یادگیری ماشین خودکار (Automated Machine Learning)- بخش اول
یکی از دغدغه های اصلی ما در استفاده از مدلهای یادگیری ماشین، انتخاب مدلی است که بهترین شاخص های ارزیابی را داشته باشد. اگرچه با تجربه می توان مدلهای پیشنهادی را برای داده های بخصوص مشخص کرد اما در بیشتر اوقات ناگزیر هستیم چندین مدل را اجرا کنیم تا بتوانیم بهترین مدل را انتخاب کنیم.
یکی از راهکارها برای این موضوع AutoML است. AutoML یک حوزه نوپا است. در واقع با AutoML یک جریان کاری خودکار ایجاد می کنیم که بتواند داده‌های خام را به‌عنوان ورودی دریافت کرده و به‌طور خودکار یک پیش‌بینی تولید کند.

این جریان کاری باید به‌طور خودکار پیش‌پردازش داده‌ها، انتخاب مدل، تنظیم پارامترها، و تمامی مراحل دیگر فرایند یادگیری ماشین را انجام دهد. در واقع AutoML ابزار بسیار کاربردی برای دانشمندان داده می شود و می تواند سرعت تحلیل داده ها را تا حد زیادی افزایش دهد.
در پست های بعدی برخی از ابزارهای AutoML را با هم بررسی خواهیم کرد.

#یادگیری_ماشین_خودکار
#AutoML
#Automated_Machine_Learning

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

ابزارهای متداول یادگیری ماشین خودکار - بخش دوم
انواع مختلفی از فریم‌و‌رک‌های AutoML وجود دارد که هر کدام ویژگی های منحصر به فردی دارند. هر یک از آنها چند مرحله از یک گردش کار کامل یادگیری ماشین، از پیش پردازش تا توسعه مدل را خودکار کرده اند. در جدول این پست برخی از معروف ترین این فریم‌ورک ها بیان شده است.

#یادگیری_ماشین_خودکار
#AutoML
#Automated_Machine_Learning

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance