مكتبة Python سريعة للتعلم الآلي الآلي وضبط المعلمات الفائقة.
أتمتة سير عمل التعلم الآلي وتحسين المعلمات الفائقة في ظل القيود الموردة.
FLAML هي مكتبة Python خفيفة الوزن مصممة لأتمتة اختيار نموذج التعلم الآلي وضبط المعلمات الفائقة بكفاءة. سيجدها علماء البيانات ومهندسو التعلم الآلي الذين يتطلعون إلى تحسين الأداء في ظل حدود حسابية صارمة مفيدة بشكل خاص.
تعمل المكتبة على أتمتة إنشاء سير العمل لمهام التصنيف والانحدار وضبط المعلمات الفائقة العامة باستخدام متعلمين مخصصين أو شائعين مثل XGBoost و LightGBM. وهي مدعومة بأبحاث من Microsoft Research والتعاونيين، وتتعامل مع مساحات بحث كبيرة بتكاليف تقييم غير متجانسة والتوقف المبكر.
تتناسب مع علماء البيانات وممارسي التعلم الآلي الذين يسعون إلى النماذج الأولية السريعة والاستخدام الفعال للموارد. وهي لا تتناسب مع أولئك الذين يبحثون عن إطار عمل الوكلاء المتعددين AutoGen، والذي تم نقله إلى مستودع منفصل.
يجد نماذج عالية الجودة لمهام التصنيف والانحدار باستخدام مُقدر بأسلوب scikit-learn.
يضبط المعلمات الفائقة لمتعلمين محددين مثل XGBoost و LightGBM و Random Forest أو وظائف مخصصة.
يحدد تكوينات تلقائية عالية الأداء للمعلمات الفائقة أثناء استخدام واجهات برمجة تطبيقات التدريب القياسية.
يوفر تعلم آلي مدمج وضبط للمعلمات الفائقة داخل Microsoft Fabric Data Science.
FLAML مجانية تمامًا بموجب ترخيص open source الخاص بها. التكلفة الوحيدة هي تشغيل الحسابات على الأجهزة الخاصة بك أو البنية التحتية السحابية.
874 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
لا، انتقل AutoGen إلى مستودع GitHub مخصص ولم يعد جزءًا من قاعدة كود FLAML.
يتطلب الإصدار الأحدث من FLAML لغة Python بين 3.10 و 3.13.
نعم، يمكنك تشغيل ضبط المعلمات الفائقة العامة لأي وظيفة مخصصة باستخدام flaml.tune.
شاهد Zekai أولاً في جوجل