用遗传编程自动搜索并优化机器学习流水线，涵盖特征工程、模型选择和超参数调优，省去手工试错。

低代码 AutoML 平台，几行 Python 代码就能完成分类、回归、聚类和异常检测的建模与调参，4.0 版改用 sklearn 原生引擎并加了 React 控制台。

三行代码就能完成训练和调参的 AutoML 框架，自动搞定表格、图像、文本和时间序列任务，省去手动选模型和调超参的麻烦。

轻量级自动机器学习库，能自动搜索模型和超参数，用较低算力快速找到不错的配置，适合分类、回归和调参场景。

Kubernetes 上的自动机器学习平台，支持超参数调优和神经网络架构搜索，可对接 PyTorch、JAX 等训练框架。项目已弃用，官方建议迁移到 OptimizationJob 和 Kubeflow Trainer。

基于 Apache Spark 的 AutoML 库，用强类型 DSL 搭建模块化、可复用的机器学习工作流，减少手工调参。

微软开源的神经架构搜索（NAS）研究框架，提供快速、可复现、模块化的实验流程，帮你在 PyTorch 上跑 DARTS、Petridish 等 NAS 算法并做超参优化与模型压缩。