AutoML IBM AutoAI

¿Qué es AutoML? El machine learning automatizado (AutoML) es el proceso de automatizar las tareas manuales que los científicos de datos deben completar a medida que crean y entrenan modelos de machine learning (modelos ML). Estas tareas incluyen la ingeniería y selección de características, la elección del tipo de algoritmo de machine learning, la creación de un modelo analítico basado en el algoritmo, la optimización de hiperparámetros, el entrenamiento del modelo en conjuntos de datos probados y la ejecución del modelo para generar puntuaciones y resultados. Los investigadores desarrollaron AutoML para ayudar a los científicos a crear modelos predictivos sin tener experiencia en modelos de deep ML. AutoML también libera a los científicos de datos de las tareas rutinarias involucradas en la creación de una línea de trabajo de machine learning, lo que les permite centrarse en extraer los insights necesarios para resolver problemas empresariales importantes.

¿Qué es AutoAI? AutoAI es una variación de AutoML. Amplía la automatización de la creación de modelos a todo el ciclo de vida de la IA. Al igual que AutoML, AutoAI aplica la automatización inteligente a las etapas de desarrollar modelos predictivos de machine learning. Estas etapas incluyen la preparación de conjuntos de datos para entrenarlos, la identificación del mejor tipo de modelo para datos determinados (como un modelo de clasificación o regresión) y la elección de las columnas de datos que mejor apoyan el problema que resuelve el modelo (lo que se conoce como selección de características). Posteriormente, la automatización prueba una variedad de opciones de ajuste de hiperparámetros para lograr el mejor resultado y, a continuación, clasifica las líneas de trabajo candidatas a modelos basándose en métricas como exactitud y precisión. Las líneas de trabajo con mejor rendimiento se pueden poner en producción para procesar nuevos datos y ofrecer predicciones basadas en el entrenamiento del modelo.