Học máy tự động (AutoML) là quá trình tự động hóa đường ống đầu cuối để áp dụng Học máy (ML) vào các vấn đề trong thế giới thực. Mục tiêu chính của AutoML là đơn giản hóa và đẩy nhanh quá trình phát triển các mô hình ML, giúp các kỹ thuật tiên tiến có thể tiếp cận được ngay cả với những người không có chuyên môn sâu về khoa học dữ liệu hoặc ML. Bằng cách tự động hóa các tác vụ lặp đi lặp lại và tốn thời gian, AutoML cho phép các nhà phát triển và nhà nghiên cứu xây dựng các mô hình hiệu suất cao hiệu quả hơn, giảm nhu cầu cấu hình và thử nghiệm thủ công rộng rãi. Quá trình tự động hóa này bao gồm nhiều giai đoạn, từ chuẩn bị dữ liệu thô đến triển khai các mô hình được tối ưu hóa.
Các tác vụ tự động chính trong AutoML
Hệ thống AutoML tự động hóa một số thành phần cốt lõi của quy trình làm việc ML thông thường:
Lợi ích của AutoML
Việc áp dụng AutoML mang lại những lợi thế đáng kể:
- Hiệu quả: Giảm đáng kể thời gian và tài nguyên tính toán cần thiết để phát triển và tinh chỉnh các mô hình ML.
- Khả năng truy cập: Giảm rào cản gia nhập ML, cho phép các chuyên gia và nhà phát triển có ít kinh nghiệm về ML tận dụng các khả năng dự đoán mạnh mẽ. Ultralytics HUB hướng đến mục tiêu đơn giản hóa quy trình này hơn nữa.
- Hiệu suất: Thường xác định các mô hình và cấu hình đạt được độ chính xác và độ mạnh mẽ cao, đôi khi vượt trội hơn các mô hình được thiết kế thủ công bằng cách khám phá không gian tìm kiếm rộng lớn.
- Giảm thiểu sự thiên vị: Bằng cách tự động lựa chọn và điều chỉnh mô hình, AutoML có thể giúp giảm thiểu sự thiên vị của con người trong AI có thể phát sinh từ các lựa chọn thủ công, mặc dù việc giám sát cẩn thận về sự thiên vị của tập dữ liệu vẫn rất quan trọng.
Ứng dụng trong thế giới thực
AutoML được ứng dụng trong nhiều lĩnh vực khác nhau:
AutoML so với các khái niệm liên quan
Sẽ rất hữu ích khi phân biệt AutoML với các lĩnh vực liên quan:
- AutoML so với MLOps: Trong khi AutoML nhắm mục tiêu cụ thể đến việc tự động hóa xây dựng mô hình (lựa chọn, đào tạo, điều chỉnh), Hoạt động học máy (MLOps) bao gồm toàn bộ vòng đời ML. MLOps bao gồm triển khai, giám sát, quản lý và quản trị, đảm bảo các mô hình hoạt động đáng tin cậy trong sản xuất. AutoML thường là một thành phần trong khuôn khổ MLOps lớn hơn, hợp lý hóa giai đoạn phát triển ban đầu trước khi triển khai mô hình và giám sát mô hình .
- AutoML so với NAS: Tìm kiếm kiến trúc nơ-ron (NAS) là một phân ngành của AutoML tập trung cụ thể vào việc tự động thiết kế kiến trúc của mạng nơ-ron (NN) . Trong khi NAS tự động hóa thiết kế mạng, các công cụ AutoML rộng hơn cũng có thể tự động hóa kỹ thuật tính năng và điều chỉnh siêu tham số cho nhiều loại mô hình khác nhau, không chỉ NN.
Công cụ và nền tảng AutoML
Nhiều công cụ và nền tảng hỗ trợ AutoML:
VI
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
AR
TR
