autogluon

Installation | Documents | Notes de version

AutoGluon automatise les tâches d'apprentissage automatique vous permettant d'obtenir facilement de solides performances prédictives dans vos applications. Avec seulement quelques lignes de code, vous pouvez former et déployer des modèles de machine learning et de deep learning de haute précision sur des images, du texte, des séries chronologiques et des données tabulaires.

? Installation

AutoGluon est pris en charge sur Python 3.9 à 3.12 et est disponible sur Linux, MacOS et Windows.

Vous pouvez installer AutoGluon avec :

 pip install autogluon

Consultez notre guide d'installation pour obtenir des instructions détaillées, y compris la prise en charge du GPU, les installations Conda et les dépendances facultatives.

⚡ Démarrage rapide

Créez des modèles ML précis de bout en bout en seulement 3 lignes de code !

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

Tâche AutoGluon	Démarrage rapide	API
Prédicteur tabulaire
MultiModalPredictor
TimeSeriesPredictor

? Ressources

Tutoriels/exposés pratiques

Vous trouverez ci-dessous une liste organisée de didacticiels et de conférences récents sur AutoGluon. Une liste complète est disponible ici.

Titre	Format	Emplacement	Date
AutoGluon : vers un apprentissage automatique automatisé sans code	Tutoriel	AutoML 2024	2024/09/09
AutoGluon 1.0 : briser le plafond d'AutoML avec zéro ligne de code	Tutoriel	AutoML 2023	2023/09/12
AutoGluon : l'histoire	Podcast	Le podcast AutoML	2023/09/05
AutoGluon : AutoML pour les données tabulaires, multimodales et chronologiques	Tutoriel	PyData Berlin	2023/06/20
Résoudre des problèmes de ML complexes en quelques lignes de code avec AutoGluon	Tutoriel	PyData Seattle	2023/06/20
La révolution AutoML	Tutoriel	École AutoML d'automne 2022	2022/10/18

Publications scientifiques

• AutoGluon-Tabular : AutoML robuste et précis pour les données structurées ( Arxiv , 2020) (BibTeX)
• Modèles rapides, précis et simples pour les données tabulaires via distillation augmentée ( NeurIPS , 2020) (BibTeX)
• Analyse comparative d'AutoML multimodal pour les données tabulaires avec des champs de texte ( NeurIPS , 2021) (BibTeX)
• XTab : Pré-entraînement en tables croisées pour les transformateurs tabulaires ( ICML , 2023)
• AutoGluon-TimeSeries : AutoML pour la prévision probabiliste de séries temporelles ( AutoML Conf , 2023) (BibTeX)
• TabRepo : un référentiel à grande échelle d'évaluations de modèles tabulaires et de ses applications AutoML ( en cours de révision , 2024)

Articles

• AutoGluon-TimeSeries : chaque modèle de prévision de séries chronologiques dans une seule bibliothèque ( Towards Data Science , janvier 2024)
• AutoGluon pour les données tabulaires : 3 lignes de code pour atteindre le top 1 % dans les compétitions Kaggle ( AWS Open Source Blog , mars 2020)
• Présentation d'AutoGluon et exemples d'applications ( Towards Data Science , décembre 2019)

Former/déployer AutoGluon dans le cloud

• AutoGluon Cloud (recommandé)
• AutoGluon sur SageMaker AutoPilot
• AutoGluon sur Amazon SageMaker
• Conteneurs AutoGluon Deep Learning (sécurité certifiée et maintenue par les développeurs AutoGluon)
• Conteneur Docker officiel AutoGluon
• AutoGluon-Tabular sur AWS Marketplace (non géré par nous)

Citant AutoGluon

Si vous utilisez AutoGluon dans une publication scientifique, veuillez vous référer à notre guide de citation.

Comment s'impliquer

Nous acceptons activement les contributions de code au projet AutoGluon. Si vous souhaitez contribuer à AutoGluon, veuillez lire le Guide de contribution pour commencer.

?️ Licence

Cette bibliothèque est sous licence Apache 2.0.