Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Automated modeling and machine learning framework FEDOT
| Date | Stars |
|---|---|
| 2026-07-31 | 709 |
| 2026-08-06 | 709 |
| 2026-08-08 | 709 |
| 2026-08-11 | 709 |
| 2026-08-12 | 709 |
| 2026-08-14 | 709 |
| 2026-08-15 | 709 |
| 2026-08-18 | 709 |
| 2026-08-19 | 709 |
| 2026-08-20 | 710 |
| 2026-09-05 | 711 |
| 2026-09-12 | 712 |
| 2026-09-16 | 711 |
| 2026-09-17 | 711 |
| 2026-09-21 | 711 |
| 2026-10-01 | 711 |
| 2026-10-07 | 712 |
| 2026-10-09 | 711 |
| 2026-10-11 | 711 |
| 2026-10-15 | 712 |
| 2026-10-21 | 712 |
| 2026-10-23 | 712 |
| 2026-10-27 | 713 |
| 2026-11-02 | 714 |
| 2026-11-04 | 714 |
Today
— stars today
This week
+1 stars this week
This month
+3 stars this month
Momentum
1.0
growth rate 0.14%/day
.. |eng| image:: https://img.shields.io/badge/lang-en-red.svg
:target: /README_en.rst
.. |rus| image:: https://img.shields.io/badge/lang-ru-yellow.svg
:target: /README.rst
.. image:: docs/fedot_logo.png
:alt: Logo of FEDOT framework
.. start-badges
.. list-table::
:stub-columns: 1
* - package
- | |pypi| |python|
* - tests
- | |build| |integration| |coverage|
* - docs
- |docs|
* - license
- | |license|
* - stats
- | |downloads_stats|
* - support
- | |tg|
* - languages
- | |eng| |rus|
* - mirror
- | |gitlab|
* - funding
- | |ITMO| |NCCR|
.. end-badges
**FEDOT** - это open-source фреймворк для решения задач из области автоматизированного моделирования и машинного обучения (AutoML). Фреймворк распространяется под лицензией 3-Clause BSD.
FEDOT предоставляет возможность использовать генеративный дизайн для проектирования пайплайнов машинного обучения для различных реальных задач. Ядро фреймворка основано на эволюционном подходе и поддерживает классификацию (бинарную и мультиклассовую), регрессию, и задачи прогнозирования временных рядов.
.. image:: docs/fedot-workflow.png
:alt: Реализация процесса автоматического машинного обучения в FEDOT
Ключевой особенностью фреймворка является управление сложными взаимодействиями между различными частями пайплайнов. Они представлены в виде графа, который определяет связи между предварительной обработкой данных и блоками модели.
Проект поддерживается исследовательской группой Natural Systems Simulation Lab, которая является частью `Национального центра когнитивных разработок Университета ИТМО <https://actcognitive.org/>`__.
Более подробная информация о FEDOT доступна в следующем видео:
.. image:: https://res.cloudinary.com/marcomontalbano/image/upload/v1606396758/video_to_markdown/images/youtube--RjbuV6i6de4-c05b58ac6eb4c4700831b2b3070cd403.jpg
:target: http://www.youtube.com/watch?v=RjbuV6i6de4
:alt: Introducing Fedot
Концепции FEDOT'а
=================
- **Гибкость.** FEDOT может быть использован для автоматизации поиска решений для различных `классов задач <https://fedot.readthedocs.io/en/master/introduction/fedot_features/main_features.html#involved-tasks>`_, `типов данных <https://fedot.readthedocs.io/en/master/introduction/fedot_features/automation_features.html#data-nature>`_ (тексты, изображения, таблицы), и `моделей <https://fedot.readthedocs.io/en/master/advanced/automated_pipelines_design.html>`_;
- **Расширяемость.** Алгоритмы для оптимизации пайплайнов не зависят от вида данных и задач, однако можно использовать `специальные стратегии <https://fedot.readthedocs.io/en/master/api/strategies.html>`_ для определенных классов задач или типов данных (прогнозирование временных рядов, NLP, табличные данные и т.д.) для повышения эффективности;
- **Интегрируемость.** FEDOT поддерживает широко используемые библиотеки МО (Scikit-learn, CatBoost, XGBoost и т.д.) и позволяет интегрировать `пользовательские библиотеки <https://fedot.readthedocs.io/en/master/api/strategies.html#module-fedot.core.operations.evaluation.custom>`_;
- **Тюнингуемость.** Поддерживаются различные методы `настройки гиперпараметров <https://fedot.readthedocs.io/en/master/advanced/hyperparameters_tuning.html>`_, включая пользовательские метрики оценивания и пространства параметров моделей;
- **Универсальность.** FEDOT `не ограничивается конкретными задачами моделирования <https://fedot.readthedocs.io/en/master/advanced/architecture.html>`_, например, его можно использовать в ODE или PDE;
- **Воспроизводимость.** Получаемые паплайны можно `экспортировать в формате JSON отдельно <https://fedot.readthedocs.io/en/master/advanced/pipeline_import_export.html>`_ или `вместе с входными данными в формате архива ZIP <https://fedot.readthedocs.io/en/master/advanced/project_import_export.html>`_, для воспроизведения экспериментов;
- **Кастомизируемость.** FEDOT позволяет `настраивать сложность моделей <https://fedot.readthedocs.io/eExcerpt of 17,376 characters
Read on GitHub
211
82
69
63
60
54
50
42
42
34
28
20
20
20
18
15
15
14
12
12
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:ad32a93bd8972443, topic:automation