Вот недавно на курсе по DS обсуждали универсальную автоматизацию подбора моделей под любую задачу, а тут как раз появился интересный опенсорс-инструмент AutoKaggle, который заточен именно под соревнования.

🤖Библиотека сама выполняет стандартные шаги: очистка и подготовка данных, эксперименты с моделями, отладка и пр.

Всё это делают итеративно AI-агенты с ролями Reader, Planner, Developer, Reviewer и Summarizer, перекидывая задачи друг другу и пытаясь улучшить результат.

Тестировали всё это на gpt-4o и o1-mini, результаты оказались примерно одинаковые. В 8 соревнованиях в среднем качество моделей на валидации вышло 0.85.

И это лучше, чем у тебя, @username 😉

Код здесь 🐍

⚡️ Забустить канал 🚀