O que é Automated Machine Learning?

Todo algoritmo de machine learning trabalha de forma diferente e possui diferentes requisitos de dados. Por exemplo, alguns algoritmos precisam de informações numéricas para serem normalizados, outros não. O DataRobot transforma dados brutos em um formato específico que cada algorítimo precisa para atingir a performance ideal e segue as melhores práticas de particionamento de dados.Como Que Blueprints de Modelos Agregam Valor ao DataRobot?

Engenharia de Recursos é o processo de modificar dados para ajudar os algorítimos de machine learning a trabalharem melhor, e este é um processo que costuma ser caro e demorado. A partir das funcionalidades numéricas, categóricas e de texto existentes, o DataRobot formula novos recursos. A plataforma sabe quais algoritmos são beneficiados pela aplicação adicional de engenharia de recursos, e gera apenas funcionalidades que fazem sentido, considerando as características dos dados.Engenharia Automatizada de Recursos

Cada conjunto de dados contém informações específicas que refletem as características individuais de uma organização. Devido à variedade de situações e condições, um algoritmo não pode conseguir resolver todos os possíveis problemas da organização ou do conjunto de dados. Com o DataRobot, você tem acesso imediato a centenas de algoritmos diferentes e ao pré-processamento necessário, para testar com seus dados a fim de encontrar qual é o melhor para seu desafio específico de IA.IAs são Individuais, Assim como Pessoas

Poder contar com centenas de algoritmos é ótimo mas, em muitos casos, os usuários não têm tempo para testar cada um deles em seus dados. Alguns algoritmos não são adequados aos dados, outros não são adequados às dimensões dos dados e outros tem pouca probabilidade de trabalharem bem com seus dados. O DataRobot irá rodar apenas os algoritmos que fazem sentido para seus dados.Uma IA Pode Recomendar o Melhor Algoritmo para o Meu Caso?

O treinamento do modelo em seus dados é padrão para qualquer software de machine learning. A DataRobot vai além do padrão, usando um ajuste inteligente com hiperparâmetros, não apenas a força bruta, para ajustar os hiperparâmetros mais importantes para cada algoritmo. A plataforma sabe quais funcionalidades incluir e quais deixar de fora, e qual método de seleção de funcionalidades funciona melhor para diferentes algoritmos.

No jargão da ciência de dados, grupos de algoritmos funcionando em conjunto para um resultado estimado são chamados de “ensembles” ou “blenders". Os pontos fortes de cada algoritmo compensam os pontos fracos dos outros. Modelos de ensemble tipicamente têm desempenho superior ao de algoritmos individuais devido à sua diversidade. O DataRobot encontra os algoritmos ideais para se combinarem e ajusta seus pesos dentro de cada modelo de blender.

É impossível saber antecipadamente qual algoritmo terá o melhor desempenho, portanto, é preciso comparar a precisão e a velocidade dos diferentes algoritmos em seus dados, independente de qual linguagem de programação ou biblioteca de machine learning os originou. É como se fosse uma competição entre os modelos, onde o melhor vence! O DataRobot desenvolve e treina dezenas de modelos, compara os resultados e os classifica por precisão, velocidade e a combinação mais eficiente de dois.Competição no Blog de IA

Nos últimos anos, machine learning e IA tiveram um grande avanço em seu poder preditivo, mas o preço disso foi o aumento da complexidade. Não é suficiente que um modelo tenha uma boa pontuação em termos de precisão e velocidade – também é preciso que se possa confiar nas respostas que ele gera. Em setores regulados da indústria, é necessário justificar o modelo para um órgão regulador. O DataRobot explica as decisões do modelo de uma forma que seres humanos consigam interpretá-las, mostrando quais funcionalidades têm o maior impacto na precisão de cada modelo e os padrões adequados a cada funcionalidade. O DataRobot pode também oferecer explicações sobre as predições para ilustrar as principais razões para que uma predição específica tenha sido feita.Diga-me boa razão para confiar em inteligência artificial.

Um artigo recente da Harvard Business Review descreveu uma equipe de analistas que desenvolveu um modelo preditivo incrível, mas faltava à organização a infraestrutura necessária para implementar diretamente o modelo treinado em uma configuração de produção, e isso acabou sendo uma perda de tempo e recursos. Todos os modelos do DataRobot são prontos para a produção e podem ser aplicados de diversas maneiras em um hardware padrão do sistema.

Implantação de Modelos com DataRobot

Em um mundo em constante mudança, suas aplicações de IA precisam estar sintonizadas com as últimas tendências O DataRobot facilita a comparação de predições com os resultados reais e o treinamento de um novo modelo com base nos dados mais recentes. O DataRobot também identifica proativamente quando a performance de um modelo está deteriorando ao longo do tempo.O que é Risco de Modelo e Por Que isso Importa?