概念到高级实践的各类学习材料，包括教程★ 383
upginiupgini 是一个面向机器学习的数据搜索与增强库，旨在帮助数据科学家快速从数百个公共和商业外部数据源（包括开放及商业大语言模型）中查找并添加相关特征到 ML/★ 358
Active-Learning-as-a-ServiceActive-Learning-as-a-Service 是一个面向所有人的可扩展且高效的数据选择与主动学习系统。它旨在解决机器学习中数据标注成本高昂、数据冗余★ 221
awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133
CoMLCoML 是一个面向数据科学家和机器学习开发者的交互式编码助手，由大语言模型驱动。它旨在解决数据科学工作流中繁琐的编码和调试问题，通过自然语言交互，帮助用户更高★ 100
benderoptbenderopt 是一个黑盒优化库，旨在帮助用户在没有梯度信息的情况下，对任意函数进行参数调优。它解决了传统优化方法（如梯度下降）无法应用于离散、不可导或评估★ 87
End-to-End-AutoML-Insurance这是一个面向保险交叉销售场景的端到端AutoML参考实现，整合了H2O AutoML、MLflow、FastAPI和Streamlit四大工具链。项目以Jupy★ 83
coursera-practical-data-science-specialization这是Coursera上deeplearning.ai开设的“实用数据科学专项课程”的作业与项目参考答案合集，以Jupyter Notebook形式组织。它帮助学★ 59