هوش مصنوعی خودکار ( هوش مصنوعی خودکار ) یک شاخه از یادگیری ماشین خودکار ( یادگیری ماشین خودکار ) است. این تکنولوژی از خودکار کردن ساخت مدل شروع و به خودکار کردن چرخه کامل مدل یادگیری ماشین منتهی می شود. به صورت هوشمند این تکنولوژی وظایف ساخت مدل های پیش بینی گر یادگیری ماشین را با فراهم نمودن داده های آموزشی برای آموزش مدل، شناسایی بهترین نمونه مدل برای داده های داده شده و سپس انتخاب ویژگی/ستون های داده را که بهترین پشتیبانی برای مدل را دارند خودکار می کند. در انتها به صورت خودکار گزینه های تنظیم مختلفی را برای رسیدن به بهترین نتایج آزمایش و بر اساس پایپلاین مدل های بدست آمده آن ها را رتبه بندی می کند. بهترین پایپ لاین های اجرا شده می توانند برای پردازش بر روی داده های جدید به کار گرفته شوند و پیش بینی هایی بر پایه آموزش مدل ارائه دهند[ ۱] هوش مصنوعی خودکار همچنین می تواند برای اطمینان از اینکه مدل سوگیری ذاتی ندارد و خودکار کردن وظایف برای بهبود مستمر مدل استفاده می شود. مدیریت یک مدل هوش مصنوعی خودکار نیازمند نظارت و به روزرسانی مکرر است که توسط فرآیندی به نام عملیات مدل یا ModelOps مدیریت می شود.
تیم یادگیری خودکار ماشین و علم داده ( AMLDS ) , [ ۲] تیمی کوچک در مرکز تحقیقات IBM بود که با هدف «استفاده از تکنیک های هوش مصنوعی ( AI ) ، یادگیری ماشین ( ML ) و مدیریت داده ها برای سرعت بخشی و بهینه ساختن ایجاد جریان های کاری یادگیری ماشین و علوم داده» ایجاد شد و با پیشرفت توسعه هوش مصنوعی خودکار شناخته می شود.
یک مورد معمول استفاده از هوش مصنوعی خودکار آموزش مدلی برای پیش بینی نحوه واکنش مشتریان به رویکرد فروش شرکت باشد. این مدل ابتدا با داده های واقعی در مورد چگونگی پاسخ مشتریان به تبلیغات آموزش داده شد. با داده های جدید ارائه شده، این مدل می تواند نحوه پاسخ یک مشتری را پیش بینی کند و دقت آن را می توان با استفاده از معیارهای آماری بدست آورد. یادگیری ماشین خودکار معمولاً یک پلتفرم یا کتابخانه منبع باز است که هر مرحله از فرایند یادگیری ماشین را ساده می کند، از مدیریت یک مجموعه داده خام تا استقرار یک مدل یادگیری ماشین عملی. قبل از ایجاد یادگیری ماشین خودکار، دانشمندان علوم داده باید مدل های پیش بینی را دستی می ساختند، ترکیب های مختلفی از الگوریتم ها را آزمایش و سپس پیش بینی ها را با نتایج واقعی مقایسه می کردند که این کار به صرف زمان و هزینه بالا نیاز داشت و همچنین امکان خطا در آن بود. همان طور که نیاز به اتوماسیون با پیشرفت مدل های یادگیری ماشین حس می شد، یادگیری ماشین خودکار برخی از فرایند آماده سازی داده ها برای آموزش را خودکار نمود و الگوریتم هایی را برای پردازش داده ها به کار گرفت و در نهایت نتایج را بهبود بخشید. هوش مصنوعی خودکار اتوماسیون هوشمند بزرگتری ارائه می دهد که امکان آزمایش ترکیب های بسیار بیشتری از عوامل را برای تولید پایپ لاین های مدل کاندید را فراهم می کند، این مدل ها با دقت بیشتری مسئله در حال حل را منعکس و مورد توجه قرار می دهد. پس از ساخت، یک مدل می تواند برای سوگیری آزمایش و برای بهبود عملکردش به روز رسانی شود.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفتیم یادگیری خودکار ماشین و علم داده ( AMLDS ) , [ ۲] تیمی کوچک در مرکز تحقیقات IBM بود که با هدف «استفاده از تکنیک های هوش مصنوعی ( AI ) ، یادگیری ماشین ( ML ) و مدیریت داده ها برای سرعت بخشی و بهینه ساختن ایجاد جریان های کاری یادگیری ماشین و علوم داده» ایجاد شد و با پیشرفت توسعه هوش مصنوعی خودکار شناخته می شود.
یک مورد معمول استفاده از هوش مصنوعی خودکار آموزش مدلی برای پیش بینی نحوه واکنش مشتریان به رویکرد فروش شرکت باشد. این مدل ابتدا با داده های واقعی در مورد چگونگی پاسخ مشتریان به تبلیغات آموزش داده شد. با داده های جدید ارائه شده، این مدل می تواند نحوه پاسخ یک مشتری را پیش بینی کند و دقت آن را می توان با استفاده از معیارهای آماری بدست آورد. یادگیری ماشین خودکار معمولاً یک پلتفرم یا کتابخانه منبع باز است که هر مرحله از فرایند یادگیری ماشین را ساده می کند، از مدیریت یک مجموعه داده خام تا استقرار یک مدل یادگیری ماشین عملی. قبل از ایجاد یادگیری ماشین خودکار، دانشمندان علوم داده باید مدل های پیش بینی را دستی می ساختند، ترکیب های مختلفی از الگوریتم ها را آزمایش و سپس پیش بینی ها را با نتایج واقعی مقایسه می کردند که این کار به صرف زمان و هزینه بالا نیاز داشت و همچنین امکان خطا در آن بود. همان طور که نیاز به اتوماسیون با پیشرفت مدل های یادگیری ماشین حس می شد، یادگیری ماشین خودکار برخی از فرایند آماده سازی داده ها برای آموزش را خودکار نمود و الگوریتم هایی را برای پردازش داده ها به کار گرفت و در نهایت نتایج را بهبود بخشید. هوش مصنوعی خودکار اتوماسیون هوشمند بزرگتری ارائه می دهد که امکان آزمایش ترکیب های بسیار بیشتری از عوامل را برای تولید پایپ لاین های مدل کاندید را فراهم می کند، این مدل ها با دقت بیشتری مسئله در حال حل را منعکس و مورد توجه قرار می دهد. پس از ساخت، یک مدل می تواند برای سوگیری آزمایش و برای بهبود عملکردش به روز رسانی شود.
wiki: هوش مصنوعی خودکار
