10-01-2020 4:26 am Gepubliceerd door Nederland.ai Laat uw gedicht achter

Het bouwen van machinale leerapplicaties met afbeeldingen, tekst en tabelgegevens is niet eenvoudig. Het vereist feature-engineering, of het gebruik van domeinkennis van gegevens om de functies te creëren die AI-algoritmen laten werken, plus voldoende voorbewerking van datasets om ervoor te zorgen dat er geen vertekeningen ontstaan in getrainde modellen.

Dat is waarschijnlijk de reden waarom Amazon AutoGluon heeft ontwikkeld, een open-sourcebibliotheek die is ontworpen om ontwikkelaars in staat te stellen om AI-geïnformeerde apps te schrijven met slechts enkele regels code. Het is vandaag ongeveer een maand na de stille opkomst op GitHub in het openbaar gelanceerd.

AutoGluon wil veel van de beslissingen die ontwikkelaars in het verleden zelf moesten nemen, automatiseren. Normaal gesproken worden taken zoals het afstemmen van hyperparameters handmatig uitgevoerd, waarbij wetenschappers moeten anticiperen op de manier waarop hyperparameters – die de keuzes vertegenwoordigen die gemaakt zijn bij het bouwen van een AI-model – van invloed zullen zijn op de training van het model. Een andere veel voorkomende taak die door de mens wordt begeleid, het zoeken naar neurale architectuur, brengt geavanceerde engineering met zich mee, althans in die mate dat ontwikkelaars het optimale ontwerp voor hun respectievelijke modellen moeten identificeren.

Daartoe kan AutoGluon een model produceren met slechts drie regels code door automatisch keuzes te tunen binnen standaardbereiken waarvan bekend is dat ze goed presteren voor een bepaalde taak. Ontwikkelaars geven eenvoudigweg aan wanneer ze hun getrainde model klaar willen hebben, en als reactie daarop maakt AutoGluon gebruik van de beschikbare rekenhulpmiddelen om het sterkste model te vinden binnen de toegewezen runtime.

Het bouwt voort op het werk dat Amazon en Microsoft drie jaar geleden hebben gedaan – Gluon – en dat later is gepubliceerd in Apache MXNet en Microsoft’s Cognitive Toolkit. Waar Gluon een machineleerinterface is die ontwikkelaars in staat stelt om modellen te bouwen met een verzameling vooraf gebouwde en geoptimaliseerde componenten, verzorgt AutoGluon het ontwikkelingsproces end-to-end.

Out of the box kan AutoGluon modellen identificeren voor voorspelling in tabelvorm, beeld- en tekstclassificatie en objectdetectie, en het biedt een API die meer ervaren ontwikkelaars kunnen tikken om de voorspellende prestaties van een model verder te verbeteren. Het vereist Python versie 3.6 of 3.7 en het ondersteunt momenteel alleen Linux, maar Amazon zegt dat Mac OSX en Windows versies binnenkort beschikbaar zullen zijn.

“We hebben AutoGluon ontwikkeld om het machinaal leren echt te democratiseren en de kracht van diepgaand leren beschikbaar te maken voor alle ontwikkelaars,” zei AWS toegepaste wetenschapper Jonas Mueller in een verklaring. “AutoGluon lost dit probleem op omdat alle keuzes automatisch worden afgestemd binnen standaardbereiken waarvan bekend is dat ze goed presteren voor de specifieke taak en het specifieke model.”

Het debuut van AutoGluon volgt op de hielen van grote upgrades van Amazon Web Services’ (AWS’) SageMaker, een toolkit voor het continu trainen en inzetten van machine leermodellen voor cloud en edge omgevingen. AWS SageMaker Studio is een model voor training en workflowbeheer dat alle code, notebooks en mappen voor machinaal leren op één plaats verzamelt, terwijl SageMaker Notebooks ontwikkelaars snel een Jupyter-notebook voor machinale leerprojecten kunnen maken. Er is ook SageMaker Autopilot, die de creatie van modellen automatiseert door automatisch algoritmen te kiezen en die modellen te tunen; SageMaker Experiments, dat modellen test en valideert; SageMaker Debugger, dat de nauwkeurigheid van modellen verbetert; en SageMaker Model Monitor, dat conceptdrift detecteert.

Amazon lanceerde eerder AWS Deep Learning Containers, een bibliotheek met Docker-afbeeldingen die vooraf is geïnstalleerd met populaire deep learning-frameworks, en een reeks volledig beheerde services zoals Personalize, Textract, Fraud Detector en CodeGuru. Met deze en op zichzelf staande tools zoals AutoGluon jaagt de tech gigant van Seattle achter een markt aan die volgens Statista tegen 2025 een waarde van $118,6 miljard zal hebben.

Tags : , , , , ,

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

twee × vier =

The maximum upload file size: 256 MB. You can upload: image, audio, video, document, spreadsheet, interactive, text, archive, code, other. Links to YouTube, Facebook, Twitter and other services inserted in the comment text will be automatically embedded. Drop file here