Automated Machine Learning

Auto Machine Learning

Toepassingen voor zowel AI als Deep Learning worden gestuurd door algoritmes, data en parameters, die alle drie nauwkeurig samenwerken voor de beste prestaties.

De keuze en wisselwerking tussen algoritme, dataverwerking en parametrisatie – ook wel hypertuning genoemd – wordt door de Trendskout AutoML zelfstandig uitgevoerd. Dat versnelt het volledige proces: van conceptualisering tot oplevering van een performante toepassing voor AI en Deep Learning.

Ontdek het belang van de algoritmekeuze, data-bewerkingen en algoritmeparameters en hoe ze samenwerken in Automated Machine Learning.

automated machine learning

Keuze van het algoritme

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.

auto machine learning

Databewerkingen

ml software

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.
De keuzes over welke bewerkingen op welke data moet worden toegepast, is complex. Ze hangen af van de toepassing en het gekozen algoritme.


Algoritmeparameters

Bij elk algoritme voor AI, Deep Learning of Machine Learning zijn er verschillende opties. Ze zijn stuk voor stuk afhankelijk van het type algoritme (zoals een neuraal netwerk) en vaak ook nog van het subtype. Ook bij de subtypes lopen de mogelijkheden al snel op: zo beschikt een neuraal netwerk over oneindig veel mogelijkheden om zichzelf vorm te geven. Denk maar aan het aantal mogelijke neuronen en lagen en de soorten verbindingen ertussen, of de manier hoe ze onderling informatie uitwisselen. Ook andere algoritmetypes beschikken vaak over een heleboel parameters. De juiste parameter-configuratie is dus net zo goed cruciaal voor de nauwkeurigheid en de prestatie van uw toepassing voor AI, Machine Learning of Deep Learning.

machine learning algoritmes

Trendskout Auto ML

Om in dit oneindige aantal keuzes de meest optimale optie te selecteren, bevat Trendskout een extra Deep Learning motor of AutoML – waarbij naast Machine Learning ook AI en Deep Learning gebruikt worden. Deze AutoML zoekt op een intelligente manier de ideale combinatie tussen de databewerking, het algoritme en de parameters. Dat selectieproces is onder meer gebaseerd op genetische algoritmes die uitgaan van het aloude ‘survival of the fittest’-concept.

We gaan even technisch. Via een iteratief updateproces worden er combinaties en simulaties uitgevoerd en wordt er tijdens een iteratie informatie over de kwaliteit, performantie en andere informatie gebruikt om in de volgende iteratie met een intelligente variatie van databewerking-algoritme-parameter samenstelling een steeds beter resultaat te bereiken. Dat verloopt naar analogie met een natuurlijk evolutieproces, waarbij genetische selectie, mutatie en crossover de winnende kandidaat opleveren.

Deze AutoML-motor stuurt dus de AI, Machine- & Deep Learning binnen Trendskout aan en garandeert dat het best mogelijke AI-model wordt gebruikt voor uw toepassing. Dat gebeurt razendsnel, waardoor u sneller resultaten boekt en u AI, Machine Learning en Deep Learning schaalbaar kunt inzetten.

Alle features ontdekken tijdens een live demo met uw eigen data?Neem contact op en we tonen u de directe meerwaarde van artificial intelligence voor uw organisatie.