mljar-supervised
Package Python d'apprentissage automatique automatisé pour les données tabulaires avec ingénierie des caractéristiques et documentation automatique.
Construisez, ajustez et expliquez des pipelines ML tabulaires avec une documentation automatisée et des applications web.
mljar-supervised est un package Python d'apprentissage automatique automatisé conçu pour faire gagner du temps aux data scientists sur les tâches de données tabulaires. Il gère le prétraitement des données, la sélection des algorithmes, l'optimisation des hyperparamètres et génère des rapports Markdown automatisés.
Qu'est-ce que c'est
Le package entraîne plusieurs modèles incluant des modèles linéaires, des forêts aléatoires, XGBoost, LightGBM, CatBoost et des réseaux de neurones, en les combinant via l'ensemble learning et le stacking. Il calcule des modèles de référence, gère les valeurs manquantes, crée des caractéristiques optimales et fournit des explications de modèles basées sur SHAP.
Pour qui
Il convient aux data scientists et analystes cherchant à automatiser la construction répétitive de pipelines et l'optimisation des hyperparamètres pour les données tabulaires. Il ne convient pas aux tâches de données non structurées comme le traitement d'images brutes ou de l'audio.
Fonctionnalités clés
Modes intégrés
Choisissez entre les modes Explain, Perform, Compete et Optuna selon les objectifs de votre projet.
Documentation automatique
Génère des rapports Markdown détaillés pour chaque modèle ML et étape d'analyse.
Génération d'applications web
Générez automatiquement des applications web de prédiction à l'aide de Mercury pour les partager avec des experts métier.
Entraînement sensible à l'équité
Comprend des options pour un entraînement de modèle sensible à l'équité sur des données tabulaires.
Opérationnel en 3 étapes
Notre verdict honnête
Ses atouts
- Génère des applications web de prédiction interactives directement à partir des modèles entraînés.
- Fournit des rapports Markdown détaillés avec des explications visuelles et des valeurs SHAP.
- Prend en charge plusieurs modes de fonctionnement intégrés allant de l'explicabilité au stacking de niveau compétition.
- Gère automatiquement les valeurs manquantes et l'ingénierie avancée des caractéristiques.
Ses limites
- Intensif en calcul lors de l'exécution des modes Compete ou Optuna sur de nombreux algorithmes.
- Limité strictement aux formats de données tabulaires.
- Nécessite la configuration d'un environnement Python et la gestion des dépendances.
Tarifs & licence
Gratuit sous sa licence, le seul coût étant vos propres ressources de calcul. MLJAR propose également une option commerciale hébergée appelée MLJAR Studio.
Missions pour francophones
879 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Alternatives
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Utilisez-le, ou laissez-nous l'installer
FAQ
Quels formats de données sont pris en charge ?
Il est conçu spécifiquement pour fonctionner avec des données tabulaires.
Puis-je générer des applications web pour des utilisateurs non techniques ?
Oui, vous pouvez générer et publier automatiquement des applications web grâce à l'outil intégré Mercury.
