Yeni bir makine öğrenimi (ML) projesine başlıyorsanız makine öğrenimi modeli oluşturmak için manuel eğitimin tek seçeneğiniz olup olmadığını merak ediyor olabilirsiniz. Manuel eğitimde, model oluşturmak için bir makine öğrenimi çerçevesi kullanarak kod yazarsınız. Bu süreçte, doğru modeli bulmak için hangi algoritmaların keşfedileceğini seçer ve hiperparametreleri iteratif olarak ayarlarsınız.
Elbette, model eğitimi düşünmeniz gereken tek şey değildir. Pratikte, prototipten üretime kadar bir makine öğrenimi modeli oluşturmak tekrarlanan görevler ve özel beceriler gerektirir. Basit bir keşif amaçlı makine öğrenimi iş akışı aşağıdaki gibi görünür:
Yinelenen görevler: ML iş akışı, tekrarlanan çalışmalar ve denemeler içerebilir. Örneğin, model geliştirme sırasında genellikle en uygun modeli belirlemek için farklı algoritma ve hiperparametre kombinasyonlarını keşfetmeniz gerekir. Manuel eğitimde, modeli eğitmek için özel kod yazar ve ardından en iyi modeli bulmak için farklı yapay zeka algoritmaları ve hiper parametreleriyle denemeler yapmak üzere kodu ayarlarsınız. Küçük veya keşif amaçlı projelerde bu manuel işlem sorun oluşturmayabilir ancak daha büyük projelerde bu tekrarlı görevler zaman alıcı olabilir.
Uzmanlaşmış beceriler: Manuel olarak makine öğrenimi modeli geliştirmek uzmanlaşmış beceriler gerektirir. Gerçekte, makine öğrenimi modeli geliştirmeyi planlayan her ekip bu becerilere sahip olmayabilir. Ekipte özel bir veri bilimci yoksa bu çalışmayı manuel olarak yapmak bile 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 öğrenimi iş akışında belirli görevleri otomatikleştirme işlemidir. AutoML'i, makine öğrenimi modellerini daha hızlı ve daha geniş bir kullanıcı grubu için daha erişilebilir hale getiren bir araç ve teknoloji grubu olarak düşünebilirsiniz. Otomasyon, makine öğrenimi iş akışı boyunca yardımcı olabilir ancak genellikle AutoML ile ilişkilendirilen görevler, Şekil 1'de gösterilen model geliştirme döngüsüne dahil olan görevlerdir. 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 seçimi, hiper parametrelerin ayarlanması ve doğru algoritmayı seçme yerine makine öğrenimi sorununuza ve verilerinize odaklanabilirsiniz.