Приймайте AutoML: давайте перевіримо реальність
Перегляньте всі сеанси Smart Security Summit за запитом тут.
Не існує ліків від хвороби Альцгеймера. Що, якби ми змогли знайти спосіб виявити це на ранній стадії? Це питання зацікавило вчених Imagia, які потім використали автоматичне машинне навчання Google (AutoML), щоб скоротити час обробки тесту з 16 годин до однієї години. PayPal відчув подібні переваги. У 2018 році за допомогою AutoML від H2O компанія PayPal підвищила точність своєї моделі виявлення шахрайства на 6% і пришвидшила процес розробки моделі в шість разів.
Подібні історії успіху надихнули приблизно 61% осіб, які приймають бізнес-рішення, які використовують штучний інтелект (AI), прийняти AutoML. Його впровадження буде лише зростати, оскільки воно може значною мірою полегшити проблеми, спричинені браком науковців із даних. Крім того, здатність AutoML покращувати масштабованість і підвищувати продуктивність обов’язково привабить клієнтів.
Але чи означає це, що впровадження AutoML є обов’язковим? Що ж, це головоломка, з якою зараз стикається більшість компаній, і розгляд реальних випадків може стати вирішенням.
Як старший інженер-програміст я працював із кількома стартапами, де ШІ відігравав центральну роль. Я бачив плюси і мінуси та вплив на бізнес. Але перш ніж ми перейдемо до випадків використання, давайте спочатку визначимо, що таке AutoML, його поточний статус і що він може, а що не може робити.
ПодіяСаміт Smart Security за запитом
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та практичні приклади для окремих галузей. Дивіться сеанси за запитом сьогодні.
Послухайте Що таке AutoML?AutoML (автоматичне машинне навчання) — це здатність системи автоматично вибирати правильну модель і встановлювати параметри для забезпечення найкращої моделі. У цій статті я зосереджуся лише на глибоких нейронних мережах.
У глибоких нейронних мережах пошук правильної архітектури завжди є серйозним викликом. Під архітектурою я маю на увазі основні будівельні блоки (наприклад, для розпізнавання зображень основними будівельними блоками будуть об’єднання 3X3 max, згортка 3X1 тощо) і взаємозв’язок між ними для кількох прихованих шарів.
Пошук нейронної архітектури (NAS) – це техніка для автоматизації розробки глибоких нейронних мереж. Він використовується для проектування мереж, які можна порівняти або перевершити архітектури, розроблені вручну. Але ми повинні навчити багато мереж-кандидатів у рамках процесу дослідження, щоб знайти правильну архітектуру, що потребує часу.
NAS відіграє центральну роль у формуванні структури AutoML для Amazon Web Services (AWS) і Google Cloud Platform (GCP). Але AutoML все ще знаходиться в зародковому стані, і ці платформи розвиваються. Давайте поговоримо про ці два відомі фреймворки AutoML.
Перегляньте всі сеанси Smart Security Summit за запитом тут.
Не існує ліків від хвороби Альцгеймера. Що, якби ми змогли знайти спосіб виявити це на ранній стадії? Це питання зацікавило вчених Imagia, які потім використали автоматичне машинне навчання Google (AutoML), щоб скоротити час обробки тесту з 16 годин до однієї години. PayPal відчув подібні переваги. У 2018 році за допомогою AutoML від H2O компанія PayPal підвищила точність своєї моделі виявлення шахрайства на 6% і пришвидшила процес розробки моделі в шість разів.
Подібні історії успіху надихнули приблизно 61% осіб, які приймають бізнес-рішення, які використовують штучний інтелект (AI), прийняти AutoML. Його впровадження буде лише зростати, оскільки воно може значною мірою полегшити проблеми, спричинені браком науковців із даних. Крім того, здатність AutoML покращувати масштабованість і підвищувати продуктивність обов’язково привабить клієнтів.
Але чи означає це, що впровадження AutoML є обов’язковим? Що ж, це головоломка, з якою зараз стикається більшість компаній, і розгляд реальних випадків може стати вирішенням.
Як старший інженер-програміст я працював із кількома стартапами, де ШІ відігравав центральну роль. Я бачив плюси і мінуси та вплив на бізнес. Але перш ніж ми перейдемо до випадків використання, давайте спочатку визначимо, що таке AutoML, його поточний статус і що він може, а що не може робити.
ПодіяСаміт Smart Security за запитом
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та практичні приклади для окремих галузей. Дивіться сеанси за запитом сьогодні.
Послухайте Що таке AutoML?AutoML (автоматичне машинне навчання) — це здатність системи автоматично вибирати правильну модель і встановлювати параметри для забезпечення найкращої моделі. У цій статті я зосереджуся лише на глибоких нейронних мережах.
У глибоких нейронних мережах пошук правильної архітектури завжди є серйозним викликом. Під архітектурою я маю на увазі основні будівельні блоки (наприклад, для розпізнавання зображень основними будівельними блоками будуть об’єднання 3X3 max, згортка 3X1 тощо) і взаємозв’язок між ними для кількох прихованих шарів.
Пошук нейронної архітектури (NAS) – це техніка для автоматизації розробки глибоких нейронних мереж. Він використовується для проектування мереж, які можна порівняти або перевершити архітектури, розроблені вручну. Але ми повинні навчити багато мереж-кандидатів у рамках процесу дослідження, щоб знайти правильну архітектуру, що потребує часу.
NAS відіграє центральну роль у формуванні структури AutoML для Amazon Web Services (AWS) і Google Cloud Platform (GCP). Але AutoML все ще знаходиться в зародковому стані, і ці платформи розвиваються. Давайте поговоримо про ці два відомі фреймворки AutoML.
What's Your Reaction?
