Розвиток AutoML

Бен Авнер, співзасновник і технічний директор, Matchly.

Поняття машинного навчання вперше з’явилося, коли Алан Тюрінг написав статтю про здатність машин розвивати штучний інтелект. У 1957 році Френк Розенблатт розробив першу нейронну мережу, яку назвали алгоритмом перцептрона. Вони називаються нейронними мережами, оскільки вважають, що вони розроблені на основі спрощеного способу роботи мозку для обробки інформації. Хоча існували деякі реальні перші програми для машинного навчання, такі як мережа Madaline, яка могла усунути фонову луну від телефонних ліній, вона не повернеться на передній план, доки не з’являться додатки для бачення.

У 2012 році AlexNet, глибока нейронна мережа, розроблена Алексом Крижевським, набрала 84% точності на змаганнях із класифікації зображень Imagenet. Попередній найкращий результат становив 74%. Саме тоді почалося широке впровадження машинного навчання для вирішення проблем комп’ютерного зору. Глибоке машинне навчання швидко стало нормою та перевершило людей у ​​багатьох завданнях. Приклади включають проекти Google щодо діабетичної ретинопатії та раку молочної залози.

ML працює, надаючи нейронній мережі великі обсяги даних і змушуючи її вивчати шаблони, регулюючи рівні активації нейронів у мережі. Він може вирішувати широкий спектр проблем для різних типів даних.

Існує багато методів створення моделей ML. Деякі з цих прийомів включають:

• Вбудовування: техніка для отримання наборів даних і їх перетворення з простору високої розмірності в простір низької розмірності. Це дозволяє нам отримувати дуже складний набір даних і полегшувати його використання.

• Лінійна регресія: техніка, яка дозволяє швидко й ефективно моделювати зв’язок між скалярною реакцією та однією чи кількома пояснювальними змінними.

• Дерева: метод, який використовує дерево рішень для представлення того, як різні вхідні змінні можна використовувати для прогнозування цільового значення.

• Дослідження нейронної архітектури: техніка автоматизації...