[討論] AutoML都出來了,以後還需要ML專家嗎?
ML的架構傳統上還是需要有經驗的人來設計,現在連人都不需要了,直接連架構都可以tr
ain出來,那還要ML專家幹嘛?會不會以後大家都負責準備data就好了?
----
抱歉簡體字,我找不到繁體字的資料
https://zhuanlan.zhihu.com/p/42924585
在开发神经网络的过程中,架构工程事关重大,架构先天不足,再怎么训练也难以得到优
秀的结果。
设计神经网络架构,能称得上机器学习过程中门槛最高的一项任务了。想要设计出好架构
,需要专业的知识技能,还要大量试错。
深度学习新方法AutoML
很多人将AutoML称为深度学习的新方式,认为它改变了整个系统。有了AutoML,我们就不
再需要设计复杂的深度学习网络,只需运行一个预先设置好的NAS算法。
最近,Google提供的Cloud AutoML将这种理念发挥到了极致。只要你上传自己的数据,Go
ogle的NAS算法就会为你找到一个架构,用起来又快又简单。
AutoML的理念就是把深度学习里那些复杂的部分都拿出去,你只需要提供数据,随后就让
AutoML在神经网络设计上尽情发挥吧。这样,深度学习就变得像插件一样方便,只要有数
据,就能自动创建出由复杂神经网络驱动的决策功能。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 175.97.3.214
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1547695786.A.B59.html
推
01/17 11:32,
5年前
, 1F
01/17 11:32, 1F
→
01/17 11:32,
5年前
, 2F
01/17 11:32, 2F
推
01/17 11:33,
5年前
, 3F
01/17 11:33, 3F
推
01/17 11:43,
5年前
, 4F
01/17 11:43, 4F
推
01/17 11:49,
5年前
, 5F
01/17 11:49, 5F
→
01/17 11:55,
5年前
, 6F
01/17 11:55, 6F
→
01/17 11:55,
5年前
, 7F
01/17 11:55, 7F
推
01/17 12:13,
5年前
, 8F
01/17 12:13, 8F
→
01/17 12:13,
5年前
, 9F
01/17 12:13, 9F
推
01/17 12:43,
5年前
, 10F
01/17 12:43, 10F
推
01/17 12:45,
5年前
, 11F
01/17 12:45, 11F
→
01/17 12:45,
5年前
, 12F
01/17 12:45, 12F
→
01/17 12:47,
5年前
, 13F
01/17 12:47, 13F
推
01/17 13:02,
5年前
, 14F
01/17 13:02, 14F
噓
01/17 13:27,
5年前
, 15F
01/17 13:27, 15F
→
01/17 13:28,
5年前
, 16F
01/17 13:28, 16F
→
01/17 13:29,
5年前
, 17F
01/17 13:29, 17F
→
01/17 13:30,
5年前
, 18F
01/17 13:30, 18F
→
01/17 13:30,
5年前
, 19F
01/17 13:30, 19F
→
01/17 14:04,
5年前
, 20F
01/17 14:04, 20F
→
01/17 15:04,
5年前
, 21F
01/17 15:04, 21F
→
01/17 15:05,
5年前
, 22F
01/17 15:05, 22F
推
01/17 16:16,
5年前
, 23F
01/17 16:16, 23F
→
01/17 16:18,
5年前
, 24F
01/17 16:18, 24F
→
01/17 16:19,
5年前
, 25F
01/17 16:19, 25F
推
01/17 17:14,
5年前
, 26F
01/17 17:14, 26F
噓
01/17 18:02,
5年前
, 27F
01/17 18:02, 27F
→
01/17 23:51,
5年前
, 28F
01/17 23:51, 28F
推
01/18 01:30,
5年前
, 29F
01/18 01:30, 29F
推
01/18 18:28,
5年前
, 30F
01/18 18:28, 30F
噓
01/18 19:43,
5年前
, 31F
01/18 19:43, 31F