Googles AutoML ist wirklich eine gute Idee in Bezug auf das autonome Modelldesign. Sie finden die Details in diesem Blog . Lassen Sie mich kurz erklären.
Wir, Datenwissenschaftler, entwerfen neue Netzwerke, indem wir bestehenden Modellen folgen, versuchen und scheitern und es immer wieder versuchen, indem wir Schwächen und Stärken der erstellten Modelle analysieren. Als Menschen haben wir jedoch nur begrenzte Möglichkeiten, solche Netzwerke zu entwerfen / analysieren. Aus diesem Grund hat Google eine KI erstellt, die die Stärken und Schwächen jedes Knotens analysiert und gleichzeitig eine Vorhersage trifft. Diese KI analysiert jeden Knoten und versucht, die Ergebnisse zu verbessern, indem Verbindungen jedes Knotens / jeder Schicht hinzugefügt / entfernt / geändert werden. Ich denke, AutoML AI verwendet ein hochmodernes Netzwerk als Basis und beginnt, das Netzwerk gemäß Ihren Daten zu ändern, um ein benutzerdefiniertes Modell zu erstellen.
Dabei werden zwei Technologien eingesetzt: Transferlernen und Reinforcement-Lernen.
Transferlernen wird verwendet, um das Training an einem möglichst genauen Punkt zu beginnen.
Reinforcement Learning wird verwendet, um das Netzwerk zu modifizieren und einen besseren Erfolg zu erzielen. Dies ist der Schlüssel zu dieser Technologie.
Für Benutzer ist es also eher so, als würden Sie Ihre Daten hochladen, AI das Netzwerk für Sie ändern lassen und Ihnen ein benutzerdefiniertes Modell geben, das für Ihre Daten spezifisch ist.