Construire et déployer des modèles de machine learning personnalisés, pour travailler sur des données structurées
AutoML Tables permet de créer facilement des modèles de machine learning travaillant sur des données structurées, en spécifiant simplement la cible de prédiction. Les modèles construits par AutoML Tables sont spécifiques aux besoins de l’entreprise et hautement performants.
AutoML Tables est capable de produire des modèles entraînés sur des jeux de données à l’échelle, allant jusqu’à 100 millions de lignes, 1000 colonnes et 100 Go de données.
Cas d’usage de AutoML Tables
AutoML Tables peut créer des modèles pour des cas d’usage comme: la classification binaire, la classification multi-classe, la régression. AutoML Tables saura définir automatiquement la nature du problème en se basant sur le type de données de la colonne cible de prédiction.
AutoML Tables est, entre autres, utilisé pour maximiser les revenus d’une entreprise, optimiser des portfolios financiers, mieux comprendre les processus d’achats des clients, gérer proactivement les équipements composants les infrastructures techniques.
Processus de construction d’un modèle AutoML Tables
AutoML Tables permet d’importer des jeux de données massifs par exemple à partir de fichiers CSV ou de BigQuery.
Une fois les données chargées, il faudra définir le schéma des données et choisir la colonne cible pour les prédiction.
Pour entraîner le modèle il suffit de préciser le nombre d’heures d’entraînement désirées. AutoML Tables utilisera les résultats des travaux de recherche de Google, comme la Neural Architecture Search, pour déterminer l’architecture de modèle la plus performante par rapport au jeu de données.
Une fois le modèle entraîné, AutoML Tables fournira un ensemble de métriques expliquant les performances du modèle ou l’importance des caractéristiques du jeu de données.
Enfin, il ne reste plus qu’à déployer le modèle, par exemple sous la forme d’une API REST facilement accessible.