إذا كنت بصدد بدء مشروع جديد تعلُّم آلي، قد تتساءل عما إذا كان التدريب اليدوي هو خيارك الوحيد لإنشاء نموذج تعلُّم آلي. باستخدام التدريب اليدوي، يمكنك كتابة رمز باستخدام إطار عمل تعلُّم الآلة لإنشاء نموذج. خلال هذه العملية، يمكنك اختيار الخوارزميات التي تريد استكشافها وضبط المَعلمات الفائقة بشكل متكرّر للعثور على النموذج المناسب.
بالطبع، تدريب النماذج ليس هو الأمر الوحيد الذي يجب التفكير فيه. في الواقع، يتطلّب إنشاء نموذج تعلُّم آلة من النموذج الأولي إلى مرحلة الإنتاج مهامًا متكرّرة ومهارات مخصّصة. يبدو سير عمل ML استكشافي بسيط على النحو التالي:
المهام المتكرّرة: يمكن أن يتضمّن سير عمل الذكاء الاصطناعي (ML) عملاً متكرّرًا وتجارب. على سبيل المثال، أثناء تطوير النموذج، عليك عادةً استكشاف مجموعات مختلفة من الخوارزميات والمَعلمات الفائقة لتحديد النموذج الأنسب. باستخدام التدريب اليدوي، يمكنك كتابة رمز مخصّص لتدريب النموذج، ثم تعديل الرمز لإجراء تجارب باستخدام خوارزميات الذكاء الاصطناعي ومَعلمات متغيرة مختلفة للعثور على أفضل نموذج. بالنسبة إلى المشاريع الصغيرة أو الاستكشافية، قد لا تكون هذه العملية اليدوية مشكلة، ولكن بالنسبة إلى المشاريع الأكبر، يمكن أن تستغرق هذه المهام المتكررة وقتًا طويلاً.
المهارات المخصّصة: يتطلّب تطوير نموذج تعلُّم آلة يدويًا مهارات مخصّصة. في الواقع، قد لا يمتلك كل فريق يخطّط لتطوير نموذج تعلُّم آلي هذه المهارات. إذا لم يكن لدى الفريق عالم بيانات مخصّص، قد لا يكون تنفيذ هذا العمل يدويًا ممكنًا.
لحسن الحظ، يمكن برمجة خطوات معيّنة في تطوير النماذج لتقليل كثافة العمل المتكرّر والحدّ من الحاجة إلى المهارات المتخصّصة. وموضوع هذه الوحدة حول تعلُّم الآلة المبرمَج (AutoML) هو التشغيل الآلي لهذه المهام.
ما هي ميزة AutoML؟
AutoML هي عملية لأتمتة مهام معيّنة في سير عمل تعلُّم الآلة. يمكنك اعتبار "التعلُّم الآلي التلقائي" مجموعة من الأدوات والتقنيات التي تسهّل إنشاء نماذج تعلُّم الآلة بشكل أسرع وأكثر سهولة لمجموعة أكبر من المستخدمين. على الرغم من أنّ التشغيل الآلي يمكن أن يساعد في جميع مراحل سير عمل تعلُّم الآلة، إلا أنّ المهام التي ترتبط غالبًا بالذكاء الاصطناعي الآلي هي المهام المضمّنة في دورة تطوير النموذج المعروضة في الشكل 1. تشمل هذه المهام المتكرّرة ما يلي:
- هندسة البيانات
- هندسة الخصائص
- اختيار العناصر
- التدريب
- تحديد خوارزمية تعلُّم الآلة المناسبة
- اختيار أفضل مَعلمات ضبط
- التحليل
- تقييم المقاييس التي تم إنشاؤها أثناء التدريب استنادًا إلى مجموعات بيانات الاختبار والتحقّق
باستخدام AutoML، يمكنك التركيز على مشكلة تعلُّم الآلة والبيانات بدلاً من اختيار ميزات وضبط المَعلمات الفائقة واختيار الخوارزمية المناسبة.