Multimodalno globoko učenje v manj kot 15 vrsticah kode

Sponsored Post

Izzivi gradnje večmodalnih modelov iz nič

 
Za številne primere uporabe strojnega učenja se organizacije zanašajo izključno na tabelarične podatke in drevesne modele, kot sta XGBoost in LightGBM. To je zato, ker je globoko učenje preprosto pretežko za večino ekip ML. Pogosti izzivi vključujejo:

• Pomanjkanje strokovnega znanja, potrebnega za razvoj kompleksnih modelov globokega učenja
• Ogrodja, kot sta PyTorch in Tensorflow, zahtevajo, da ekipe napišejo na tisoče vrstic kode, ki je nagnjena k človeškim napakam
• Usposabljanje porazdeljenih cevovodov DL zahteva globoko poznavanje infrastrukture in lahko traja več tednov, da se usposobijo modeli

Posledično ekipe zamudijo dragocene signale, skrite v nestrukturiranih podatkih, kot so besedilo in slike.

Hiter razvoj modela z deklarativnimi sistemi

 
Novi deklarativni sistemi strojnega učenja – kot je odprtokodni Ludwig, ki je začel pri Uberju – zagotavljajo nizko kodni pristop k avtomatizaciji strojnega učenja, ki podatkovnim ekipam omogoča hitrejšo gradnjo in uvajanje najsodobnejših modelov s preprosto konfiguracijsko datoteko. Natančneje, Predibase – vodilna deklarativna platforma ML z nizko kodo – skupaj z Ludwigom olajša izdelavo večmodalnih modelov globokega učenja v < 15 vrsticah kode.

Naučite se zgraditi večmodalni model z deklarativnim ML

 
Pridružite se našemu prihajajočemu spletnemu seminarju in vadnico v živo, da spoznate deklarativne sisteme, kot je Ludwig, in sledite navodilom po korakih za izdelavo večmodalnega modela napovedovanja pregledov strank, ki uporablja besedilne in tabelarične podatke. 

Na tej seji se boste naučili, kako:

• Hitro usposobiti, ponoviti in uvesti večmodalni model za napovedi ocen strank,
• Uporabite deklarativna orodja ML z nizko kodo, da dramatično skrajšate čas, ki je potreben za izdelavo več modelov ML,
• Izkoristite nestrukturirane podatke enako preprosto kot strukturirane podatke z odprtokodnim programom Ludwig in Predibase

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. Dostopite tukaj.
• vir: 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