自动化机器学习(AutoML)有望将原始数据转换为准确的预测,而不需要大量的人力、专业知识和人工实验。在这个讲座式的教程中,我们将演示多模态AutoML的基本技术。与大多数专注于解决包含分类和数字特征的表格任务的AutoML系统不同,我们考虑对各种类型的数据(包括表格特征、文本和图像及其组合)进行监督学习任务。我们强调的不是单个ML模型如何工作的技术描述,而是如何在接受原始训练数据并输出测试数据预测的整体ML流程中最好地使用模型。

我们教程的主要重点是自动构建和训练深度学习模型,这些模型功能强大,但手动管理起来很麻烦。本教程中涉及的每个主题都附带了一个实践的Jupyter笔记本,它实现了最佳实践(教程前后都可以在GitHub上获得)。大部分代码采用了AutoGluon,这是一个最新的开源AutoML工具包,它既先进又易于使用。

成为VIP会员查看完整内容
75

相关内容

自动机器学习(AutoML)是将机器学习应用于实际问题的过程的自动化过程。AutoML涵盖了从原始数据集到可部署的机器学习模型的完整管道。提出将AutoML作为基于人工智能的解决方案来应对不断增长的应用机器学习的挑战。 AutoML的高度自动化允许非专家使用机器学习模型和技术,而无需首先成为该领域的专家。 从机器学习角度讲,AutoML 可以看作是一个在给定数据和任务上学习和泛化能力非常强大的系统。但是它强调必须非常容易使用;从自动化角度讲,AutoML 则可以看作是设计一系列高级的控制系统去操作机器学习模型,使得模型可以自动化地学习到合适的参数和配置而无需人工干预。
【牛津大学博士论文】多模态自监督学习,172页pdf
专知会员服务
132+阅读 · 2022年10月4日
【KDD2022教程】Transformers多模态数据分类,41页ppt
专知会员服务
83+阅读 · 2022年8月18日
《机器学习的最优传输》教程,63页PPT
专知会员服务
61+阅读 · 2022年4月30日
2022新年荐书!最值得一读的8部机器学习教程(PDF下载)
专知会员服务
110+阅读 · 2022年1月11日
专知会员服务
74+阅读 · 2021年7月23日
专知会员服务
305+阅读 · 2020年11月24日
专知会员服务
45+阅读 · 2020年8月23日
KDD2021 | 图表示学习系统教程 (附Slides)
机器学习与推荐算法
3+阅读 · 2021年9月7日
斯坦福AI实验室机器学习编程新范式:弱监督
机器之心
12+阅读 · 2019年3月22日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月3日
Arxiv
69+阅读 · 2022年6月13日
Arxiv
63+阅读 · 2022年4月13日
Arxiv
16+阅读 · 2021年7月18日
A Survey on Data Augmentation for Text Classification
Arxiv
35+阅读 · 2021年1月27日
Arxiv
14+阅读 · 2020年10月26日
VIP会员
相关VIP内容
【牛津大学博士论文】多模态自监督学习,172页pdf
专知会员服务
132+阅读 · 2022年10月4日
【KDD2022教程】Transformers多模态数据分类,41页ppt
专知会员服务
83+阅读 · 2022年8月18日
《机器学习的最优传输》教程,63页PPT
专知会员服务
61+阅读 · 2022年4月30日
2022新年荐书!最值得一读的8部机器学习教程(PDF下载)
专知会员服务
110+阅读 · 2022年1月11日
专知会员服务
74+阅读 · 2021年7月23日
专知会员服务
305+阅读 · 2020年11月24日
专知会员服务
45+阅读 · 2020年8月23日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年10月3日
Arxiv
69+阅读 · 2022年6月13日
Arxiv
63+阅读 · 2022年4月13日
Arxiv
16+阅读 · 2021年7月18日
A Survey on Data Augmentation for Text Classification
Arxiv
35+阅读 · 2021年1月27日
Arxiv
14+阅读 · 2020年10月26日
微信扫码咨询专知VIP会员