15줄 미만의 코드로 멀티모달 딥 러닝

스폰서 포스트

멀티모달 모델을 처음부터 구축하는 데 따르는 어려움

 
많은 기계 학습 사용 사례에서 조직은 XGBoost 및 LightGBM과 같은 테이블 형식 데이터 및 트리 기반 모델에만 의존합니다. 딥 러닝은 대부분의 ML 팀에게 너무 어렵기 때문입니다. 일반적인 문제는 다음과 같습니다.

• 복잡한 딥 러닝 모델 개발에 필요한 전문 지식 부족
• PyTorch 및 Tensorflow와 같은 프레임워크를 사용하려면 팀에서 사람이 실수하기 쉬운 수천 줄의 코드를 작성해야 합니다.
• 분산 DL 파이프라인을 교육하려면 인프라에 대한 깊은 지식이 필요하며 모델을 교육하는 데 몇 주가 걸릴 수 있습니다.

결과적으로 팀은 텍스트 및 이미지와 같은 구조화되지 않은 데이터에 숨겨진 귀중한 신호를 놓치게 됩니다.

선언적 시스템을 통한 신속한 모델 개발

 
Uber에서 시작된 오픈 소스 Ludwig와 같은 새로운 선언적 기계 학습 시스템은 데이터 팀이 간단한 구성 파일을 사용하여 최신 모델을 더 빠르게 구축하고 배포할 수 있도록 하는 ML 자동화에 대한 로우 코드 접근 방식을 제공합니다. 특히 Ludwig와 함께 선도적인 로우 코드 선언적 ML 플랫폼인 Predibase를 사용하면 15줄 미만의 코드로 다중 모달 딥 러닝 모델을 쉽게 구축할 수 있습니다.

선언적 ML로 다중 모달 모델을 구축하는 방법 알아보기

 
다가오는 웨비나에 참여하세요 Ludwig와 같은 선언적 시스템에 대해 배우고 텍스트 및 표 데이터를 활용하여 다중 모달 고객 리뷰 예측 모델을 구축하기 위한 단계별 지침을 따라가는 라이브 자습서. 

이 세션에서는 다음 방법을 배웁니다.

• 고객 검토 예측을 위한 다중 모드 모델을 신속하게 교육, 반복 및 배포합니다.
• 로우 코드 선언적 ML 도구를 사용하여 여러 ML 모델을 구축하는 데 걸리는 시간을 크게 줄입니다.
• 오픈 소스 Ludwig 및 Predibase를 통해 구조화된 데이터만큼 쉽게 구조화되지 않은 데이터 활용

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: 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