Wie kann man mit AutoML maschinelles Lernen verbessern und vereinfachen?
Die Teilnehmenden erhalten einen Überblick über den Arbeitsablauf von Data Scientists und Machine Learning Engineers. Dabei wird auch auf die Grundzüge der KI eingegangen. Eine Übersicht bewährter Automatisierungsmethoden und ein intuitives Praxisbeispiel runden den DigitalDialog ab.
Beim Trainieren von Machine-Learning-Modellen und auch schon bei der Vorverarbeitung der Daten ist im Vorfeld meist nicht klar, welche Modelle bzw. Modellklassen, Hyperparameter, Skalierungen etc. für einen optimalen Lernprozess sorgen. Daher werden meist manuell Pipelines erstellt, die Parametergitter automatisch abtasten. Das Definieren solcher Pipelines kann aufwändig sein. Eine Garantie, dass die besten Einstellungen gefunden werden, gibt es nicht. Abhilfe versprechen Methoden des AutoML, die weite Teile eines Machine Learning-Projekts automatisieren.
