LightAutoML是一款自动化机器学习框架，专注于二分类、多分类和回归任务的模型创建。框架支持独立样本数据集处理，并运用AutoWoE库生成可解释模型。目前正在开发多表数据集和序列处理功能，还提供了GPU和Spark管道以提升计算效率。LightAutoML配有详细的文档和丰富的示例教程，适合多种机器学习需求，简化自动化模型开发。

TODS是一个专注于多变量时间序列数据异常检测的全栈自动化机器学习系统。它提供数据处理、时间序列处理、特征分析等全面模块,支持点级、模式级和系统级三种检测场景。TODS的主要特点包括全栈机器学习功能、广泛的算法支持,以及能够自动搜索最佳模块组合构建最优管道的自动化机器学习能力。

CogDL是一个应用于节点分类、图分类等任务的图深度学习工具包。它具备高效性、易用性和可扩展性的特点，通过提供优化的操作符加快训练速度并节省GPU内存。CogDL还提供易用的API，并支持广泛的模型和数据集。最新版新增了图自监督学习示例和混合精度训练功能，适用于多种图神经网络分析任务。

HyperTS是一款全面的时间序列分析工具包，集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务，适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持，概率区间预测，以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用，为时间序列分析提供了端到端的自动化解决方案。

PerpetualBooster是一种创新的梯度提升机器算法，无需进行超参数优化。通过调整budget参数，该算法能够在单次运行中达到传统GBM算法100次迭代的精度。在多个数据集的测试中，PerpetualBooster展现出显著的性能优势，相较于LightGBM等算法，速度提升约100倍。该算法提供Python和Rust API接口，适用于回归和分类任务。这种高效的机器学习方法特别适用于需要快速建模和预测的场景，如金融分析、推荐系统和风险评估等领域。

AutoTS是一个Python时间序列预测工具，专注于快速部署高精度预测模型。该工具在2023年M6预测竞赛中表现出色，支持多种预测模型和数据转换方法。AutoTS能够处理多变量输出和概率预测，通过自动机器学习寻找最佳模型组合。它适用于大规模数据集，提供横向和马赛克风格的集成方法，以及丰富的指标、交叉验证和数据处理功能。