自動機械学習（AutoML）

モジュールの所要時間: 30 分

学習目標

• 機械学習ワークフローのタスクを自動化します。
• 機械学習モデルで AutoML を使用するメリットと制限事項を判断します。
• 一般的な AutoML パターンを列挙し、ML プロジェクトに適用します。

前提条件:

このモジュールは、このモジュールで取り上げたコンセプトを理解していることを前提としています。 説明します。

• 機械学習の概要
• 線形回帰
• 数値データの操作
• カテゴリデータの操作
• データセット、一般化、過剰適合

新しい ML プロジェクトを開始する場合、機械学習モデルを構築する唯一の方法は手動トレーニングであると思われるかもしれません。あり 手動トレーニングでは、ML フレームワークを使用してコードを記述し、モデルを作成します。イベント中 このプロセスでは、探索して反復的に調整するアルゴリズムを選択します。 適切なモデルを見つけます。

もちろん、モデルのトレーニング以外にも考慮すべき点があります。イン プロトタイプから本番環境まで ML モデルを構築し、 反復的なタスクと専門的なスキルが伴います。簡単な探索 ML ワークフローは次のようになります。

図 1. シンプルな ML データ探索ワークフロー。

反復タスク - ML ワークフローには、反復的な作業やテストが含まれる場合があります。たとえば、モデル開発では、通常、モデルに アルゴリズムとハイパーパラメータのさまざまな組み合わせを試して、 決定します。手動トレーニングでは、トレーニング データ用に特殊なコードを記述し、 モデルをトレーニングしてからコードを調整して、さまざまな ML でテストを実施する ハイパーパラメータをチューニングして最適なモデルを見つけます。小規模なプロジェクトや探索的なプロジェクトでは、この手動プロセスは問題にならない可能性がありますが、大規模なプロジェクトでは、これらの反復タスクに時間がかかる可能性があります。

専門的なスキル - ML モデルを手動で開発するには、専門的なスキルが必要です。実際には、ML モデルの開発を計画しているすべてのチームが スキルを身につけているかもしれません。チームに専任のデータ サイエンティストがいない場合は、この作業を手動で行うことは不可能です。

幸い、モデル開発の一部のステップは自動化できるため、繰り返し作業の負担と専門スキルの必要性を軽減できます。これらを自動化することで AutoML に関するこのモジュールのテーマです。

AutoML とは

AutoML は、ML ワークフローの特定のタスクを自動化するプロセスです。AutoML は、生成 AI をベースとする より速く、より幅広いユーザー グループが利用しやすい形で ML モデルを作成できます。 自動化は ML ワークフロー全体で役立ちますが、 モデル開発サイクルに含まれるものも 示しています。繰り返し行うタスクには、次のようなものがあります。

• データ エンジニアリング
  • 特徴量エンジニアリング
  • 特徴を選択する。
• トレーニング
  • 適切な ML アルゴリズムの特定。
  • 最適なハイパーパラメータを選択する。
• 分析
  • テスト データセットと検証データセットに基づいて、トレーニング中に生成された指標を評価する。

AutoML を使用すると、特徴量の選択、ハイパーパラメータのチューニング、適切なアルゴリズムの選択ではなく、ML の問題とデータに集中できます。

主な用語:

• AutoML