本文旨在對好的AutoML框架或重要信息做個彙總,不定期更新,並統計了截至2019-10的github星數(star)
一、概念理解
AutoML和神經架構搜索(NAS),是深度學習領域的新一代王者。
這些方法能快糙猛地搞定機器學習任務,簡單有效,高度符合當代科技公司核心價值觀。
https://zhuanlan.zhihu.com/p/42924585
在傳統深度學習的模型構建中,主要包含以下步驟:數據處理、特徵工程、模型架構選擇、超參數優化、模型後處理、結果分析。這些步驟往往會耗費大量人力和時間。在 AutoML 中,則可以對大部分步驟進行自動處理。 AutoML 類別包括:
自動數據清洗(Automated Data Clean, Auto Clean)
自動特徵工程(Automated Feature Enginnering, Auto FE)
超參數優化(Hyperparameter Optimization, HPO)
元學習(Meta-Learning)
神經網絡架構搜索(Neural Architecture Search, NAS)
二、世界級比賽 (堪稱 數據挖掘「奧林匹克」)
2019年國際數據挖掘頂級會議KDD
PAKDD 2019 AutoML3+
速報:PAKDD 2019 AutoML3+ 挑戰賽公佈了最終結果:Feedback phase 和 AutoML phase 的 Top3 排名相同,深蘭科技 DeepBlueAI 團隊斬獲第一名,由微軟亞洲研究院、北航組成的 ML Intelligence 團隊位居第二名,由清華大學組成的 Meta_Learners 團隊獲得第三名。
https://tech.ifeng.com/c/7lxEtEsiHVH
KDD官方完整排名,內附github地址!!!
https://www.4paradigm.com/competition/kddcup2019
三、互聯網項目彙總
TPOT [github 6367 star]
http://epistasislab.github.io/tpot/
https://github.com/EpistasisLab/tpot
國外開源AutoKeras [github 6168 star]
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 開源框架 [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商業產品
國外商業+開源產品h2o
https://www.h2o.ai/products/h2o-driverless-ai/
https://github.com/h2oai/h2o-3
谷歌雲的AutoML pipeline
https://pypi.org/project/google-cloud-automl/
https://cloud.google.com/automl/
四、資訊/論文/資源 彙總平臺
強烈推薦瀏覽!!!
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 資訊
文獻/工具/項目資源大列表分享
https://blog.csdn.net/lqfarmer/article/details/100412807
自動機器學習工具全景圖:精選22種框架,解放煉丹師
https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/81976898