El aprendizaje automático automatizado del MIT es 100 veces más rápido que los científicos de datos humanos

Auto Tune Models (ATM) es un sistema automatizado que supera a las soluciones de aprendizaje automático diseñadas por humanos en el 30 % del conjunto de datos de prueba.

¿Crear una presentación de diapositivas, un tono o una presentación? Aquí está la esencia:

• Una plataforma automatizada de aprendizaje automático llamada Auto Tune Models (ATM) del MIT y la Universidad Estatal de Michigan utiliza computación bajo demanda basada en la nube para acelerar el análisis de datos. – Instituto Tecnológico de Massachusetts y Universidad Estatal de Michigan, 2017
• Los cajeros automáticos pueden proporcionar mejores soluciones que las que los humanos pueden encontrar el 30% del tiempo y hasta 100 veces más rápido. – Instituto Tecnológico de Massachusetts y Universidad Estatal de Michigan, 2017

Un nuevo sistema de aprendizaje automático automatizado puede analizar datos y generar soluciones 100 veces más rápido que los humanos, según un nuevo artículo del MIT y la Universidad Estatal de Michigan. Esto puede ayudar a las empresas a aprovechar el poder del aprendizaje automático de manera más rápida y sencilla, al mismo tiempo que llena las brechas de talento en ciencia de datos.

El sistema también podría marcar un punto de inflexión para la adopción empresarial del aprendizaje automático, que se espera que se duplique en 2023, informó el sitio hermano de Tecnopedia, ZDNet.

Informes de big data de lectura obligada

Al buscar soluciones a los problemas, los científicos de datos deben analizar detenidamente grandes conjuntos de datos y luego elegir las técnicas de modelado que creen que serán más efectivas. El problema es que hay cientos de técnicas para elegir, incluidas las redes neuronales y las máquinas de vectores de soporte, y elegir la mejor técnica puede significar millones de dólares en ingresos publicitarios o ningún ingreso publicitario, o encontrar una falla en un dispositivo médico o no.

Investigadores del MIT y la Universidad Estatal de Michigan publicaron recientemente un artículo en la Conferencia Internacional IEEE sobre Big Data llamado Auto Tune Models (ATM), en el que muestran cómo un nuevo sistema automatizado puede elegir mejor que los humanos una técnica de modelado.

VER: Investigación: las empresas carecen de las habilidades para implementar y respaldar la IA y el aprendizaje automático (Tech Pro Research)

Según un artículo de MIT News, ATM utiliza computación bajo demanda basada en la nube para realizar búsquedas de alto rendimiento y encontrar la mejor técnica de modelado para un problema determinado. El sistema también ajusta los hiperparámetros del modelo, o valores que especifican cómo se entrena el modelo, para lograr los mejores resultados.

Los investigadores probaron el sistema en humanos a través de open-ml.org, una plataforma colaborativa de crowdsourcing donde los científicos de datos trabajan juntos para resolver problemas. ATM analizó 371 conjuntos de datos de la plataforma. Los investigadores descubrieron que el sistema pudo encontrar mejores soluciones que las desarrolladas por humanos el 30 por ciento de las veces.

Los cajeros automáticos también funcionan mucho más rápido que los humanos: los usuarios humanos de Open-ML tardan un promedio de 200 días en entregar una solución, mientras que los cajeros automáticos pueden crear modelos de mejor rendimiento en menos de un día.

Arun Ross, profesor de informática e ingeniería en la Universidad Estatal de Michigan y autor principal del artículo, dijo a MIT News que los cajeros automáticos pueden mejorar el trabajo de los científicos de datos, dándoles más tranquilidad de que están eligiendo el modelo correcto.

«Hay muchas opciones», dijo Ross a MIT News. «Si un científico de datos elige máquinas de vectores de soporte como técnica de modelado, la pregunta de si debería elegir redes neuronales para una mayor precisión siempre está en su mente».

VER: Gestión de IA y ML en la empresa (informe especial de ZDNet) | Descargue el informe en formato PDF (Tecnopedia)

ATM busca técnicas probando miles de modelos en paralelo, evaluando cada modelo y asignando más recursos informáticos al modelo que mejor se adapta al problema. Luego, el sistema muestra sus resultados como una distribución, para que los investigadores puedan comparar diferentes métodos. Como tal, dijo Ross a MIT News, no está tratando de automatizar a los humanos fuera del proceso.

Los investigadores notaron que simplificar el proceso de selección de modelos a través de la automatización podría permitir a los científicos de datos lidiar con partes más complejas del problema. «Queremos que nuestro sistema libere

Los expertos dedican más tiempo a la comprensión de datos, la formulación de problemas y la caracterización.

Kalyan Veeramachaneni, científico investigador principal del Laboratorio de Sistemas de Información y Decisión del MIT y coautor del artículo, dijo a MIT News.

Actualmente, ATM está disponible para las empresas como una plataforma de código abierto.Puede ejecutarse en una computadora independiente, un clúster de computación local o un clúster bajo demanda en la nube, y puede usarse con

MIT señala que existen múltiples conjuntos de datos y múltiples usuarios simultáneamente. Veeramachaneni le dijo a MIT News: «Un equipo de ciencia de datos de tamaño pequeño a mediano puede construir y comenzar a producir modelos en solo unos pocos pasos».

Gran esperanza de la ciencia de datos: el aprendizaje automático puede curar la mala higiene de los datos (ZDNet)

Aprendizaje automático: una guía para personas inteligentes (Tecnopedia)

Cómo construir un equipo de ciencia de datos (ZDNet)

5 consejos para superar las barreras a la adopción del aprendizaje automático en la empresa (Tecnopedia)