autogluon

Установка | Документация | Примечания к выпуску

AutoGluon автоматизирует задачи машинного обучения, позволяя вам легко добиться высокой производительности прогнозирования в ваших приложениях. Всего с помощью нескольких строк кода вы можете обучить и развернуть высокоточные модели машинного и глубокого обучения на изображениях, тексте, временных рядах и табличных данных.

? Установка

AutoGluon поддерживается в Python 3.9–3.12 и доступен в Linux, MacOS и Windows.

Вы можете установить AutoGluon с помощью:

 pip install autogluon

Посетите наше Руководство по установке для получения подробных инструкций, включая поддержку графического процессора, установку Conda и дополнительные зависимости.

⚡ Быстрый старт

Создавайте точные комплексные модели машинного обучения всего за 3 строки кода!

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

Автоглюонная задача	Быстрый старт	API
Табличныйпредиктор
Мультимодальныйпредиктор
ВремяСерияПредиктор

? Ресурсы

Практические уроки/доклады

Ниже приведен тщательно подобранный список недавних руководств и выступлений по AutoGluon. Полный список доступен здесь.

Заголовок	Формат	Расположение	Дата
AutoGluon: на пути к автоматизированному машинному обучению без программирования	Учебник	АвтоМЛ 2024	2024/09/09
AutoGluon 1.0: разрушение потолка AutoML с помощью нуля строк кода	Учебник	АвтоМЛ 2023	12.09.2023
Автоглюон: История	Подкаст	Подкаст AutoML	05.09.2023
AutoGluon: AutoML для табличных, мультимодальных данных и данных временных рядов	Учебник	PyData Берлин	20.06.2023
Решение сложных задач машинного обучения за несколько строк кода с помощью AutoGluon	Учебник	PyData Сиэтл	20.06.2023
Революция AutoML	Учебник	Осенняя школа AutoML 2022	2022/10/18

Научные публикации

• AutoGluon-Tabular: надежный и точный AutoML для структурированных данных ( Arxiv , 2020) (BibTeX)
• Быстрые, точные и простые модели табличных данных посредством дополненной дистилляции ( NeurIPS , 2020) (BibTeX)
• Сравнительный анализ мультимодального AutoML для табличных данных с текстовыми полями ( NeurIPS , 2021) (BibTeX)
• XTab: межтабличная предварительная подготовка для табличных преобразователей ( ICML , 2023)
• AutoGluon-TimeSeries: AutoML для вероятностного прогнозирования временных рядов ( AutoML Conf , 2023) (BibTeX)
• TabRepo: крупномасштабное хранилище оценок табличных моделей и его приложений AutoML ( на рассмотрении , 2024 г.)

Статьи

• AutoGluon-TimeSeries: модель прогнозирования каждого временного ряда в одной библиотеке ( На пути к науке о данных , январь 2024 г.)
• AutoGluon для табличных данных: 3 строки кода для достижения 1% лучших в соревнованиях Kaggle ( блог AWS с открытым исходным кодом , март 2020 г.)
• Обзор AutoGluon и примеры приложений ( Towards Data Science , декабрь 2019 г.)

Обучение/развертывание AutoGluon в облаке

• Облако AutoGluon (рекомендуется)
• AutoGluon в SageMaker AutoPilot
• AutoGluon на Amazon SageMaker
• Контейнеры глубокого обучения AutoGluon (безопасность сертифицирована и поддерживается разработчиками AutoGluon)
• Официальный Docker-контейнер AutoGluon
• AutoGluon-Tabular на AWS Marketplace (не поддерживается нами)

Ссылаясь на АвтоГлюон

Если вы используете AutoGluon в научных публикациях, обратитесь к нашему справочнику по цитированию.

Как принять участие

Мы активно принимаем участие в коде проекта AutoGluon. Если вы заинтересованы в участии в AutoGluon, прочтите Руководство для участников, чтобы начать работу.

?️ Лицензия

Эта библиотека распространяется по лицензии Apache 2.0.