Yeni bir makine öğrenimi (ML) projesine başlıyorsanız makine öğrenimi modeli oluşturmak için tek seçeneğiniz manuel eğitim ise. Manuel eğitimde, model oluşturmak için bir makine öğrenimi çerçevesi kullanarak kod yazarsınız. Etkinlik sırasında hangi algoritmaların keşfedileceğini ve aşamalı olarak doğru modeli bulmak için hiperparametrelerden yararlanmanız gerekir.
Elbette model eğitimi, dikkate almanız gereken tek konu değildir. İçinde prototipten üretime kadar makine öğrenimi modeli geliştirme ve tekrarlayan görevler ve özel beceriler içerir. Basit bir keşif amaçlı makine öğrenimi iş akışı aşağıdaki gibi görünür:
Tekrarlayan görevler: ML iş akışı tekrarlayan işler içerebilir ve olanak sağlar. Örneğin, model geliştirme sırasında genellikle en uygun modeli belirlemek için farklı algoritma ve hiperparametre kombinasyonlarını keşfetmeniz gerekir. Manuel eğitimle, topladığınız kodlarla modeli eğitmeli ve ardından farklı makine öğrenimiyle denemeler yapmak için kodu ayarlamalıdır algoritmaları ve hiperparametreleri kullanarak en iyi modeli bulmaktır. Küçük veya keşif amaçlı projelerde bu manuel süreç bir sorun teşkil etmeyebilir, ancak daha büyük projelerde tekrar eden görevler zaman alan bir süreç olabilir.
Uzmanlaşmış beceriler: Manuel olarak makine öğrenimi modeli geliştirmek uzmanlaşmış beceriler gerektirir. Pratikte her ekip bir makine öğrenimi modeli geliştirmeyi planlamaz bu becerilere sahip olması gerekir. Ekipte özel bir veri bilimci yoksa bunu manuel olarak yapmak mümkün olmayabilir.
Neyse ki model geliştirmedeki belirli adımlar, tekrar eden çalışmaların yükünü ve özel becerilere olan ihtiyacı azaltmak için otomatikleştirilebilir. Bu görevlerin otomasyonu, otomatik makine öğrenimi (AutoML) konulu bu modülün konusudur.
AutoML nedir?
AutoML, makine öğrenimiyle makine öğrenimi iş akışında belirli görevlere odaklanıyor. AutoML'i, geliştirme süreçleri ve çözümler üretirken makine öğrenimi modellerini daha hızlı ve daha geniş bir kullanıcı grubu için daha erişilebilir hale getiriyor. Otomasyon, makine öğrenimi iş akışı boyunca yardımcı olabilir ancak genellikle AutoML ile ilişkilendirilen görevler, Şekil 1'de gösterilen model geliştirme döngüsüne dahil olan görevlerdir. Bu tekrarlanan görevler arasında şunlar yer alır:
- Veri Mühendisliği
- Özellik mühendisliği.
- Özellik seçimi.
- Eğitim
- Uygun bir makine öğrenimi algoritması belirleme.
- En iyi hiperparametreleri seçme.
- Analiz
- Test ve doğrulama veri kümelerine göre eğitim sırasında oluşturulan metrikleri değerlendirme
AutoML ile özellik yerine makine öğrenimi sorununuza ve verilerinize odaklanabilirsiniz. doğru algoritmayı seçmeye ve hiperparametrelerin ince ayarlanmasına yardımcı olur.