Цю статтю написано занадто професійним стилем зі специфічною термінологією, що може бути незрозумілим для більшості читачів. Ви можете допомогти вдосконалити цю статтю, зробивши її зрозумілою для неспеціалістів без втрат змісту. Можливо, сторінка обговорення містить зауваження щодо потрібних змін.(листопад 2020)
Ця стаття має вигляд переліку, який краще подати прозою. Ви можете допомогти викласти список прозою, де це доречно. Ознайомтеся з довідкою з редагування.(листопад 2020)
Автоматизо́ване маши́нне навча́ння (АвтоМН, англ.Automated machine learning, AutoML) — це процес автоматизації задач застосування машинного навчання до практичних задач. АвтоМН охоплює весь конвеєр від сирого набору даних до готової для розгортання моделі машинного навчання. АвтоМН було запропоновано як рішення на основі штучного інтелекту для все більших викликів застосування машинного навчання.[1][2] Високий рівень автоматизації в АвтоМН дозволяє неекспертам використовувати моделі та методики машинного навчання не вимагаючи від них ставати експертами в машиннім навчанні. Автоматизація процесу застосування машинного навчання від початку до кінця додатково пропонує переваги створення простіших рішень, швидшого створення цих рішень, та моделей, які часто перевершують розроблені власноруч. АвтоМН використовували для порівнювання відносної важливості кожного з чинників у передбачувальній моделі.[3]
Порівняння зі стандартним підходом
У типовім застосуванні машинного навчання, практики мають набір точок даних входу для застосування в тренуванні. Ці сирі дані можуть не бути в такому вигляді, до якого можливо застосовувати всі алгоритми. Щоби зробити ці дані придатними для машинного навчання, експертові може довестися застосувати відповідні методи попередньої обробки даних, конструювання ознак, виділяння ознак та обирання ознак. Після цих кроків практики мусять відтак виконати обирання алгоритму[en] та оптимізацію гіперпараметрів, щоби максимізувати передбачувальну продуктивність своєї моделі. Кожен із цих кроків може виявлятися складним, спричинюючи значні перешкоди для використання машинного навчання.
АвтоМН різко спрощує ці кроки для неекспертів.
Цілі автоматизації
Автоматизоване машинне навчання може націлюватися на різні етапи процесу машинного навчання.[2] Кроки для автоматизації:
Підготовка[en] та подавання даних (з сирих даних та різних форматів)
Виявляння типів[en] стовпців, наприклад, булів, дискретний числовий, неперервний числовий, чи текстовий
Виявляння призначення стовпців, наприклад, ціль/мітка, стратифікувальне поле, числова ознака, категорійна текстова ознака, чи вільнотекстова ознака
↑ абHutter F, Caruana R, Bardenet R, Bilenko M, Guyon I, Kegl B, and Larochelle H. AutoML 2014 @ ICML. AutoML 2014 Workshop @ ICML. Процитовано 28 березня 2018.{{cite web}}: Обслуговування CS1: Сторінки з параметром url-status, але без параметра archive-url (посилання)(англ.)
↑Li R.Y.M., Chau K.W., Li H.C.Y., Zeng F., Tang B., Ding M. (2021) Remote Sensing, Heat Island Effect and Housing Price Prediction via AutoML. In: Ahram T. (eds) Advances in Artificial Intelligence, Software and Systems Engineering. AHFE 2020. Advances in Intelligent Systems and Computing, vol 1213. Springer, Cham. https://doi.org/10.1007/978-3-030-51328-3_17(англ.)
