El AutoML de Google es realmente una buena idea en términos de diseño de modelo autónomo. Puedes encontrar los detalles en este blog . Déjame explicarte brevemente.
Nosotros, los científicos de datos, diseñamos nuevas redes siguiendo los modelos existentes, intentando y fallando e intentando una y otra vez analizando las debilidades y fortalezas de los modelos creados. Sin embargo, nosotros, como humanos, tenemos capacidades limitadas para diseñar / analizar tales redes. Es por eso que Google creó una IA que analiza las fortalezas y debilidades de cada nodo mientras realiza una predicción. Esta IA analiza cada nodo e intenta mejorar los resultados agregando / eliminando / modificando conexiones de cada nodo / capa. Supongo que AutoML AI toma la red de vanguardia como base y comienza a modificar la red de acuerdo con sus datos para crear un modelo personalizado.
Al hacerlo, se están utilizando dos tecnologías: aprendizaje de transferencia y aprendizaje de refuerzo.
El aprendizaje de transferencia se está utilizando para comenzar a entrenar desde el punto más preciso posible.
El aprendizaje de refuerzo se está utilizando para modificar la red para lograr un mejor éxito. Esta es la parte clave de esta tecnología.
Entonces, para los usuarios, es más como cargar sus datos, dejar que AI modifique la red por usted y le brinde un modelo personalizado que sea específico para sus datos.
