自动机器学习 (AutoML) 工业落地

机器学习方法已被用于各种现实世界的应用,从社交网络、在线图像/视频分享平台、电子商务到教育、医疗等。然而,机器学习方法的几个组成部分,包括:数据表示,超参数和模型架构,可以在很大程度上影响它们在实践中的性能。此外,数据规模和模型大小的爆炸式增长,使得机器学习开发人员对这些组件进行优化的时间越来越长。为了解决这些挑战,自动化机器学习 (AutoML) 的目标是自动化应用机器学习方法的过程,以解决现实世界的应用任务,减少调整机器学习方法的时间,同时保持良好的性能。

在 2021 年 KDD 大会上, 阿里团队介绍了 AutoML 的主要研究主题,包括:超参数优化,神经结构搜索和元学习。同时,[……]

继续阅读

开源自动化机器学习框架,轻松搞定机器学习

自动化机器学习 (AutoML) 可以帮助机器学习管道中的某些关键组件实现自动化。其中机器学习管道包括数据理解、数据工程、特征工程、模型训练、超参数调整、模型监控等。

在这篇文章中,分享 8 个开源的 autoML 框架:

  • Auto-Sklearn
  • TPOT
  • Auto-ViML
  • H2O AutoML
  • Auto-Keras
  • MLBox
  • Hyperopt Sklearn
  • AutoGluon

1、Auto-Sklearn

Auto-sklearn 是基于 scikit-learn 软件包构建的开源 AutoML 库。它为给定的数据集找[……]

继续阅读

2020 年人工智能开源生态圈

深度学习为核心的新一代人工智能技术发展到今天,已逐步形成一个庞大的生态结构,覆盖了:经典机器学习深度学习强化学习自然语言处理语音识别计算机视觉、分布式训练、自动建模、IDEs 系统、平台、评分推理系统等完整的细分领域 —— 正确合理的选择与开发内容相匹配的工具,常常会使科学研究工作事半功倍,同时,选择正确高效的工具也是技术应用类专业建设的重要环节。

跨象乘云™ 持续致力为高等院校打造深度学习与新一代人工智能科研教学一体化实验平台,在进一步将深度学习系统与容器化基础设施架构紧密集成的同时,对新一代人工智能开源生态系统提供全方位的支撑,加速高校科研效率及科研成果落地。详细项目列表[……]

继续阅读