您的位置 首页 科技创新

一骑绝尘 第四范式举办PRICAI首届AutoML研讨会

  2017 年5月,谷歌在I/O大会上发布了AutoML,受到业界的极大关注。发展至今,谷歌、微软等诸多国际巨头以及顶级科研院所与都将AutoML视为重要的研究方向。8月28日,在南京召开的第15届环太平洋

印度神油国际人工智能会议(The Pacific Rim International Conference on Artificial Intelligence,简称PRICAI)也将AutoML视为重要议题,举办了一场专注于AutoML技术现状与发展的学术研讨会,AI独角兽企业第四范式的资深机器学习架构师涂威威担任本场Workshop的联合主席。

  第四范式 AutoML 技术在国际上也已经崭露头角,此前PK下了诸多国际巨头拿下了NIPS AutoML比赛的主办权,此外,第四范式也是首个将 AutoML 技术投入实际工业使用的公司,目前,包括疾病预判、金融反欺诈、个性化推荐等第四范式正在服务的诸多业务场景中,已经实现了“Auto”,即是由机器、而非算法人员去生产模型,并最终获得较大的效果提升。

  如何使整个机器学习过程更加自动化,减少数据科学家专家在整个机器学习过程中的参与,让更多没有AI背景的人也可以使用人工智能,成为此次AutoML研讨会的重要课题。INAOE研究员Hugo Jair Escalante、埃因霍温科技大学教授Joaquin Vanschore、怀俄明大学教授Lars Kotthoff、波尔图大学Pavel Brazdil、南京大学俞扬博士等多位业内权威学者,针对AutoML降门槛的前沿趋势进行了探讨。

  谷歌于今年初宣告问世的Cloud AutoML,就是AutoML技术在快速、低门槛应用 AI方面发挥了实际作用。Cloud AutoML最大的亮点是把完整的机器学习工作流做成云端易用的产品,用户只需要在界面上拖拽样本数据就可以完成数据处理、特征抽取、模型训练等全流程。目前,Cloud AutoML主要是自动构建深度学习模型,专注于图像、语音、翻译、视频、NLP等领域,这些领域原始数据表达相对统一且简单,通过调整模型结构和参数,即可进行模型的优化,很少涉及高层抽象数据的特征工程等较为复杂的工作。

  AI技术领军者、致力于实现AI for everyone第四范式,作为国内AutoML领域的领军者,从三年前开始研究AutoML技术。除了支持语音、图像、NLP等领域的应用外,第四范式更为注重通过AutoML技术,使机器具备商业智能决策的能力。在技术方面,第四范式自主研发的深度稀疏网络DSN(Deep Sparse Network)、自动特征组合(FeatureGO)、自动时序特征(TemporalGo)及迁移学习技术为AutoML提供了强有力的支撑。其中,FeatureGo算法,实现了机器自动组合特征的功能,有效解决了人为添加组合特征门槛高、耗时长等问题。除此之外,第四范式AutoML技术还实现了自动调参的功能。

关于作者: zhaosf

热门文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注