機械学習コンテストは比較的新しい現象です。
それは人工知能技術の開発の結果として現れました。
現在、多くの関心のある人々を積極的に開発し、引き付けています。
コンテストの主催者にとってのメリット:
- 自分の仕事に取り組み、他の人よりもうまく解決しようとする多くの有資格者
- (採用スペシャリストと比較して)比較的小さい財務コスト
- 問題の解決策、最高の品質とそれに最も適した
また、競合他社にもメリットがあります。
- 高い資格の公認
- 賞金
- そして、参加して勝つことの喜び
この記事では、参加者がプロセスをより適切かつ効率的に整理し、勝つ可能性を高め、一般的に、より資格のあるスペシャリストになるのに役立ついくつかのツールについて検討したいと思います。
始めましょう!
深層学習モデルをトレーニングするためのプラットフォーム。
- モデルコードを変更せずに、最先端の分散トレーニングを使用してモデルのトレーニングを加速
- 高度なハイパーパラメータ設定を使用した高品質モデルの自動検索-Hyperbandの作成者による
- GPU GPU,
- , , , -
- DL-
- ,
.
- ,
- Featurepools
- EvalML
.
AutoML , .
- Featuretools Compose end-to-end ML-
DataFrame Pandas.
- df.describe() — df.profile_report()
- HTML-
- :
- : , ,
- : , Q1, , Q3, , ,
- : , , , , , , ,
- : ,
- : ,
- : ( , ), (, ) (ASCII)
- : , , , EXIF
, .
- , ,
- Python
- Scikit-learn
- ML-.
ML-.
- ,
- , , , , ,
-.
- ,
- —
- — JSON -
- —
.
- — , ; ; ;
- — , ; (, , , , , ), (PDF, Word, Excel, HTML, E-mail ); , ; , ,
- — , ;
.
.
- ( , )
- ( )
.
- —
- Pickle ,
.
- ,
- , ,
Uber.
- API
.
.
- API
.
- -
- —
- -
- —
- —
ML-.
- Weights & Biases
- - Weights & Biases
- ,
- matplotlib
— , .
-.
AI-, MCU C .
- MCU C
- Arm Cortex-M
- (1-20kB RAM/Flash)
- (1-20ms M4 80MHz)
- AI
- C
- , MCU
- ML
End-to-end .
- API (Python, GraphQL) SDK
- : ,
- : , 30 FPS ,
- : , ,
- API
ML- .
- (2 )
- , -s, -
- Tensorboard
- API
Low-code ML-.
- —
- -
- ( 60 )
- ( , , , - )
- , ,
- — , -, , , ,
- — , ,
ML- (MLOps).
- ,
- — , , , , ,
- GPU/CPU ,
- — ; ; ,
, , ,
- クラッシック
- 良い雰囲気
結論。
もちろん、ツールを説明するだけでは、常に勝つには不十分です。
成功は、他の多くの要因に依存します。特定のツールをいつどこで使用するか、制限は何か、ツールをどのように組み合わせることができるかなどです。等
それでも、この記事があなたの役に立つこと、そしてあなたのコンテストへの参加がより実り多い効果的なものになることを願っています。
勝利に向けて!