L'AutoML de Google est vraiment une bonne idée en termes de conception de modèles autonomes. Vous pouvez trouver les détails dans ce blog . Je m'explique brièvement.
Nous, scientifiques des données, concevons de nouveaux réseaux en suivant les modèles existants, en essayant et en échouant et en essayant encore et encore en analysant les faiblesses et les forces des modèles créés. Cependant, en tant qu'êtres humains, nous avons des capacités limitées de conception / analyse de tels réseaux. C'est pourquoi Google a créé une IA qui analyse les forces et les faiblesses de chaque nœud tout en faisant une prédiction. Cette IA analyse chaque nœud et essaie d'améliorer les résultats en ajoutant / supprimant / modifiant les connexions de chaque nœud / couche. Je suppose qu'AutoML AI prend le réseau de pointe comme base et commence à modifier le réseau en fonction de vos données pour créer un modèle personnalisé.
Pour ce faire, deux technologies sont utilisées: l'apprentissage par transfert et l'apprentissage par renforcement.
L'apprentissage par transfert est utilisé pour commencer la formation à partir du point le plus précis possible.
L'apprentissage par renforcement est utilisé pour modifier le réseau afin d'obtenir un meilleur succès. C'est l'élément clé de cette technologie.
Donc, pour les utilisateurs, c'est plus comme télécharger vos données, laisser AI modifier le réseau pour vous et vous donner un modèle personnalisé qui est spécifique à vos données.
