AutoML IBM AutoAI

Cos'è AutoML? Il machine learning automatizzato (AutoML) è il processo di automatizzazione delle attività manuali che i data scientist devono completare mentre costruiscono e addestrano modelli di machine learning (modelli ML). Queste attività includono l'ingegneria e la selezione delle funzioni, la scelta del tipo di algoritmo di machine learning; la costruzione di un modello analitico basato sull'algoritmo; l'ottimizzazione degli iperparametri, la formazione del modello su set di dati testati e l'esecuzione del modello per generare punteggi e risultati. I ricercatori hanno sviluppato AutoML per aiutare i data scientist a costruire modelli predittivi senza avere una profonda esperienza di modelli ML. AutoML libera anche i data scientist dalle attività di routine coinvolte nella costruzione di una pipeline di machine learning, permettendo loro di concentrarsi sull'estrazione delle analisi necessarie per risolvere importanti problemi di business.

Cos'è l'AutoAI? AutoAI è una variazione di AutoML. Estende l'automazione della costruzione di modelli all'intero ciclo di vita dell'AI. Come AutoML, AutoAI applica l'automazione intelligente alle fasi di costruzione dei modelli di machine learning predittivo. Questi passi includono la preparazione di serie di dati per la formazione; l'identificazione del miglior tipo di modello per i dati forniti, come un modello di classificazione o di regressione; e la scelta delle colonne di dati che meglio supportano il problema che il modello sta risolvendo, noto come selezione della funzione. L'automazione testa poi una varietà di opzioni di sintonizzazione degli iperparametri per raggiungere il miglior risultato mentre genera, e poi classifica, le pipeline di modelli candidati in base a metriche come l'accuratezza e la precisione. Le pipeline più performanti possono essere messe in produzione per elaborare nuovi dati e fornire previsioni basate sulla formazione del modello.