GetIT-Sunday/MOSAIC - Modulare Optimierung und Suche für agentische Datenwissenschaft
Ein von AutoKaggle inspiriertes Multi-Agenten-Framework für autonome Datenwissenschaftswettbewerbe.
Überblick
MOSAIC ist ein modulares Framework, das spezialisierte KI-Agenten orchestriert, um Data-Science-Aufgaben autonom zu bewältigen. Es ist ideal für:
- Autonome Teilnahme an Kaggle-Wettbewerben
- Automatisierte Datenbereinigung und -vorbereitung
- Feature-Engineering und Modellauswahl
- Hyperparameter-Optimierung
Hauptmerkmale
- Multi-Agenten-Architektur: Mehrere spezialisierte Agenten arbeiten zusammen, um komplexe Workflows auszuführen.
- Modulare Komponenten: Einfaches Austauschen und Erweitern von Agentenmodulen.
- Optimierungssuche: Automatische Suche nach optimalen Strategien für gegebene Datenprobleme.
- Plattformunterstützung: Integration mit Jupyter-Notebooks, Kaggle-Kernels und lokalen Umgebungen.
Erste Schritte
# Repository klonen
git clone https://github.com/GetIT-Sunday/MOSAIC-Modular-Optimization-and-Search-for-Agentic-.git
cd MOSAIC-Modular-Optimization-and-Search-for-Agentic-
# Abhängigkeiten installieren
pip install -r requirements.txt
Verwendung
from mosaic import MosaicFramework
# Framework initialisieren mit Konfiguration
framework = MosaicFramework(config='config.yaml')
# Workflow ausführen für einen Wettbewerb
framework.run(competition='titanic')
Konfiguration
Erstelle eine config.yaml Datei mit deinen Einstellungen:
agenten:
- name: datenbereiniger
typ: cleaning
parametr:
fehlende_werte_strategie: mean
- name: feature_engineer
typ: feature_engineering
parametr:
interaktionen: true
modelle:
- name: xgboost
hyperparameter:
learning_rate: 0.01
max_depth: 6
Beispiele
Siehe das examples/ Verzeichnis für vollständige Beispiele.
Lizenz
MIT-Lizenz - siehe LICENSE Datei.