Aprendizaje automático automatizadoEl aprendizaje automático automatizado (AutoML) es el proceso de automatizar una acción aplicando el aprendizaje automático común para resolver problemas reales. Este tipo de aprendizaje fue propuesto como una solución de inteligencia artificial.[1][2] El alto grado de automatización en AutoML permite que aquellos que no son expertos puedan hacer uso de modelos de aprendizaje automático sin necesitar mucha experiencia previa en dicho campo. La automatización del proceso de aprendizaje ofrece otras ventajas, como la producción de soluciones más sencillas y una resolución más rápida. Comparación con el aprendizaje automático estándarEn una aplicación de aprendizaje automático estándar, los practicantes tienen un conjunto de datos que consiste en distintos puntos. Un experto puede tener que aplicar los datos de preprocesado adecuados, realizar métodos de ingeniería, extracción y selección para hacer el conjunto de datos legible para el aprendizaje automático. Siguiendo dichos pasos de preprocesado, los practicantes han de realizar selección de algoritmo y optimización de hiperparámetros para maximizar el rendimiento predictivo su modelo de aprendizaje automático. Una desventaja son los parámetros adicionales de las herramientas AutoML, que pueden necesitar alguna ayuda para establecerse. Aunque existan dicho hiperparámetros, AutoML simplifica la aplicación de aprendizaje automático para aquellos que no son expertos. Objetivos de automatizaciónLa máquina de aprendizaje automático puede tener varios objetivos en su proceso de automatización.[2] Esencialmente los objetivos pueden ser agrupados en campos de preparación, ingeniería, selección de métrica y optimización de hiperparámetros.
Referencias
|