Entraîner des modèles de machine learning personnalisés de haute qualité avec un minimum d’effort et d’expertise en machine learning
Cloud AutoML est constitué d’un ensemble de technologies de machine learning qui permettent d’entraîner des modèles de machine learning adaptés aux besoins d’une entreprise et offrant des performances de pointe. L’atout majeur de Cloud AutoML est qu’il est possible produire ces modèles avec des connaissances limitées en machine learning et sans avoir à gérer d’infrastructure pour l’entraînement et la mise en production des modèles.
Il est ainsi possible de tirer profit très rapidement des bénéfices du machine learning adapté à son contexte métier dans des domaines aussi variés que la vision, le langage, les données structurées.
Les résultats de AutoML sont très spectaculaires et extrêmement rapides. Il est important de valider si son problème ne peut pas être adressé par AutoML avant d’envisager des développements coûteux sur des technologies de Machine Learning classiques.
Préparation des jeux de données de haute qualité
Les modèles Cloud AutoML seront entraînés et évalués en utilisant un jeu de données préparé. Il est possible d’avoir plusieurs jeux de données, chacun pouvant être utilisé pour entrainer un modèle différent.
Les données peuvent être importées par upload depuis un ordinateur ou depuis Google Cloud Storage au format CSV.
Les modèles seront meilleurs si les jeux de données d’entraînement sont bien construits, ainsi il faut par exemple veiller à avoir plusieurs centaines d’exemples dans chaque catégorie, à distribuer les exemples équitablement entre chaque catégorie, à ce que les données capturent la variété et la diversité de l’espace du problème, ou à ce que les données d’exemple soient similaires avec les données sur lesquelles les prédictions seront réalisées.
Les jeux de données AutoML contiennent des jeux de données d’entraînement, de validation et de tests. AutoML décidera automatiquement de la répartition des exemples entre ces différents jeux de données si elle n’est pas spécifiée.
Il est possible de bénéficier d’un service de labelisation de données effectué par des équipes d’humains qui annoteront et nettoieront les labels afin d’être sûr que les modèles soient entraînés sur des données de haute qualité.
Entraîner des modèles de machine learning spécifiques et très performants
Cloud AutoML exploite des technologies de pointe issues de la recherche Google, comme le Transfer Learning ou le Neural Architecture Search qui permettent aux modèles de machine learning d’être plus rapides et d’obtenir des prédictions plus précises.
Cloud AutoML automatise la conception de modèles de machine learning et est capable de proposer des architectures de modèles qui seront performants sur un jeu de données spécifique. Lors de l’entraînement d’un modèle de machine learning, Cloud AutoML va générer et évaluer plusieurs modèles, puis au final conserver le plus performant.
Être opérationnel rapidement
Cloud AutoML permet de construire des modèles simples en quelques minutes ou des modèles prêts pour la production en quelques heures.
Cloud AutoML est très simple d’utilisation, grâce à son interface web offrant de nombreux services tels que la gestion des jeux de données, la génération et l’évaluation des modèles de machine learning, ou le déploiement aisé des modèles sous la forme d’API.
En plus d’un déploiement comme API, les modèles peuvent être exportés vers des terminaux légers, par exemple via des formats comme TensorFlow Lite, Edge TPU compiled TensorFlow Lite, TensorFlow.js pour le web.
Cloud AutoML Vision
Cloud AutoML Vision permet d’entraîner et de déployer des modèles pouvant classifier des images en fonction de ses propres labels, ou de détecter des objets dans des images.
Cloud AutoML Natural Language
Cloud AutoML Natural Language permet d’entraîner et de déployer des modèles permettant de classifier des documents en fonction de ses propres labels, d’extraire les entités de documents, ou d’analyser les sentiments à l’intérieur de documents.
Cloud AutoML Video Intelligence
Cloud AutoML Video Intelligence permet d’entraîner et de déployer des modèles permettant de classifier des segments de vidéos en fonction de ses propres labels, ou de suivre des objets spécifiques d’un instant au suivant dans des vidéos.
Cloud AutoML Translation
Cloud AutoML Translation permet d’entraîner et de déployer des modèles permettant de produire des traductions spécifiques à un domaine.
Cloud AutoML Tables
Cloud AutoML Tables permet d’entraîner et de déployer des modèles travaillant sur des données structurées.
Liens intéressants
Liens externes
- Site web officiel de Automl
- AutoML for large scale image classification and object detection par Barret Zoph, Vijay Vasudevan, Jonathon Shlens and Quoc Le, Research Scientists, Google Brain Team
- Using Machine Learning to Explore Neural Network Architecture par Quoc Le & Barret Zoph, Research Scientists, Google Brain team