अगर आपको एक नया मशीन लर्निंग (एमएल) प्रोजेक्ट शुरू करना है, तो ऐसा हो सकता है कि आपको इस बारे में जानना हो मशीन लर्निंग मॉडल बनाने के लिए, सिर्फ़ मैन्युअल ट्रेनिंग का ही विकल्प है. के साथ मैन्युअल ट्रेनिंग के दौरान, मॉडल बनाने के लिए एमएल फ़्रेमवर्क का इस्तेमाल करके कोड लिखा जाता है. इस दौरान करने के बाद, आपको यह तय करने का विकल्प मिलता है कि कौनसे एल्गोरिदम एक्सप्लोर करें और बार-बार ट्यून करें हाइपर पैरामीटर का इस्तेमाल करें.
बेशक, आपको मॉडल ट्रेनिंग के बारे में सिर्फ़ सोचने की ज़रूरत नहीं है. तय सीमा में प्रैक्टिस करने के लिए, प्रोटोटाइप से लेकर प्रोडक्शन तक, मशीन लर्निंग मॉडल को बार-बार किए जाने वाले काम और खास तरह के कौशल शामिल हैं. एक आसान एक्सप्लोरेट्री ML वर्कफ़्लो कुछ ऐसा दिखता है:
![चित्र 1. एक आसान मशीन लर्निंग वर्कफ़्लो.](https://developers.google.cn/static/machine-learning/crash-course/automl/images/ml-workflow.png?authuser=9&hl=hi)
बार-बार किए जाने वाले टास्क - एमएल (मशीन लर्निंग) वर्कफ़्लो में बार-बार किए जाने वाले काम शामिल हो सकते हैं और प्रयोग करना. उदाहरण के लिए, मॉडल डेवलपमेंट के दौरान आपको आम तौर पर हाइपर पैरामीटर और एल्गोरिदम के अलग-अलग कॉम्बिनेशन को एक्सप्लोर कर सकते हैं. इससे सबसे सही मॉडल है. मैन्युअल ट्रेनिंग के दौरान, मॉडल को ट्रेनिंग दें और फिर अलग-अलग एमएल के साथ प्रयोग चलाने के लिए कोड में बदलाव करें सबसे अच्छा मॉडल ढूंढने के लिए, एल्गोरिदम और हाइपर पैरामीटर का इस्तेमाल करें. छोटे और एक्सप्लोर करने के लिए इस मैन्युअल प्रोसेस से शायद आपको कोई समस्या न हो. हालांकि, बड़े प्रोजेक्ट के लिए बार-बार किए जाने वाले कामों में समय लग सकता है.
खास कौशल - मैन्युअल तरीके से एमएल मॉडल बनाने के लिए, कौशल. असल में, हर टीम मशीन लर्निंग मॉडल डेवलप करने की कोशिश नहीं करती ये कौशल हो सकते हैं. अगर किसी टीम के पास खास डेटा साइंटिस्ट नहीं है, तो ऐसा भी हो सकता है कि यह काम मैन्युअल तरीक़े से करना मुमकिन न हो.
अच्छी बात यह है कि मॉडल डेवलपमेंट के कुछ चरणों को, बार-बार और खास कौशल की ज़रूरत होती है. इन्हें ऑटोमेट किया जा रहा है Tasks में इस मॉड्यूल का विषय, ऑटोमेटेड मशीन लर्निंग (AutoML) से लिया जाता है.
AutoML क्या है?
AutoML एक ऐसी प्रोसेस है जो अपने-आप मशीन लर्निंग वर्कफ़्लो में कुछ टास्क पूरे किए जा सकते हैं. AutoML को टूल और टेक्नोलॉजी के ऐसे सेट के तौर पर देखा जा सकता है जो इमारत बनाने में मदद करता है ज़्यादा तेज़ी से और ज़्यादा लोगों के लिए आसानी से ऐक्सेस किए जा सकने वाले मशीन लर्निंग मॉडल. ऑटोमेशन, एमएल (मशीन लर्निंग) के वर्कफ़्लो में मदद कर सकता है, लेकिन ऐसे टास्क जो अक्सर वे AutoML से जुड़े होते हैं जो मॉडल डेवलपमेंट साइकल में शामिल होते हैं इमेज 1 में दिखाई गई है. बार-बार किए जाने वाले इन कामों में ये शामिल हैं:
- डेटा इंजीनियरिंग
- फ़ीचर इंजीनियरिंग.
- सुविधा चुनना.
- ट्रेनिंग
- सही एमएल एल्गोरिदम की पहचान करना.
- सबसे अच्छे हाइपर पैरामीटर को चुनना.
- विश्लेषण
- ट्रेनिंग के दौरान जनरेट हुई मेट्रिक का आकलन इन आधार पर करना पुष्टि करने वाले डेटासेट.
AutoML की मदद से, किसी सुविधा के बजाय मशीन लर्निंग से जुड़ी समस्या और डेटा पर फ़ोकस किया जा सकता है चुनने, हाइपर पैरामीटर ट्यून करने, और सही एल्गोरिदम चुनने में मदद मिलती है.