AutoML都出來了,以後還需要ML專家嗎? - 工程師

Table of Contents

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。

--

All Comments

Callum avatarCallum2019-01-19
youtube有介绍影片,下面推文都是Google kill ml j
ob
Edward Lewis avatarEdward Lewis2019-01-20
有人用過效果好嗎
Jessica avatarJessica2019-01-21
其實早就可以預料得到 模型方法工具化 跟BI一樣
Franklin avatarFranklin2019-01-24
你應該不是這行的
Poppy avatarPoppy2019-01-24
我沒有,但是光想就覺得人怎麼可能贏?這可是人力搜索
對上機器搜索的戰爭,人必敗啊
Anonymous avatarAnonymous2019-01-25
無聊的事情交給機器去做,專家才有時間研究更複雜的架
George avatarGeorge2019-01-26
什麼人力搜索 在沒autoML前 參數也是讓機器自己調阿
Agatha avatarAgatha2019-01-26
應該說這是特指google的NAS模型 但以前就有很多autoML
的應用和算法了
Linda avatarLinda2019-01-27
ML專家也是70%時間在整理研究資料 之後可能變90%吧
Linda avatarLinda2019-01-29
趨勢
Adele avatarAdele2019-01-30
講的 ML 只有 NN 一樣....
Elma avatarElma2019-02-02
最簡單,你丟股票 data 上去,train 完的結果
Sarah avatarSarah2019-02-05
你去下單,看效果如何
Sarah avatarSarah2019-02-09
GOOGLE自己也養一堆 data scientist
是不是全部 fire
Ida avatarIda2019-02-14
這種東西就跟UML 一樣,沒那麼好用。
Belly avatarBelly2019-02-16
你把資料處理的前端放哪,PCA LDA 正規化 Feature Selecti
Kristin avatarKristin2019-02-17
on,這個沒做你喂給ML拿的不過也是坨屎
Ida avatarIda2019-02-19
未來趨勢應該就是要有平台(如Google)的才賺得了錢
James avatarJames2019-02-23
ML沒機器、沒資料基本上就是斷了兩隻腳 變成只能靠演算法
Edward Lewis avatarEdward Lewis2019-02-24
跟Google等大廠一較高下...比輸了,只能殺價競爭囉
Eden avatarEden2019-02-27
教ML比做ML賺的還多
Hazel avatarHazel2019-03-04
太理想化
Agatha avatarAgatha2019-03-05
看一篇文章就下結論 這是記者在做的事
Ingrid avatarIngrid2019-03-08
我比較想知道autokeras 跟AutoML的差別在哪裡
Hamiltion avatarHamiltion2019-03-11
AutoML總要有人維護跟改進吧
Carolina Franco avatarCarolina Franco2019-03-14
你是記者?