autogluon

Installation | Dokumentation | Versionshinweise

AutoGluon automatisiert maschinelle Lernaufgaben, sodass Sie problemlos eine starke Vorhersageleistung in Ihren Anwendungen erzielen können. Mit nur wenigen Codezeilen können Sie hochpräzise Modelle für maschinelles Lernen und Deep Learning für Bild-, Text-, Zeitreihen- und Tabellendaten trainieren und einsetzen.

? Installation

AutoGluon wird von Python 3.9 bis 3.12 unterstützt und ist unter Linux, MacOS und Windows verfügbar.

Sie können AutoGluon installieren mit:

 pip install autogluon

Besuchen Sie unser Installationshandbuch für detaillierte Anweisungen, einschließlich GPU-Unterstützung, Conda-Installationen und optionalen Abhängigkeiten.

⚡ Schnellstart

Erstellen Sie genaue End-to-End-ML-Modelle in nur 3 Codezeilen!

 from autogluon . tabular import TabularPredictor
predictor = TabularPredictor ( label = "class" ). fit ( "train.csv" )
predictions = predictor . predict ( "test.csv" )

AutoGluon-Aufgabe	Schnellstart	API
TabularPredictor
Multimodaler Prädiktor
TimeSeriesPredictor

? Ressourcen

Praktische Tutorials / Vorträge

Nachfolgend finden Sie eine kuratierte Liste aktueller Tutorials und Vorträge zu AutoGluon. Eine umfassende Liste finden Sie hier.

Titel	Format	Standort	Datum
AutoGluon: Auf dem Weg zum automatisierten maschinellen Lernen ohne Code	Anleitung	AutoML 2024	09.09.2024
AutoGluon 1.0: Durchbrechen der AutoML-Grenze mit null Codezeilen	Anleitung	AutoML 2023	12.09.2023
AutoGluon: Die Geschichte	Podcast	Der AutoML-Podcast	05.09.2023
AutoGluon: AutoML für tabellarische, multimodale und Zeitreihendaten	Anleitung	PyData Berlin	20.06.2023
Mit AutoGluon komplexe ML-Probleme in wenigen Codezeilen lösen	Anleitung	PyData Seattle	20.06.2023
Die AutoML-Revolution	Anleitung	Herbst-AutoML-Schule 2022	18.10.2022

Wissenschaftliche Veröffentlichungen

• AutoGluon-Tabular: Robustes und genaues AutoML für strukturierte Daten ( Arxiv , 2020) (BibTeX)
• Schnelle, genaue und einfache Modelle für tabellarische Daten mittels erweiterter Destillation ( NeurIPS , 2020) (BibTeX)
• Benchmarking von multimodalem AutoML für tabellarische Daten mit Textfeldern ( NeurIPS , 2021) (BibTeX)
• XTab: Kreuztabellen-Vortraining für tabellarische Transformatoren ( ICML , 2023)
• AutoGluon-TimeSeries: AutoML für probabilistische Zeitreihenvorhersage ( AutoML Conf , 2023) (BibTeX)
• TabRepo: Ein umfangreiches Repository tabellarischer Modellbewertungen und seiner AutoML-Anwendungen ( in Prüfung , 2024)

Artikel

• AutoGluon-TimeSeries: Jedes Zeitreihen-Prognosemodell in einer Bibliothek ( Towards Data Science , Januar 2024)
• AutoGluon für tabellarische Daten: 3 Zeilen Code, um bei Kaggle-Wettbewerben die besten 1 % zu erreichen ( AWS Open Source Blog , März 2020)
• AutoGluon-Übersicht und Beispielanwendungen ( Towards Data Science , Dezember 2019)

Trainieren/Bereitstellen von AutoGluon in der Cloud

• AutoGluon Cloud (empfohlen)
• AutoGluon auf SageMaker AutoPilot
• AutoGluon auf Amazon SageMaker
• AutoGluon Deep Learning Containers (Sicherheit zertifiziert und gewartet von den AutoGluon-Entwicklern)
• Offizieller Docker-Container von AutoGluon
• AutoGluon-Tabular auf AWS Marketplace (wird nicht von uns gepflegt)

Unter Berufung auf AutoGluon

Wenn Sie AutoGluon in einer wissenschaftlichen Publikation verwenden, lesen Sie bitte unseren Zitierleitfaden.

So engagieren Sie sich

Wir nehmen aktiv Codebeiträge zum AutoGluon-Projekt entgegen. Wenn Sie daran interessiert sind, einen Beitrag zu AutoGluon zu leisten, lesen Sie bitte den Beitragsleitfaden, um loszulegen.

?️ Lizenz

Diese Bibliothek ist unter der Apache 2.0-Lizenz lizenziert.