Amazon Crea una Nueva Herramienta para Ingenierizar Modelos de IA con Solo Unas Pocas Líneas de Código

Como aumentan los esfuerzos para hacer que el aprendizaje automático sea más accesible, diferentes empresas están creando herramientas para simplificar la creación y optimización de modelos de aprendizaje profundo. Como informa VentureBeat, Amazon (AMZN ) lanzó una nueva herramienta diseñada para ayudar a crear y modificar modelos de aprendizaje automático en solo unas pocas líneas de código.

Realizar aprendizaje automático en un conjunto de datos es a menudo una tarea larga y compleja. Los datos deben transformarse y preprocesarse, y luego se debe crear y personalizar el modelo adecuado. Ajustar los hiperparámetros de un modelo y volver a entrenarlo puede llevar mucho tiempo, y para ayudar a resolver problemas como este, Amazon ha lanzado AutoGluon. AutoGluon es un intento de automatizar gran parte de la sobrecarga que normalmente conlleva la creación de un sistema de aprendizaje automático. Por ejemplo, no solo los ingenieros de aprendizaje automático deben decidir sobre una arquitectura adecuada, sino que también necesitan experimentar con los hiperparámetros del modelo. AutoGluon se esfuerza por hacer que la creación de la arquitectura de la red neuronal y la selección de hiperparámetros adecuados sean más fáciles.

AutoGluon se basa en un trabajo que comenzó inicialmente Microsoft (MSFT ) y Amazon en 2017. El Gluon original era una interfaz de aprendizaje automático diseñada para permitir a los desarrolladores mezclar y combinar componentes optimizados para crear sus propios modelos, pero AutoGluon simplemente crea un modelo de extremo a extremo, basado en los deseos del usuario. AutoGluon reportedly es capaz de producir un modelo y seleccionar los hiperparámetros para el modelo, dentro de un rango de opciones especificadas, con solo tres líneas de código. El desarrollador solo tiene que proporcionar algunos argumentos como su tiempo de finalización de entrenamiento deseado, y AutoGluon calculará el mejor modelo que se completará dentro del tiempo de ejecución especificado y con los recursos de cálculo disponibles.

AutoGluon actualmente es capaz de crear modelos para clasificación de imágenes, clasificación de texto, detección de objetos y predicción tabular. La API de AutoGluon también está diseñada para permitir que los desarrolladores más experimentados puedan personalizar el modelo auto-generado y mejorar el rendimiento. Actualmente, AutoGluon solo está disponible para Linux y requiere Python 3.6 o 3.7.

Jonas Mueller, parte del equipo de desarrollo de AutoGluon, explicó la razón detrás de la creación de AutoGluon:

“Desarrollamos AutoGluon para verdaderamente democratizar el aprendizaje automático, y hacer que el poder del aprendizaje profundo esté disponible para todos los desarrolladores. AutoGluon resuelve este problema ya que todas las opciones se ajustan automáticamente dentro de rangos predeterminados que se conocen para funcionar bien para la tarea y el modelo en particular.”

AutoGluon es un nuevo método dentro de una larga línea de métodos destinados a reducir la experiencia y el tiempo necesarios para entrenar modelos de aprendizaje automático. Las bibliotecas de software como Theano automatizaron el cálculo de vectores de gradiente, mientras que Keras permitió a los desarrolladores especificar ciertos hiperparámetros deseados con facilidad. Amazon cree que todavía hay más terreno que cubrir cuando se trata de democratizar el aprendizaje automático, como hacer que el preprocesamiento de datos y la afinación de hiperparámetros sean más simples.

La creación de AutoGluon parece ser parte de un esfuerzo de Amazon para hacer que el entrenamiento y la implementación de sistemas de aprendizaje automático sean más fáciles y accesibles. Amazon también ha realizado cambios centrados en el aprendizaje automático en su suite de AWS. Por ejemplo, se han realizado mejoras en la herramienta AWS Sagemaker. La herramienta AWS SageMaker dentro de la suite de AWS permite a los desarrolladores entrenar y implementar modelos en la nube. SageMaker viene con una variedad de herramientas que permiten a los desarrolladores elegir algoritmos automáticamente, entrenar y validar modelos, y mejorar la precisión de los modelos.