Yeni bir makine öğrenimi (ML) projesine başlıyorsanız makine öğrenimi modeli oluşturmak için tek seçeneğiniz manuel eğitim ise. Entegre makine öğrenimi çerçevesi kullanarak kod yazarsınız. Etkinlik sırasında hangi algoritmaların keşfedileceğini ve aşamalı olarak doğru modeli bulmak için hiperparametreleri kullanır.
Elbette model eğitimi, düşünmeniz gereken tek konu değil. İçinde prototipten üretime kadar makine öğrenimi modeli geliştirme ve tekrarlayan görevler ve özel beceriler içerir. Basit bir keşif amaçlı makine öğrenimi iş akışı şu şekilde görünür:
Tekrarlayan görevler: ML iş akışı tekrarlayan işler içerebilir ve olanak sağlar. Örneğin, model geliştirme sürecinde genellikle farklı algoritma ve hiperparametre kombinasyonlarını deneyerek en uygun modeldir. 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.
Özel Beceriler: Makine öğrenimi modelini manuel olarak geliştirmek için ve becerileriniz var. Pratikte her ekip bir makine öğrenimi modeli geliştirmeyi planlamaz bu becerilere sahip olabilecek kişilerdir. Ekipte özel bir veri bilimci yoksa bunu manuel olarak yapmak mümkün olmayabilir.
Neyse ki model geliştirmedeki belirli adımlar, hata payını azaltmak için ve özel becerilere olan ihtiyaçtan oluşmuş olabilir. Bunları otomatik hâle getirmek görevleri de otomatik makine öğrenimi (AutoML) ile ilgili 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 akışında yardımcı olabilir ancak genellikle model geliştirme döngüsünde, AutoML ile ilişkilendirilenler Şekil 1'de gösterilmiştir. Tekrarlanan bu görevlerden bazıları şunlardır:
- Veri Mühendisliği
- Özellik mühendisliği.
- Özellik seçimi.
- Eğitim
- Uygun bir makine öğrenimi algoritması belirleme.
- En iyi hiperparametreleri seçme.
- Analiz
- Eğitim sırasında oluşturulan metrikleri test ve değerlendirme doğrulama veri kümelerini kullanır.
AutoML ile özellik yerine makine öğrenimi sorununuza ve verilerinize odaklanabilirsiniz. doğru algoritmayı seçmeye ve hiperparametrelerin ince ayarlanmasına yardımcı olur.