¿Por qué AutoML automatizado de aprendizaje automático?
1. Máquina de extracción de características de aprendizaje, proyecto de análisis de datos también se caracteriza por la parte que más tiempo requiere del esfuerzo de trabajo, a diferencia de los algoritmos y modelos son pasos determinados, y en la mayoría de los casos tienen que depender de los ingenieros de la experiencia personal del algoritmo de tratar. Esta característica funciona con grandes incertidumbres, tales como características de pérdida de la elección, la elección no es válida a las características, y otras características avanzadas ignorados.
2. Con el fin de resolver los problemas anteriores nacidos AutoML, AutoML tratando de proyectar estas características, la selección de modelo y de optimización de parámetros y otros pasos importantes para automatizar el aprendizaje, por lo que el modelo de aprendizaje automático se puede aplicar sin necesidad de intervención humana.
Visible desde la parte delantera, la generalización del aprendizaje automático ha sido restringido por muchas condiciones que necesita para una solución más general para resolver el problema, lo que resultó AutoML. AutoML es un cambiará fundamentalmente las soluciones statu quo basado en programas de aprendizaje automático.
AutoML es un control de la red neuronal puede plantear un modelo de formación del niño arquitectura y la evaluación del desempeño, los resultados de las pruebas de retroalimentación en tareas específicas al controlador para que el controlador de saber la forma en la siguiente ronda a mejorar sus modelos. aprendizaje de la máquina automática se centró en dos áreas: la recogida de datos y el modelo predicciones. Entre estas dos fases todos los pasos que tienen lugar será el aprendizaje de máquina extraída automáticamente. De hecho, los usuarios sólo tienen que proporcionar su propio conjunto de datos, la etiqueta y pulse un botón para generar el modelo de predicción y optimización de una formación completa. La mayoría de las plataformas solicitan al usuario que cargue el conjunto de datos y, a continuación categoría llamada. A partir de entonces, la mayoría de las etapas implicadas en el procesamiento previo de datos, selección de modelos y parámetros de ingeniería características súper optimización serán procesados en el fondo. Este enfoque ha cambiado en gran medida el flujo de trabajo tradicional que participan en la formación de modelos de aprendizaje automático.
AutoML cambió por completo las reglas del juego todo el campo del aprendizaje automático, ya que para muchas aplicaciones, no requiere habilidades y conocimientos especializados. Muchas empresas necesitan para completar sólo la profundidad de las tareas más simples de la red, tales como la clasificación de imágenes. Así que no es necesario contratar a algunos de los expertos de inteligencia artificial, que sólo tiene que conseguir una mejor organización de los datos, y luego entregados a AutoML para ser completado.
verduras duras, poco a poco la digestión;
