Πολυτροπική βαθιά εκμάθηση σε λιγότερες από 15 γραμμές κώδικα

Σύνδεσμοι Μηνύματα

Οι προκλήσεις της κατασκευής πολυτροπικών μοντέλων από την αρχή

 
Για πολλές περιπτώσεις χρήσης μηχανικής μάθησης, οι οργανισμοί βασίζονται αποκλειστικά σε δεδομένα πίνακα και μοντέλα που βασίζονται σε δέντρα, όπως το XGBoost και το LightGBM. Αυτό συμβαίνει επειδή η βαθιά εκμάθηση είναι απλώς πολύ δύσκολη για τις περισσότερες ομάδες ML. Οι κοινές προκλήσεις περιλαμβάνουν:

• Έλλειψη ειδικών γνώσεων που απαιτούνται για την ανάπτυξη πολύπλοκων μοντέλων βαθιάς μάθησης
• Πλαίσια όπως το PyTorch και το Tensorflow απαιτούν από τις ομάδες να γράψουν χιλιάδες γραμμές κώδικα που είναι επιρρεπείς σε ανθρώπινο λάθος
• Η εκπαίδευση κατανεμημένων αγωγών DL απαιτεί βαθιά γνώση της υποδομής και μπορεί να χρειαστούν εβδομάδες για την εκπαίδευση μοντέλων

Ως αποτέλεσμα, οι ομάδες χάνουν πολύτιμα σήματα που κρύβονται σε μη δομημένα δεδομένα, όπως κείμενο και εικόνες.

Ταχεία ανάπτυξη μοντέλων με δηλωτικά συστήματα

 
Νέα δηλωτικά συστήματα μηχανικής μάθησης —όπως ο Λούντβιγκ ανοιχτού κώδικα που ξεκίνησε στην Uber— παρέχουν μια προσέγγιση χαμηλού κώδικα για την αυτοματοποίηση της ML που επιτρέπει στις ομάδες δεδομένων να δημιουργούν και να αναπτύσσουν πιο γρήγορα μοντέλα αιχμής με ένα απλό αρχείο διαμόρφωσης. Συγκεκριμένα, το Predibase —η κορυφαία δηλωτική πλατφόρμα ML χαμηλού κώδικα— μαζί με τη Ludwig διευκολύνει τη δημιουργία πολυτροπικών μοντέλων βαθιάς εκμάθησης σε < 15 γραμμές κώδικα.

Μάθετε πώς να δημιουργείτε ένα πολυτροπικό μοντέλο με δηλωτική ML

 
Λάβετε μέρος στο επερχόμενο διαδικτυακό σεμινάριο μας και ζωντανό σεμινάριο για να μάθετε σχετικά με τα δηλωτικά συστήματα όπως το Ludwig και να ακολουθήσετε μαζί με οδηγίες βήμα προς βήμα για τη δημιουργία ενός πολυτροπικού μοντέλου πρόβλεψης αξιολόγησης πελατών αξιοποιώντας κείμενο και δεδομένα πίνακα. 

Σε αυτή τη συνεδρία θα μάθετε πώς να:

• Εκπαιδεύστε γρήγορα, επαναλάβετε και αναπτύξτε ένα πολυτροπικό μοντέλο για προβλέψεις αξιολόγησης πελατών,
• Χρησιμοποιήστε δηλωτικά εργαλεία ML χαμηλού κώδικα για να μειώσετε δραματικά τον χρόνο που χρειάζεται για τη δημιουργία πολλαπλών μοντέλων ML,
• Αξιοποιήστε μη δομημένα δεδομένα εξίσου εύκολα με τα δομημένα δεδομένα με ανοιχτού κώδικα Ludwig και Predibase

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• πηγή: https://www.kdnuggets.com/2023/01/predibase-multi-modal-deep-learning-less-15-lines-code.html?utm_source=rss&utm_medium=rss&utm_campaign=multi-modal-deep-learning-in-less-than-15-lines-of-code