El repositorio 'awesome-automated-feature-engineering' ofrece una lista curada y estructurada de investigaciones, implementaciones y recursos de evaluación para la ingeniería de características automatizada. Este recurso técnico abarca desde métodos tradicionales de síntesis de características relacionales y búsqueda aprendida hasta técnicas avanzadas basadas en agentes de lenguaje de gran escala (LLM) y agentes de machine learning. La organización del contenido se centra en la construcción, transformación, selección y descubrimiento de características predictivas, agrupando los métodos por su mecanismo principal, aunque se reconoce que las categorías presentan solapamientos y no definen una secuencia histórica estricta.
La guía incluye secciones dedicadas a agentes de pipeline y a la taxonomía de categorías, con enlaces directos a la documentación de lectura y contribuciones. Entre los recursos destacados se encuentran artículos de revistas como Artificial Intelligence Review (2026) que revisan la ingeniería interpretable en entornos dinámicos, y trabajos de IEEE DSAA (2015) sobre síntesis de características profundas mediante composición recursiva. Además, se integran herramientas específicas como la librería Python 'autofeat' (ECML PKDD 2019) para la selección de características lineales interpretables, y 'ARDA' (PVLDB 2020) para el aumento automático de datos relacionales.
El enfoque actual se expande hacia la integración de modelos de lenguaje, incluyendo 'CAAFE' (NeurIPS 2023) para la generación de código de transformación contextualmente consciente, 'FeatLLM' (ICML 2024) para el aprendizaje tabular con pocos ejemplos, y 'FELIX' (ECML PKDD 2024) para la generación de atributos semánticos interpretables. También se incluyen investigaciones recientes sobre búsqueda neuronal (ICDM 2019), optimización diferenciable (AutoML 2022) y técnicas de difusión guiada por recompensa (NeurIPS 2025) para la transformación de características. Este recurso sirve como referencia central para investigadores y profesionales que buscan implementar sistemas de ingeniería de características automatizados, proporcionando un mapa claro de la evolución desde la búsqueda simbólica hasta la generación semántica asistida por IA.