网页浏览设置在哪里打开,搜索引擎优化方法案例,网站开发定制合同范本,淄博seo定制2021 年世界人工智能大会#xff08;WAIC#xff09;于 7 月 8 日 在上海世博中心拉开帷幕。九章云极DataCanvas董事长方磊受邀参加由世界人工智能大会组委会主办、机器之心承办的“2021 WAICAI开发者论坛”#xff0c;并发表“Hypernets#xff1a;自动化机器学习的基础框…2021 年世界人工智能大会WAIC于 7 月 8 日 在上海世博中心拉开帷幕。九章云极DataCanvas董事长方磊受邀参加由世界人工智能大会组委会主办、机器之心承办的“2021 WAIC·AI开发者论坛”并发表“Hypernets自动化机器学习的基础框架”主题演讲。 本次论坛以「后深度学习的 AI 时代」为主题作为本届 WAIC 开发者单元的主力军WAIC· AI开发者论坛与 WAIC·开发者日一脉相承连续三年始终专注 AI 技术人员与开发者。本次论坛邀请了15位学术界和产业界重磅嘉宾覆盖多模态机器学习及大规模自动生成技术、AutoML框架、智能社区的多模态数据融合、智能制造中的算法平台以及下一代 AI 基础软件能力等话题共同探讨AI前沿技术。九章云极DataCanvas董事长方磊围绕AutoML框架的重要性和基本抽象、Hypernets的概念模型和重要特性、Hypernets的具体示例三部分向广大开发者奉献了一场干货满满的技术福利。 AutoML框架的本质是空间搜索
AutoML技术的研发与应用是一个持之以恒的课题随着对其研发的深入很多AutoML工具的各部分高度耦合只能针对特定问题难以扩展。方磊表示AutoML框架的本质就是空间搜索在这里面很重要的思想就是抽象性和层级的必要。
AutoML框架是对AutoML领域面对的问题解构和抽象后形成的基础性支撑无论是超参数优化、Full-Pipeline搜索还是神经网络架构搜索(NAS)问题主要围绕3个基本部分搜索空间(Search Space)、搜索策略(Search Strategy)和评估策略(EstimationStrategy)。AutoML框架应对各部分高度解耦以实现各部分自由扩展开发者可以在此之上不断丰富搜索算法设计多样搜索空间避免共性问题重复开发针对非共性问题实现灵活扩展加速迭代效率大幅低于降低自动机器学习的准入门槛能够让开发者快速实现自动机器学习的搜索。 Hypernets——开发者的朋友
一款优秀的AutoML框架应当在上述三个部分具有富有表现力的搜索空间描述语言、支持高维空间的高效搜索算法和高性能的评估策略。Hypernets作为一个自动机器学习的底层通用框架满足单节点及分布式高性能的模型训练需求可以在不同的空间进行搜索与训练结合各种机器学习和深度学习框架开发专用自动机器学习工具帮助用户快速开发专用领域的AutoML工具。同时Hypernets支持最新的神经网络架构搜索NAS算法可以实现深度学习的网络架构设计自动化。
方磊表示Hypernets与目前众多的机器学习、深度学习框架相结合更快更好的生成自动机器学习工具。用5-10行代码完全可以搜索模型因此Hyperents一个定位就非常清晰不管开发一个训练框架还是开发应用模型都是开发者的朋友。开发训练框架可以让框架使用Hypernets很容易结合出框架本身的自动机器学习能力如果是开发应用模型可以组合不同学习训练框架的同时在上面使用Hypernets端到端整个pipeline上进行自动机器学习的参数搜索就会得到非常较好的模型。经过大量在行业上的应用在特征丰富情况下Hypernets在搜索能力包括分布式计算能力体现出来很多优势搜索时间短算力仅需普通训练的20-30倍就能够得到一个性能大大提升的模型。
简单快速精准的自动机器学习开发过程
开发者通过Hypernets设计不同的模块空间(Module Space)和相应的参数空间(Parameter Space)通过不同的连接方式(Connection Space)将各个模块空间组合成为一个高维的丰富动态搜索空间(Search Space)。遗传算法作为搜索策略的一个例子是一种非常有效的寻找局部最优的方法也可以与其他各类算法组合使用实现更为强大的策略例如在空间切分搜索的时候使用遗传算法加速子空间中的迭代。评估策略的核心在于高效在评估不精确的情况下通过指导搜索方向、节省预处理时间、防止过拟合三种方式减少计算量高效地利用自动机器学习找到更好的模型。作为Hypernets的一个具体实例HyperGBM在多个公开数据集上和真实业务场景上超过或达到了人类专家和其他AutoML工具的水平。 强大的自动机器学习开源框架Hypernets家族
Gartner在2020年十大科技趋势中将以AutoML为代表的AI普及化作为数据与分析领域的重要战略技术之一。作为帮助用户快速开发专用领域的AutoML工具Hypernets于2019年在GitHub进行开源结合各种机器学习和深度学习框架开发专用自动机器学习工具率先突破了机器学习建模过程中不均衡数据、概念漂移、模型泛化能力和大规模数据等诸多挑战提供开放的训练服务框架降低了AutoML工具的开发门槛实现深度学习的网络架构设计自动化。
方磊提到AutoML的核心内容是降低门槛构建模型。基于Hypernets框架九章云极DataCanvas自主研发的HyperGBM不仅能够解决生产化困扰同时实现了数据预处理、特征衍生、特征筛选、模型超参数优化、模型选择、模型融合全过程的全自动机器学习仅需5行代码就可以实现高质量的模型拥有开箱即用、简单易用等特点解决企业在结构化数据建模的需求。
为避免共性问题重复开发其研发的HyperKeras支持神经网络架构搜索和超参数优专注非共性问题实现灵活高效扩展。此外九章云极DataCanvas对AutoML技术不断探索开源项目DeepTables荣获全球知名国际性竞赛第一名全新定义了深度学习技术在结构化数据分析领域的价值。
Hypernets家族开源地址
Hypernets https://github.com/DataCanvasIO/Hypernets HyperGBM https://github.com/DataCanvasIO/HyperGBM HyperKeras https://github.com/DataCanvasIO/HyperKeras
随着人工智能时代对于AutoML需求的增加九章云极DataCanvas将运用Hypernets框架融合更多的深度学习框架推动神经网络架构搜索的前沿发展助力实际应用场景中的深度学习模型落地并且通过在AutoML、AutoDL领域不断的技术创新为金融、通信、政府等众多行业实现数智化升级提供新动能。
