Публикации по теме 'automl'


Навигация по тенденциям MLOps на 2023 год: от операционной эффективности к Kubernetes
Введение По мере того, как мы приближаемся к 2023 году, область операций машинного обучения (MLOps) продолжает развиваться быстрыми темпами. MLOps — это дисциплина, которая сочетает в себе разработку данных, машинное обучение и разработку программного обеспечения для управления жизненным циклом машинного обучения. В этом посте мы рассмотрим некоторые из основных тенденций MLOps на 2023 год и то, как они могут повлиять на то, как мы ведем бизнес и принимаем решения. Рабочие нагрузки..
«Раскрытие информации: сила AutoML в науке о данных»
Раскрытие информации: возможности AutoML в науке о данных В быстро развивающейся сфере науки о данных автоматизация становится незаменимым инструментом для решения сложных задач и извлечения ценной информации из огромных наборов данных. Одним из самых революционных достижений в этой области является автоматизированное машинное обучение (AutoML), технология, которая меняет подход специалистов по обработке данных к своей работе. Автоматизируя различные этапы конвейера машинного..
Представляем график временной шкалы: новая функция Optuna v3.2
Новейшая версия Optuna, Optuna v3.2, программного инструмента с открытым исходным кодом для оптимизации черного ящика, была выпущена в конце мая. В этой статье представлена ​​одна из его новых функций — Timeline Plot. График временной шкалы — это тип графика, на котором каждая попытка отображается в виде горизонтальной полосы со временем на оси x и номером попытки на оси y, как показано на рисунке ниже. руки вверх Вот пример практического упражнения: давайте воспользуемся образцом..
Глубокие встраивания конвейера для AutoML
Этот блог-пост основан на опубликованной статье в KDD 2023. Вы можете получить доступ к публикации и коду для получения более подробной информации. При использовании стандартного машинного обучения специалистам-практикам необходимо принимать множество решений, например, какой алгоритм кодирования признаков или метод импутации использовать. Хотя глубокое обучение помогает сократить ручную предварительную обработку, важно, среди прочего, указать оптимизатор и архитектуру. Мы..
Итак, как Auger.AI предоставляет самый быстрый и точный AutoML?
В нашем последнем посте мы указали, что Auger превосходит новый Microsoft AutoML и другие инструменты AutoML, такие как H2O и TPOT. В частности, мы взяли наборы данных OpenML, которые Microsoft использовала для сравнения своего AutoML с другими инструментами, время ограничено одним часом, и сравнили прогнозные модели Оже (алгоритмы плюс гиперпараметры). Точность Auger в среднем на 3,6% выше, чем у Microsoft AutoML (а Auger и Microsoft значительно превзошли H20 и TPOT). Большой вопрос,..
Представляем IBM Watson Studio и Watson Machine Learning 2.1
IBM Watson Studio вместе с IBM Watson Machine Learning позволяют организациям использовать ИИ, внедрять прогнозы в бизнес-процессы и оптимизировать ценность бизнеса. Сегодня мы рады объявить об общедоступности IBM Watson Studio и IBM Watson Machine Learning 2.1. Эти же функции Watson Studio также доступны в Cloud Pak for Data 2.5. Что нового в Watson Studio 2.1 Watson Studio 2.1 - это следующий шаг к автоматизации непрерывного рабочего процесса ИИ. Мы понимаем, что..
Оптимизируйте маркетинговые кампании с Hazlo
Знание того, как клиент реагирует на рекламную кампанию, важно для оценки ее развертывания — отправили они запрос или нет? Завершили последнюю покупку? Стоимость приобретения? Однако было бы еще полезнее, если бы это можно было сделать упреждающе: зная вероятность того, что клиент отреагирует на кампанию, еще до того, как мы развернули ее для них. Это именно то, что мы собираемся сделать через Hazlo. Получение и загрузка набора данных Как всегда, мы получим файл .csv и загрузим его в..