◆ KI-Freelancer? Werde eines der ersten 2.000 Gründungsmitglieder: 0 % Provision, 60 Tage Advanced (starte, wann du willst) und eigenes Titelbild für immer. KI-Freelancer? 0 % Provision + 60 Tage Advanced Jetzt Platz sichern →Mehr →
KI verbindenKI

Suche direkt aus deiner KI heraus nach KI-Tools, KI-Firmen und KI-Freelancern auf KI-Radar24.

So funktioniert der KI-Radar24-Connector
Inserat hinzufügen
Auto-sklearn

Auto-sklearn

AutoML-Toolkit als Drop-in-Ersatz für scikit-learn-Estimatoren

Beschreibung

automl.github.io ist ein AutoML-Toolkit, das als Drop-in-Ersatz für einen scikit-learn-Estimator dient und Algorithmenauswahl sowie Hyperparameter-Tuning per Bayesscher Optimierung, Meta-Learning und Ensemble-Bildung automatisiert.

Das Tool richtet sich an Data Scientists, die scikit-learn nutzen und Modellauswahl und Tuning automatisieren möchten.

Tags

  • Modelltraining
  • Datenanalyse
  • Automatisierung
  • Machine Learning
  • Kostenlos nutzbar
  • Open Source

Zuletzt aktualisiert: November 2026 · Fehler melden · Abzeichen für deine Website

Auf einen Blick

Stand: November 2026
🛡️Datenschutz

Open-Source-Projekt unter 3-Klausel-BSD-Lizenz, betreut von der Machine Learning Professorship Freiburg; ein Firmensitz entfällt, da kein Unternehmen genannt ist. Die Bibliothek läuft in der eigenen Umgebung, sodass Hosting-Standort und Datenschutz in der Verantwortung der Anwender liegen; Zertifizierungen oder Training mit Kundendaten sind nicht öffentlich dokumentiert.

💰
Preismodell

Open-Source-Bibliothek unter BSD-Lizenz, kostenlos nutzbar.

👥
Zielgruppe
Data ScientistsAnalystenForschende im AutoML-Bereich
⚙️
Technik

Bayessche Optimierung, Meta-Learning und Ensemble-Konstruktion auf Basis von scikit-learn; die Dokumentation führt Version 0.15.0 sowie Auto-sklearn 2.0.

🔗
Integrationen
Direkte Kompatibilität mit scikit-learn-Workflows
📊
Funktionen
Automatische AlgorithmenauswahlHyperparameter-OptimierungEnsemble-BildungMeta-LearningUnterstützung für Textmerkmale

✅ Vorteile

  • Einfacher Einstieg für scikit-learn-Anwender
  • Wissenschaftlich fundierter Ansatz mit offener Lizenz

❌ Nachteile

  • Dokumentiert ist Version 0.15.0
  • Der aktuelle Wartungsstand und die Kompatibilität mit neuen Python- und scikit-learn-Versionen sollten vor Einsatz geprüft werden
🎯
Für wen geeignet?

Besonders sinnvoll für scikit-learn-Anwender, die Modellauswahl und Tuning automatisieren wollen.

Angaben laut Anbieter, Stand November 2026, ohne Gewähr. Fehler entdeckt? Melden

Bewertungen

Noch keine Bewertungen. Sei der Erste!

Bewertung schreiben

Deine E-Mail wird nicht veröffentlicht.