От курсов Эндрю Нг «ИИ для всех» на Coursera до инструментов технологических гигантов с открытым исходным кодом, которые снижают техническую планку для создания моделей машинного обучения, мы видим широкий спектр усилий, направленных на упрощение ИИ, чтобы сделать его доступным для всех.
Northstar - это интерактивная облачная платформа для обработки данных, представленная в прошлом году Массачусетским технологическим институтом и Университетом Брауна. Это позволяет пользователям, не имеющим опыта программирования или опыта в области статистики, легко исследовать и добывать данные с помощью интуитивно понятного черно-белого пользовательского интерфейса на устройствах с сенсорным экраном, таких как смартфоны, планшеты или интерактивные доски. Интерфейс перетаскивания позволяет пользователям легко обнаруживать закономерности внутри данных и создавать конвейеры машинного обучения.
MIT и Браун теперь обновили платформу Northstar с помощью компонента на основе AutoML под названием Virtual Data Scientist (VDS), который помогает пользователям создавать модели машинного обучения для выполнения задач прогнозирования на наборах данных. VDS была представлена в статье Демократизация науки о данных посредством интерактивного курирования конвейеров машинного обучения, представленной на этой неделе на конференции ACM SIGMOD в Амстердаме.
Считается, что VDS может использоваться, например, врачами при диагностике заболеваний; владельцами бизнеса для прогнозов продаж и даже для руководства владельцами кафе при планировании запасов. И все это без необходимости иметь опыт работы с данными или нанимать технических консультантов по машинному обучению.
Пользователь также может выполнять задачи прогнозной аналитики с помощью VDS с помощью моделей, настроенных для их конкретных целей, таких как прогнозирование данных, классификация изображений или анализ сложных графических структур. Например, если исследователи-медики хотят предсказать потенциальное заболевание крови у пациентов, они могут просто перетащить «AutoML» из списка алгоритмов в поле «Операторы» на экране, а затем добавить функцию «кровь» из-под « цель »вкладка. Затем система автоматически порекомендует лучшие конвейеры машинного обучения для задачи, а также их соответствующие коэффициенты ошибок, структуру, вычисления и т. Д.
Исследователи оценили VDS на 300 реальных наборах данных, где его производительность оказалась среди самых быстрых интерактивных инструментов AutoML благодаря его настраиваемому «механизму оценки». Этот механизм оценки находится между интерфейсом и облаком и автоматически создает репрезентативные выборки из набора данных. Их можно постепенно обрабатывать для получения высококачественных результатов за секунды.
Исследователи говорят, что в будущем они надеются добавить функцию, которая могла бы автоматически предупреждать пользователей о потенциальных смещениях или ошибках в данных.
Документ Демократизация науки о данных посредством интерактивного курирования конвейеров машинного обучения можно найти здесь. Информация о демонстрации проекта и тестовой установке / совместной работе находится здесь.
Автор: Юйцин Ли | Редактор: Майкл Саразен
Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.
Подпишитесь на нас в Twitter @Synced_Global, чтобы получать ежедневные новости об ИИ!
Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.
