rentruewang/aioway

AI on the way. An auto deep learning pipe dream. An RDBMS approach to deep learning. Declarative, explainable, scalable, optimizable, easy to deploy, all that good stuff.

解决的问题

Aioway 通过替代昂贵的专家训练和低质量的 AutoML 解决方案，解决了机器学习的高入门门槛。它旨在克服当前工具的局限性，这些工具通常过于缓慢（如神经架构搜索）、缺乏灵活性，或不可解释（如大语言模型）。

工作原理

受 SQL 优化编译器的启发，Aioway 将机器学习模型和算法视为指令。它分析任务和可用资源，选择最佳算法和模型，构建一个保持“白盒”特性的可解释性管道。

适用人群

需要一种自动化、灵活且可解释的方式来构建 ML 管道，但无需深度专家级调优或昂贵预训练模型的开发者和数据科学家。

主要亮点

  • 基于规则的优化：避免回溯，因此比神经架构搜索更快。
  • 资源感知选择：自动检测任务和可用资源，选择最佳模型。
  • 可解释的架构：生成白盒模型，提升透明度。
  • 灵活的接口：同时支持 Python 库接口和关系代数（类似 SQL）接口。
  • 可扩展性：支持升级模型部分，并可在不同规模的机器上扩展。

相关

  • 项目
    generative-computing/mellea

    一个 Python 库，通过将带型别的函数转换为具有自动验证和重试机制的结构化 LLM 调用，来构建可预测的 AI 工作流。

  • 项目
    iree-org/iree

    IREE 是一个基于 MLIR 的编译器和运行时，可将机器学习模型降低为统一的 IR，以实现跨数据中心、移动设备和边缘设备的高效部署。

  • 项目
    zenml-io/zenml

    一个开源的 MLOps 平台，可编排 AI 管道和智能体的完整生命周期，从开发到生产部署。

  • 项目
    WecoAI/aideml

    AIDE ML 是一个开源 Python 库，它实现了一个由 LLM 引导的树搜索智能体，用于自动编写、调试和优化机器学习流水线。用户通过自然语言描述数据集、目标和评估指标；智能体迭代地生成代码、评估它并剪枝搜索树，直到指标达到最大化。该包包含 CLI、Streamlit UI、HTML 可视化，并支持任何 OpenAI 兼容的 LLM（包括本地 Ollama 模型）。

  • 项目
    OpenDCAI/DataFlow

    DataFlow 是一个开源 Python 框架，可让您构建、运行和共享用于生成、清洗和评估 LLM 训练数据的低代码流水线。它提供了一套可重用的操作符库、一个可视化 WebUI、一个用于自动创建流水线的 AI 助手，以及一个基于 Ray 的分布式执行层。