Automatisiertes maschinelles Lernen
aus Wikipedia, der freien Enzyklopädie
Automatisiertes maschinelles Lernen (AutoML) bezeichnet die Automatisierung verschiedener Schritte, welche beim maschinellen Lernen anfallen.
Typische Techniken, welche bei AutoML benutzt werden, sind Datenvorverarbeitung (z. B. Imputation (Statistik)), Feature engineering, Hyperparameteroptimierung, Meta-Learning und Neuronale Architektursuche.[1]
Darstellung der Schritte von AutoAI, welches AutoML um weiter Schritte des Lebenszyklus eines Modells erweitert. Dazu gehört das Deployment des Modells sowie die Überwachung auf Data drifts.
Beispielanwendungen sind Auto-Sklearn, AutoGluon, Auto-PyTorch oder PyCaret.
Einzelnachweise
- ↑ Xin He, Kaiyong Zhao, Xiaowen Chu: AutoML: A survey of the state-of-the-art. In: Knowledge-Based Systems. Band 212, 5. Januar 2021, ISSN 0950-7051, S. 106622, doi:10.1016/j.knosys.2020.106622 (sciencedirect.com [abgerufen am 12. September 2022]).
