近日，中國移動舉辦了“2021年科技工作者日暨科技周——九天人工智能新技術論壇”，邀請來自中國移動、優(yōu)秀人工智能企業(yè)、頂尖高校、國際標準化組織的業(yè)界專家分享AI基礎技術及網(wǎng)絡智能化領域的最新技術成果與行業(yè)動態(tài)，探討未來AI技術發(fā)展趨勢，促進產(chǎn)業(yè)數(shù)智化轉型。九章云極DataCanvas資深架構師楊健受邀參加論壇，并發(fā)表了“新一代AutoML助力企業(yè)規(guī)?；?rdquo;的精彩演講。
九章云極DataCanvas資深架構師 楊健
近年來機器學習技術的應用價值顯著，隨之而來的數(shù)據(jù)瓶頸、算力瓶頸以及人才瓶頸日益凸顯出來。隨著人工智能的發(fā)展，數(shù)據(jù)和算力需求得以滿足，數(shù)據(jù)科學人才培養(yǎng)卻遠遠滯后于需求，最終爆發(fā)出人才培養(yǎng)周期長、速度慢等問題。資深架構師楊健在演講中提到，AutoML技術正在迎來爆發(fā)性的增長，Gartner在2020年十大科技趨勢中，將以AutoML為代表的AI普及化作為數(shù)據(jù)與分析領域的重要戰(zhàn)略技術之一。
面對企業(yè)業(yè)務的新需求，九章云極DataCanvas提供AutoML自動化建模平臺，構建神經(jīng)網(wǎng)絡架構搜索空間，運用超大規(guī)模空間搜索算法，結合高性能評估策略，達到全流程端到端的自動機器學習建模，提升建模效率與體驗，讓業(yè)務能快速構建和使用AI能力。
AutoML面臨的挑戰(zhàn)
楊健提到，AutoML雖然在不斷發(fā)展，但也面臨不均衡數(shù)據(jù)、概念漂移、模型泛化能力、大規(guī)模數(shù)據(jù)自動建模等諸多挑戰(zhàn)。針對這些問題，在建模流程中DataCanvas自動機器學習平臺運用AutoML自動化核心技術，使業(yè)務人員無需查看數(shù)據(jù)樣本分布，全自動化的完成數(shù)據(jù)清洗、特征加工、模型篩選和超參數(shù)優(yōu)化工作，自動處理不均衡問題。同時，引入半監(jiān)督學習進一步提升模型的泛化能力，消除數(shù)據(jù)訓練與預測的不確定性。平臺支持分布式架構，提供高效的評估策略，降低建模的時間成本，從而使大規(guī)模數(shù)據(jù)實現(xiàn)AutoML。
九章云極DataCanvas以自主研發(fā)的“硬科技”立身，開源出國際領先的AutoML自動化模型算法和架構，擁有實現(xiàn)多樣性機器學習任務和場景自動化開發(fā)的Hypernets、在全球頂級Kaggle競賽中獲得第一名的DeepTables等眾多AutoML開源工具。并且根據(jù)UCI、Kaggle公開的數(shù)據(jù)集，其產(chǎn)品DataCanvas AutoML Toolkit(DAT)的模型準確度高于當前最先進的AutoML開源工具。
DataCanvas AutoML Toolkit(DAT)
隨著不斷變化的業(yè)務與市場需求，九章云極DataCanvas多年來在金融、通信、政府等眾多行業(yè)實現(xiàn)場景應用，持續(xù)創(chuàng)新，堅持自主研發(fā)新技術、新產(chǎn)品，用標準化的AI平臺產(chǎn)品覆蓋更多的客戶，助力各個行業(yè)的企業(yè)規(guī)?；?，實現(xiàn)數(shù)智化升級。
免責聲明：市場有風險，選擇需謹慎!此文僅供參考，不作買賣依據(jù)。
營業(yè)執(zhí)照公示信息