FLAML
Uma biblioteca Python rápida para aprendizado de máquina automatizado e ajuste de hiperparâmetros.
Automatize fluxos de trabalho de aprendizado de máquina e otimização de hiperparâmetros sob restrições de recursos.
O FLAML é uma biblioteca Python leve projetada para automatizar a seleção de modelos de aprendizado de máquina e o ajuste de hiperparâmetros com eficiência. Cientistas de dados e engenheiros de ML que buscam otimizar o desempenho sob limites computacionais estritos acharão particularmente útil.
O que é
A biblioteca automatiza a geração de fluxos de trabalho para tarefas de classificação, regressão e ajuste genérico de hiperparâmetros usando aprendizes personalizados ou populares como XGBoost e LightGBM. Ela é alimentada por pesquisas da Microsoft Research e colaboradores, lidando com grandes espaços de busca com custos de avaliação heterogêneos e parada antecipada.
Para quem
É ideal para cientistas de dados e praticantes de aprendizado de máquina que buscam prototipagem rápida de modelos e utilização eficiente de recursos. Não é adequado para quem procura o framework multi-agente AutoGen, que foi movido para um repositório separado.
Recursos principais
AutoML Orientado a Tarefas
Encontra modelos de qualidade para tarefas de classificação e regressão usando um estimador no estilo scikit-learn.
Ajuste de Hiperparâmetros
Ajusta hiperparâmetros para aprendizes específicos como XGBoost, LightGBM e Random Forest ou funções personalizadas.
AutoML Zero-Shot
Define configurações automáticas de hiperparâmetros de alto desempenho ao usar APIs de treinamento padrão.
Suporte ao Microsoft Fabric
Fornece AutoML integrado e ajuste de hiperparâmetros dentro do Microsoft Fabric Data Science.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Acelera significativamente a seleção de modelos e a otimização de hiperparâmetros sob restrições de recursos.
- Fornece uma interface compatível com scikit-learn com o mínimo de código necessário para um início rápido.
- Suporta aprendizes personalizados e ajuste de funções genéricas definidas pelo usuário.
- Integra-se perfeitamente com MLflow e ambientes de ciência de dados do Microsoft Fabric.
Onde deixa a desejar
- Requer versão do Python entre 3.10 e 3.13 para total compatibilidade de suporte a modelos.
- Recursos específicos de AutoML exigem a instalação de dependências extras do pip além da configuração mínima.
- Os recursos do AutoGen foram completamente removidos deste repositório e exigem uma instalação separada.
Preços & licença
O FLAML é totalmente gratuito sob sua licença open source. O único custo é a execução dos cálculos em seu próprio hardware ou infraestrutura de nuvem.
Vagas para quem fala português
874 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
O FLAML ainda inclui o AutoGen?
Não, o AutoGen foi movido para um repositório dedicado no GitHub e não faz mais parte da base de código do FLAML.
Quais versões do Python são oficialmente necessárias?
A versão mais recente do FLAML requer Python entre 3.10 e 3.13.
Posso usar o FLAML para funções de avaliação personalizadas?
Sim, você pode executar o ajuste genérico de hiperparâmetros para qualquer função personalizada usando flaml.tune.
