AutoML_自动机器学习_框架_信息_汇总_全面_资源

欧阳安晏
2023-12-01

 

本文旨在对好的AutoML框架或重要信息做个汇总,不定期更新,并统计了截至2019-10的github星数(star)

 

一、概念理解

AutoML和神经架构搜索(NAS),是深度学习领域的新一代王者。

这些方法能快糙猛地搞定机器学习任务,简单有效,高度符合当代科技公司核心价值观。

https://zhuanlan.zhihu.com/p/42924585

 

在传统深度学习的模型构建中,主要包含以下步骤:数据处理、特征工程、模型架构选择、超参数优化、模型后处理、结果分析。这些步骤往往会耗费大量人力和时间。在 AutoML 中,则可以对大部分步骤进行自动处理。 AutoML 类别包括:

自动数据清洗(Automated Data Clean, Auto Clean)

自动特征工程(Automated Feature Enginnering,  Auto FE)

超参数优化(Hyperparameter Optimization, HPO)

元学习(Meta-Learning)

神经网络架构搜索(Neural Architecture Search, NAS)

 

二、世界级比赛  (堪称 数据挖掘「奥林匹克」)

2019年国际数据挖掘顶级会议KDD

PAKDD 2019 AutoML3+

速报:PAKDD 2019 AutoML3+ 挑战赛公布了最终结果:Feedback phase 和 AutoML phase 的 Top3 排名相同,深兰科技 DeepBlueAI 团队斩获第一名,由微软亚洲研究院、北航组成的 ML Intelligence 团队位居第二名,由清华大学组成的 Meta_Learners 团队获得第三名。

https://tech.ifeng.com/c/7lxEtEsiHVH

 

KDD官方完整排名,内附github地址!!!

https://www.kdd.org/kdd2019/kdd-cup

https://www.4paradigm.com/competition/kddcup2019

 

三、互联网项目汇总

TPOT  [github 6367 star]

http://epistasislab.github.io/tpot/

https://github.com/EpistasisLab/tpot

 

国外开源AutoKeras  [github 6168 star]

https://autokeras.com/

https://github.com/keras-team/autokeras

 

Auto-sklearn [github 3979 star]

https://automl.github.io/auto-sklearn/

https://github.com/automl/auto-sklearn

 

ENAS-pytorch  [github 1975 star ]  【NAS】 

https://github.com/carpedm20/ENAS-pytorch

 

auto_ml 开源框架  [github 1355 star ]

https://github.com/ClimbsRocks/auto_ml

 

MLBox  [github 929 star]

https://github.com/AxeldeRomblay/MLBox

 

ATM - Auto Tune Models [github 446 star]

https://github.com/HDI-Project/ATM

 

https://www.automl.org/automl/

 

R2商业产品

https://www.r2.ai/

 

国外商业+开源产品h2o

https://www.h2o.ai/products/h2o-driverless-ai/

https://github.com/h2oai/h2o-3

 

谷歌云的AutoML pipeline

https://pypi.org/project/google-cloud-automl/

https://cloud.google.com/automl/

 

谷歌的AutoML Zero

这一研究还是来自谷歌大脑的Quoc V.Le大神之手。

AutoML-Zero仅使用基本数学运算为基础,从一段空程序开始,即可自动发现解决机器学习任务的计算机程序

git clone https://github.com/google-research/google-research.git
cd google-research/automl_zero
./run_demo.sh

论文地址:https://arxiv.org/abs/2003.03384

 

四、资讯/论文/资源 汇总平台

 

强烈推荐浏览!!!

Awesome-AutoML-Papers is a curated list of automated machine learning papers, articles, tutorials, slides and projects

https://github.com/hibayesian/awesome-automl-papers

 

Information about Automated Machine Learning 资讯

http://automl.info/

 

文献/工具/项目资源大列表分享

https://blog.csdn.net/lqfarmer/article/details/100412807

 

自动机器学习工具全景图:精选22种框架,解放炼丹师

https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/81976898

 

 类似资料: