Hoe de Trendskout AutoML Tool het beste model vindt
1. Algoritmes
Er bestaan een heleboel algoritmes voor AI, Machine Learning en Deep Learning. Voorbeelden zijn onder andere Neurale Netwerken, Gradient Descent Trees, Support-vector machines. Heel wat opties dus, die de keuze voor het gepaste algoritme voor een bepaalde businesscase niet bepaald eenvoudiger maken. Binnen elke soort algoritme – denk maar aan neurale netwerken – zijn er nog eens talrijke subtypes beschikbaar, wat de keuze nog complexer en tijdrovender maakt.
Trendskout evalueert elk algoritme en kiest het meest toepasselijke uit voor de gekozen toepassing en dataset.
2. Data
Het volstaat niet om louter het beste algoritme te vinden. Een algoritme moet ook over de juiste data beschikken om zichzelf te trainen, voorspellingen te doen of verbanden te ontdekken. De vorm van die data is van groot belang: er moeten namelijk verschillende databewerkingen worden uitgevoerd vóór het algoritme kan starten met het verwerken en interpreteren van de data. Er zijn ook hier een vrijwel oneindig aantal bewerkingsopties: denk maar aan het samenbrengen van verschillende databronnen, transformeren, afgeleiden en variaties genereren of denormaliseren.