یادگیری عمیق چند وجهی در کمتر از 15 خط کد

حمایت ارسال

چالش های ساخت مدل های چند وجهی از ابتدا

 
برای بسیاری از موارد استفاده از یادگیری ماشین، سازمان‌ها تنها به داده‌های جدولی و مدل‌های مبتنی بر درخت مانند XGBoost و LightGBM متکی هستند. این به این دلیل است که یادگیری عمیق برای اکثر تیم های ML بسیار سخت است. چالش های رایج عبارتند از:

• فقدان دانش تخصصی مورد نیاز برای توسعه مدل های پیچیده یادگیری عمیق
• چارچوب‌هایی مانند PyTorch و Tensorflow به تیم‌ها نیاز دارند که هزاران خط کد بنویسند که مستعد خطای انسانی است.
• آموزش خطوط لوله DL توزیع شده به دانش عمیق زیرساخت نیاز دارد و آموزش مدل ها ممکن است هفته ها طول بکشد

در نتیجه، تیم‌ها سیگنال‌های ارزشمندی را که در داده‌های بدون ساختار مانند متن و تصاویر پنهان شده‌اند، از دست می‌دهند.

توسعه سریع مدل با سیستم های اعلامی

 
سیستم‌های یادگیری ماشینی اعلامی جدید - مانند لودویگ منبع باز که در اوبر شروع به کار کرد - رویکردی کم‌کد برای خودکارسازی ML ارائه می‌کند که تیم‌های داده را قادر می‌سازد تا با یک فایل پیکربندی ساده، مدل‌های پیشرفته‌تر را سریع‌تر بسازند و مستقر کنند. به طور خاص، Predibase - پلت فرم پیشرو ML اعلامی با کد پایین - در کنار Ludwig ساختن مدل‌های یادگیری عمیق چندوجهی را در کمتر از 15 خط کد آسان می‌کند.

یاد بگیرید که چگونه یک مدل چند وجهی با ML اعلامی بسازید

 
به وبینار آینده ما بپیوندید و آموزش زنده برای یادگیری در مورد سیستم‌های اعلامی مانند لودویگ و دنبال کردن دستورالعمل‌های گام به گام برای ساخت یک مدل پیش‌بینی بررسی مشتری چندوجهی با استفاده از متن و داده‌های جدولی. 

در این جلسه یاد خواهید گرفت که چگونه:

• آموزش سریع، تکرار و استقرار یک مدل چند وجهی برای پیش‌بینی‌های بررسی مشتری،
• از ابزارهای ML اعلامی با کد پایین برای کاهش چشمگیر زمان لازم برای ساخت چندین مدل ML استفاده کنید.
• با استفاده از لودویگ و Predibase منبع باز، داده های بدون ساختار را به آسانی به اندازه داده های ساخت یافته استفاده کنید.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• منبع: 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