Sirvi Autor "Eldeeb, Hassan Abdulgaleel Hassan Salim" järgi

Nüüd näidatakse 1 - 1 1

Empowering machine learning pipelines with automated feature engineering
(2024-09-19) Eldeeb, Hassan Abdulgaleel Hassan Salim; El Shawi, Radwa Mohamed El Emam, juhendaja; Tatu Ülikool. Loodus- ja täppisteaduste valdkond
Suurandmete ajastul on esile kerkinud automaatne masinõpe (AutoML), mis üritab tasakaalustada ühelt poolt kasvavaid andmemahte ja teiselt poolt piiratud andmeteaduse oskusteavet. Tehnoloogia aluseks on raamistikud, mis automatiseerivad keerulise ja iteratiivse masinõppemudelite loomise protsessi, laiendades seeläbi andmeanalüüsi kättesaadavust ja tõhusust. Üheks keskpunktiks on innovatsioon automaatses omaduste väljatöötamises (Feature Engineering, FE). See on oluline, kuid traditsiooniliselt töömahukas samm, mis suurendab mudeli täpsust andmeatribuutide intelligentse valimise ja muundamise kaudu. Siin peitub BigFeat'i olulisus. See on uuenduslik raamistik, mis on hoolikalt konstrueeritud FE protsessi automatiseerimiseks ja uuendamiseks. BigFeat eristub sellega, et ühendab sujuvalt skaleeritavuse seletatavusega, tagades, et omaduste automaatne genereerimine ei varjutaks mudeli ennustuste taga olevat põhjendust. Põhjalikul võrdlemisel olemasolevate raamistikega on BigFeat järjepidevalt näidanud paremat tulemust, pakkudes märkimisväärseid täpsuse parandusi mitmekesistel andmekogumitel. Raamistiku disain, mis keskendub dünaamilisele omaduste genereerimisele ja valikule mitte ainult ei tõsta mudeli sooritust, vaid säilitab ka kasutaja usalduse ja mõistmise jaoks hädavajaliku tõlgendatavuse. BigFeat'i juurutamine tähistab olulist verstaposti AutoML maastikul, pakkudes tugevat lahendust, mis demokratiseerib keeruka andmeanalüüsi. FE-s ulatusliku domeeniteadmiste vajaduse leevendamisega annab BigFeat laiemale kasutajate hulgale võimaluse kasutada masinõpet, edendades innovatsiooni üle mitmete valdkondade.