Uczenie maszynowe to obszar sztucznej inteligencji dotyczący algorytmów dopasowujących swoje wewnętrzne parametry do danych. Duży w tym udział ma czysta matematyka, dzięki której powstają modele, które po procedurze trenowania osiągają wcześniej określony cel. Aby skutecznie korzystać z dobrodziejstw metod uczenia maszynowego, należy nie tylko być obeznanym z królową nauk, która kryje się u podstaw, ale także z programowaniem i algorytmiką. Od pewnego czasu na salony wkraczają narzędzia z rodziny AutoML, które umożliwiają stosowanie uczenia maszynowego w sposób automatyczny, także dla osób niezwiązanych z rozwojem sztucznej inteligencji. W tym artykule weźmiemy pod lupę dostępne rozwiązania AutoML i przyjrzymy się, jak z nich sprawnie korzystać...

Zagadnienia poruszane w tym artykule:

• Czym jest AutoML?
• Rynek AutoML;
• Możliwości i zastosowania AutoML;
• AutoML w akcji, czyli tworzenie klasyfikatora obrazów;
• Zbiór danych;
• Transfer zbioru danych do chmury;
• Etykiety;
• Zbiór treningowy;
• Trening;
• Jakość wytrenowanego modelu;
• Wdrożenie modelu;
• Dostęp do punktu końcowego z zewnątrz;
• Perspektywy i wnioski.

Artykuł pochodzi z magazynu Programista nr 108 (3/2023). Magazyn jest z okresu wakacji 2023 roku. Szczegółowy spis treści wydania nr 108: https://programistamag.pl/programista-3-2023-108/

Autorem artykułu jest Tomasz Krzywicki. https://krzywicki.pro/. Programowaniem zajmuje się od 2010 roku. Obecnie pracuje z językami Python oraz Go. Zawodowo związany z Uniwersytetem Warmińsko-Mazurskim w Olsztynie, Uniwersytetem SWPS oraz firmą Billennium. Autor oraz współautor książek i artykułów naukowych. Specjalizuje się w przetwarzaniu i rozpoznawaniu obrazów, projektowaniu systemów uczących się dla obszaru medycyny oraz w rozwiązaniach backendowych.