一、背景
提效，以及思路学习
二、工具
- https://www.thoughtworks.com/zh-cn/radar/techniques/automated-machine-learning-automl
- 综述 https://github.com/windmaple/awesome-AutoML
- h2o https://docs.h2o.ai/h2o/latest-stable/h2o-docs/automl.html
- 适合表格数据 https://github.com/mljar/mljar-supervised
- 多模态出色 https://github.com/autogluon/autogluon
- sklearn 衍生 https://github.com/automl/auto-sklearn
- spark 适配 https://github.com/sb-ai-lab/LightAutoML
- 微软出品 https://github.com/microsoft/FLAML
- 遗传算法 https://github.com/EpistasisLab/tpot
- pytorch https://github.com/automl/Auto-PyTorch
- keras https://github.com/keras-team/autokeras
- evalml https://evalml.alteryx.com/en/stable/
- autoTS https://winedarksea.github.io/AutoTS/build/html/source/tutorial.html
三、评估
3.1 评估进度
https://medium.com/data-science-in-your-pocket/understanding-the-mljar-automl-framework-490391c04585
3.2 评估结论
熟悉流程用，其中用到的方法值得参考。
四、应用
- 比赛
- 工作
4.1 应用进度
五、数据反馈
