Работа с CSV-файлами — обычная задача для всех начинающих специалистов по данным. И написание одного и того же кода с разными выходными значениями временами становится утомительным, и поэтому существует огромная потребность в автономной модели, которая может дать нам представление о том, как модель может работать с минимальной разработкой функций. Итак, здесь мы представляем удобную для начинающих модель автоматического машинного обучения, созданную мной и Рупамом Кумаром Роем ,..

Как мы все выяснили, машинное обучение может быть утомительным и повторяющимся. После того, как вы собрали и очистили свои данные, все сводится в основном к поиску модели, соответствию нашим данным и проверке, насколько хорошо она предсказывает вашу цель. Повторяя это снова и снова для разных моделей с разными параметрами, масштабами, а затем настраивая гиперпараметры, пока у вас не будет модель, которая делает то, что вы хотите, с разумной ошибкой. Учитывая все, что мы делали, логично,..

Google запускает свой проект AutoML в прошлом году, чтобы автоматизировать процесс поиска наиболее подходящих конструкций нейронных сетей для конкретной задачи классификации. Проектирование нейронных сетей заняло много времени, несмотря на использование TensorFlow / Keras или другой архитектуры глубокого обучения в настоящее время. Поэтому команда Google Brain разработала поиск по нейронной архитектуре (NAS), используя рекуррентную нейронную сеть для выполнения обучения с подкреплением...

Хотя искусственный интеллект и машинное обучение в настоящее время чрезвычайно популярны, применение машинного обучения к реальным проблемам остается очень сложной задачей. Специалистам по данным необходимо оценивать различные алгоритмы обучения и настраивать их многочисленные параметры на основе своих предположений и опыта в соответствии с конкретными проблемами и наборами обучающих данных. Мета-обучение - недавний метод преодоления, то есть автоматизации этой проблемы. Он..