◆ 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
AutoGluon

AutoGluon

AutoML-Framework für Tabellen-, Zeitreihen- und multimodale Daten

Beschreibung

auto.gluon.ai ist ein AutoML-Framework, mit dem sich Machine-Learning- und Deep-Learning-Modelle für Tabellen-, Zeitreihen- und multimodale Daten mit wenig Code trainieren und bereitstellen lassen.

Das Tool richtet sich an Data Scientists und Entwickler, die auf Rohdaten schnell leistungsfähige Vorhersagemodelle erstellen wollen.

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

Ursprünglich von Forschenden und Ingenieuren bei AWS AI entwickelt und unter der Apache-2.0-Lizenz veröffentlicht; ein Firmensitz ist in der abgerufenen Quelle nicht angegeben. 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 (Apache 2.0), kostenlos nutzbar.

👥
Zielgruppe
Data ScientistsML-IngenieureEntwickler
⚙️
Technik

Die Dokumentation führt Version 1.6.1; Module für Tabellendaten, Zeitreihen und multimodale Daten.

🔗
Integrationen
Python-BibliothekAnbindungen laut Dokumentation je Modul
📊
Funktionen
Klassifikation und Regression auf TabellenZeitreihenprognosenMultimodale Verarbeitung von Bild und TextObjekterkennungSemantische SegmentierungNamed Entity Recognition

✅ Vorteile

  • Deckt mehrere Datentypen mit einheitlichem, kurzem Code ab
  • Permissive Apache-2.0-Lizenz

❌ Nachteile

  • Ensemble-Modelle können viel Rechenzeit und Speicher benötigen
  • Geringere Kontrolle über Details als bei manuell entwickelten Modellen
🎯
Für wen geeignet?

Vor allem interessant für Teams, die mit wenig Aufwand starke Baseline-Modelle für verschiedene Datentypen erstellen 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.