Команда Intelligent Data Team
Если вы использовали алгоритмы машинного обучения, то наверняка сталкивались с трудностями настройки параметров. Сталкиваясь со сложными параметрами алгоритма, пользователи алгоритма всегда заканчивают тем, что тратят бесчисленное количество ночей на постоянные попытки. Они могут, наконец, найти удовлетворительную комбинацию параметров, поработав всю ночь. Однако действительно ли найденная комбинация параметров является лучшей? Никто не знает.
При установлении связи с машинным обучением настройка параметров — не единственная трудоемкая и трудоемкая работа. После того, как модель алгоритма сгенерирована, разработчикам также приходится ломать голову, чтобы выяснить, как они внедряют модель в сервис, который будет вызываться терминалами, такими как мобильные телефоны и ПК. Иногда, чтобы подключить такие ссылки, разработчикам нужно потратить целую ночь на отладку связи между моделями разных форматов и сервером.
Услуги искусственного интеллекта (ИИ) облегчают жизнь людей. Будут ли они также предоставлять удобную среду разработки для инженеров-алгоритмистов? Сокращение времени разработки — общее желание инженеров-алгоритмистов. Сегодня Платформа искусственного интеллекта (PAI) выпускает механизм автоматического машинного обучения (AutoML) для решения проблем в процессе машинного обучения с помощью методов машинного обучения.
Введение в AutoML
Что такое PAI AutoML? AutoML означает автоматизацию всего процесса машинного обучения. После загрузки данных машинного обучения процесс машинного обучения можно разделить на три этапа: обучение модели, оценка и развертывание.
Автоматическая настройка параметров PAI
Функция автоматической настройки параметров PAI имеет большое значение как для опытных, так и для новых пользователей алгоритма.
- Пользователи новых алгоритмов не знают математический принцип каждого параметра алгоритма в процессе вычисления алгоритма и не имеют представления о настройке параметров. Автоматическая настройка параметров помогает им быстро решить проблему.
- Старшие пользователи алгоритмов имеют опыт настройки параметров. Однако их опыт связан с руководством по настройке параметров. Для подробных параметров им все еще нужны повторные попытки. Например, для параметра со значением в диапазоне от 0 до 100 старшие пользователи алгоритма могут определить результаты, когда параметр установлен на 90 или 80, исходя из своего опыта. Но в более мелкой детализации, например, когда параметр установлен на 81 или 82, им также нужно вручную протестировать, что лучше для результата. К счастью, функция автоматической настройки параметров может сэкономить время, затрачиваемое на такие повторные попытки.
В настоящее время основной метод настройки параметров в отрасли основан на параллельном поиске, основанном на поиске по сетке и случайном поиске. Система многократно выбирает возможные комбинации параметров на основе случайного принципа и пытается найти наилучшую комбинацию параметров с помощью повторных итераций. Каждое исследование является независимым. Одним из преимуществ является то, что пользователи алгоритмов могут исследовать лучшие решения в более широком пространстве параметров, а не в локальном пространстве. Недостатком является то, что каждое исследование является случайным, не имеет процесса накопления информации и тратит вычислительные ресурсы впустую.
PAI предоставляет Evolutionary Optimizer, творческий метод настройки параметров, гарантирующий, что каждая итерация модели автоматически разрабатывается в оптимизированном диапазоне набора параметров предыдущего раунда, а встроенный эффективный алгоритм помогает быстро найти наиболее подходящую комбинацию параметров, значительно сокращая потребление вычислительных ресурсов и количество исследований параметров. Нужно просто терпеливо ждать, пока чудо не придет.
На следующем рисунке показан эффект итерации настройки параметров Evolutionary Optimizer. Вы можете четко видеть улучшение эффекта каждой итерации.
Автоматическая оценка моделей PAI
PAI AutoML предоставляет многомерные методы оценки алгоритмов. После того, как вы выберете необходимые показатели оценки из F1Score, Precision, Recall и AUC, система автоматически выполнит оценку модели и предоставит услуги последующей среде обучения. Все процессы оценки не требуют ручного вмешательства.
Таблица заказа моделей:
Конфигурация поставки модели:
Быстрый выпуск моделей PAI
После создания модели вы можете быстро передать ее в службу API на PAI. После того, как вы нажмете «Развернуть», система отобразит список развертываемых моделей в текущем эксперименте. Вы можете выбрать необходимые модели и быстро их развернуть.
После завершения развертывания автоматически появляется платформа управления онлайн-сервисами. Вы можете управлять всеми моделями на платформе.
Пример использования
Действительно ли PAI AutoML полезен для бизнеса пользователей? Давайте выясним это из отзывов пользователей после того, как они используют PAI на платформе Alibaba Cloud. Клиент YZ STAR GAME специализируется на мобильной нативной и интерактивной видеорекламе и занимается видеорекламой с вознаграждением уже более двух лет. По мере роста своего бизнеса компания сталкивается с растущими проблемами эффективности интеллектуальной рекламы на нескольких платформах, по нескольким каналам и в нескольких режимах.
Технический директор YZ STAR GAME сказал, что Alibaba Cloud PAI предоставляет сервисные возможности с низким порогом и легким запуском. В этом случае предприятия могут быть быстро согласованы с платформой машинного обучения на основе больших данных, что ускорит развитие бизнеса компании. На основе механизма PAI AutoML заказчик может быстро находить целевых пользователей на разных платформах и в разных режимах.
Благодаря механизму PAI AutoML компания YZ STAR GAME повысила точность модели на 40% во время настройки параметров и ожидает более 10 миллионов автоматических развертываний после запуска всех предприятий, что, как ожидается, снизит затраты на человеческий труд на 20–30%. Самое главное, что время, затрачиваемое на создание бизнеса на сервисной платформе машинного обучения, сокращается как минимум на полгода.
Схема архитектуры:
Вывод
Механизм PAI AutoML предназначен для минимизации затрат на создание бизнеса по машинному обучению. Текущие доступные службы оптимизации параметров обучения модели и услуги быстрого развертывания модели уже помогли сократить затраты на человеческий труд. В будущем PAI продолжит инвестировать в эту часть, чтобы сделать машинное обучение и ИИ более доступными.
Чтобы узнать больше об облачной платформе машинного обучения Alibaba для ИИ, посетите сайт www.alibabacloud.com/product/machine-learning.
