एआई मॉडल और प्लेटफ़ॉर्म
अमेज़न ने केवल कुछ पंक्तियों के साथ एआई मॉडल बनाने के लिए एक नया टूल बनाया है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मशीन लर्निंग को अधिक सुलभ और आसान बनाने के प्रयासों के साथ, विभिन्न कंपनियां गहरे शिक्षण मॉडल के निर्माण और अनुकूलन को सरल बनाने के लिए टूल बना रही हैं। जैसा कि वेंचरबीट रिपोर्ट करता है, अमेज़न ने एक नया टूल लॉन्च किया है जो केवल कुछ पंक्तियों के साथ मशीन लर्निंग मॉडल बनाने और संशोधित करने में मदद करने के लिए डिज़ाइन किया गया है।
(AMZN )एक डेटासेट पर मशीन लर्निंग करना अक्सर एक लंबा और जटिल कार्य होता है। डेटा को बदलना और प्रीप्रोसेस करना होता है, और फिर उचित मॉडल बनाना और अनुकूलित करना होता है। मॉडल के हाइपरपैरामीटर्स को समायोजित करना और फिर से प्रशिक्षित करना एक लंबा समय ले सकता है, और इस तरह की समस्याओं को हल करने में मदद करने के लिए अमेज़न ने ऑटोग्लून लॉन्च किया है। ऑटोग्लून मशीन लर्निंग सिस्टम के निर्माण के साथ आने वाले ओवरहेड को स्वचालित करने का प्रयास है। उदाहरण के लिए, मशीन लर्निंग इंजीनियरों को न केवल एक उपयुक्त आर्किटेक्चर चुनना होता है, बल्कि उन्हें मॉडल के हाइपरपैरामीटर्स के साथ प्रयोग करना भी होता है। ऑटोग्लून दोनों को आसान बनाने का प्रयास करता है – न्यूरल नेट आर्किटेक्चर का निर्माण और उपयुक्त हाइपरपैरामीटर्स का चयन।
ऑटोग्लून 2017 में माइक्रोसॉफ्ट और अमेज़न द्वारा शुरू किए गए काम पर आधारित है। मूल ग्लून एक मशीन लर्निंग इंटरफ़ेस था जो डेवलपर्स को अपने मॉडल बनाने के लिए अनुकूलित घटकों को मिलाने और मिलाने देता था, लेकिन ऑटोग्लून उपयोगकर्ता की इच्छाओं के आधार पर एक मॉडल का निर्माण करता है। ऑटोग्लून कथित तौर पर केवल तीन पंक्तियों के साथ एक मॉडल का उत्पादन करने और मॉडल के लिए हाइपरपैरामीटर्स का चयन करने में सक्षम है, निर्दिष्ट विकल्पों के भीतर। डेवलपर को केवल अपने वांछित प्रशिक्षण पूर्ण समय जैसे कुछ तर्क देने होते हैं, और ऑटोग्लून निर्दिष्ट रनटाइम और उपलब्ध कंप्यूटेशनल संसाधनों के भीतर पूरा होने वाला सर्वोत्तम मॉडल की गणना करेगा।
(MSFT )ऑटोग्लून वर्तमान में छवि वर्गीकरण, पाठ वर्गीकरण, वस्तु का पता लगाना और टेबुलर पूर्वानुमान के लिए मॉडल बनाने में सक्षम है। ऑटोग्लून का एपीआई अधिक अनुभवी डेवलपर्स को ऑटो-जनरेटेड मॉडल को अनुकूलित करने और प्रदर्शन में सुधार करने की अनुमति देने के लिए भी डिज़ाइन किया गया है। वर्तमान में, ऑटोग्लून केवल लिनक्स के लिए उपलब्ध है और यह पाइथन 3.6 या 3.7 की आवश्यकता है।
ऑटोग्लून विकास टीम के हिस्से जोनास मुलर ने ऑटोग्लून के निर्माण के पीछे के तर्क की व्याख्या की:
“हमने ऑटोग्लून को वास्तव में मशीन लर्निंग को लोकतांत्रिक बनाने और सभी डेवलपर्स के लिए गहरे शिक्षण की शक्ति को उपलब्ध कराने के लिए विकसित किया है। ऑटोग्लून इस समस्या का समाधान करता है क्योंकि सभी विकल्प स्वचालित रूप से ज्ञात डिफ़ॉल्ट सीमाओं के भीतर समायोजित होते हैं जो विशिष्ट कार्य और मॉडल के लिए अच्छा प्रदर्शन करते हैं।”
ऑटोग्लून मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए आवश्यक विशेषज्ञता और समय को कम करने के लिए एक नया तरीका है। सॉफ्टवेयर लाइब्रेरी जैसे थेनो ने ग्रेडिएंट वेक्टर की गणना को स्वचालित किया, जबकि केरस ने डेवलपर्स को कुछ वांछित हाइपरपैरामीटर्स को निर्दिष्ट करने की अनुमति दी। अमेज़न का मानना है कि मशीन लर्निंग को लोकतांत्रिक बनाने के लिए अभी भी बहुत कुछ किया जा सकता है, जैसे कि डेटा प्रीप्रोसेसिंग और हाइपरपैरामीटर ट्यूनिंग को सरल बनाना।
ऑटोग्लून का निर्माण अमेज़न द्वारा मशीन लर्निंग प्रणालियों को प्रशिक्षित और तैनात करना आसान और अधिक सुलभ बनाने के प्रयास का हिस्सा लगता है। अमेज़न ने अपने एएवाईएस सूट में मशीन लर्निंग-केंद्रित परिवर्तन भी किए हैं। उदाहरण के लिए, एएवाईएस सेजमेकर टूलकिट में सुधार किए गए हैं। एएवाईएस सेजमेकर टूलकिट एएवाईएस सूट के भीतर डेवलपर्स को क्लाउड में मॉडल प्रशिक्षित और तैनात करने देता है। सेजमेकर विभिन्न टूल्स के साथ आता है जो डेवलपर्स को स्वचालित रूप से अल्गोरिदम चुनने, मॉडल प्रशिक्षित और सत्यापित करने और मॉडल की सटीकता में सुधार करने की अनुमति देता है।
