> ML_KUTUPHANE // AUTOGLUON_v1.0
AutoGluon
Amazon Web Services (AWS) — Çok katmanlı topluluklarla tablo, metin, görüntü ve zaman serisi için AutoML.
automl-hpov1.1.1Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPUCUDA
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDA
Hedef Ortamlar (Targets):server
Kuantizasyon Formatları:Model distillation
Neleri Sağlar (Ne Yapar)
- +XGBoost, LightGBM, CatBoost ve PyTorch yapay sinir ağlarını birleştiren çok katmanlı yığılmış topluluklar
- +Sıfır kodla otomatik öznitelik ön işleme, eksik veri doldurma ve kodlama
- +Tablo, metin ve görüntü sütunlarını birleştiren yerleşik multimodal öğrenme
Neleri Sağlamaz (Ne Yapmaz)
- -Mikrodenetleyiciler için ultra kompakt tek dosyalık ikili modeller üretme
- -Model damıtma (distillation) olmadan 5ms altı düşük gecikmeli çıkarım sağlama
- -İstemci web tarayıcılarında çalışma
>Uygun İş Tipleri
- Asgari ayarla yüksek doğruluklu tablo sınıflandırması ve regresyon
- Hem CRM tablo verilerini hem de serbest destek talebi metinlerini içeren çok modlu müşteri verileri
- Otomatik zaman serisi tahmini
>Uygun Olmayan İş Tipleri
- Milisaniye altı katı üretim çıkarım mikro servisleri (damıtma yapılmadıkça)
- Aşırı kısıtlı gömülü aygıtlar
Veri Yerleşimi ve İkameti
Yerel ana makine dosya sistemi.
Güvenlik Değerlendirmesi
Tahminci artefaktları içeride pickle kullanır; depolama erişimini sınırlandırın.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:moderate
Maliyet Seviyesi:medium
> Bilinen Kısıtlamalar:
- Topluluk modelleri ciddi disk alanı gerektirebilir (yüzlerce MB'tan GB'lara).
- Yığındaki birden fazla modelin çalışması sebebiyle çıkarım gecikmesi tekil LightGBM'den daha yüksektir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
AutoGluon Documentationofficial-docs • >=1.0.0, <=1.1.x
2026-09-25HIGH