Fugu-MT 論文翻訳(概要): GAMA: a General Automated Machine learning Assistant

論文の概要: GAMA: a General Automated Machine learning Assistant

arxiv url: http://arxiv.org/abs/2007.04911v2
Date: Thu, 7 Oct 2021 09:49:10 GMT
ステータス: 処理完了
システム内更新日: 2022-11-12 03:30:28.983549
Title: GAMA: a General Automated Machine learning Assistant
Title（参考訳）: gama: 汎用的な機械学習アシスタント
Authors: Pieter Gijsbers and Joaquin Vanschoren
Abstract要約: General Automated Machine Learning Assistant(GAMA)は、ユーザーがAutoMLアルゴリズムが最適な機械学習パイプラインを探索する方法を追跡および制御できるようにするモジュール式AutoMLシステムである。 GAMAは、ユーザーが異なるAutoMLおよび後処理テクニックをプラグインでき、検索プロセスのログと視覚化が可能で、簡単にベンチマークできる。
参考スコア（独自算出の注目度）: 4.035753155957698
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The General Automated Machine learning Assistant (GAMA) is a modular AutoML system developed to empower users to track and control how AutoML algorithms search for optimal machine learning pipelines, and facilitate AutoML research itself. In contrast to current, often black-box systems, GAMA allows users to plug in different AutoML and post-processing techniques, logs and visualizes the search process, and supports easy benchmarking. It currently features three AutoML search algorithms, two model post-processing steps, and is designed to allow for more components to be added.
Abstract（参考訳）: General Automated Machine Learning Assistant(GAMA)は、AutoMLアルゴリズムが最適な機械学習パイプラインをどのように探索するかを追跡し制御し、AutoML研究自体を促進するためのモジュール式AutoMLシステムである。 GAMAは、現在のブラックボックスシステムとは対照的に、ユーザーが異なるAutoMLと後処理技術をプラグインし、検索プロセスをログし視覚化し、簡単にベンチマークできる。現在は3つのAutoML検索アルゴリズムと2つのモデル後処理ステップを備えており、より多くのコンポーネントを追加できるように設計されている。

関連論文リスト

AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
論文参考訳（メタデータ） (2024-10-03T20:01:09Z)
Position: A Call to Action for a Human-Centered AutoML Paradigm [83.78883610871867]
自動機械学習(AutoML)は、機械学習(ML)を自動かつ効率的に構成する基本的目的を中心に形成された。 AutoMLの完全な可能性を解き放つ鍵は、現在探索されていないAutoMLシステムとのユーザインタラクションの側面に対処することにある、と私たちは主張する。
論文参考訳（メタデータ） (2024-06-05T15:05:24Z)
AutoMMLab: Automatically Generating Deployable Models from Language Instructions for Computer Vision Tasks [39.71649832548044]
AutoMMLabは、ユーザの言語命令に従う汎用LLMベースのAutoMLシステムである。提案する AutoMMLab システムは,AutoML と OpenMMLab コミュニティを結ぶブリッジとして LLM を効果的に利用している。実験の結果、AutoMMLabシステムは汎用的で、さまざまなメインストリームタスクをカバーしています。
論文参考訳（メタデータ） (2024-02-23T14:38:19Z)
Assessing the Use of AutoML for Data-Driven Software Engineering [10.40771687966477]
AutoMLは、エンドツーエンドのAI/MLパイプラインの構築を自動化することを約束する。関心の高まりと高い期待にもかかわらず、AutoMLが現在採用されている範囲に関する情報が不足している。
論文参考訳（メタデータ） (2023-07-20T11:14:24Z)
AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文参考訳（メタデータ） (2023-05-04T02:09:43Z)
XAutoML: A Visual Analytics Tool for Understanding and Validating Automated Machine Learning [5.633209323925663]
XAutoMLは、AutoMLによって構築された任意のAutoML最適化手順とMLパイプラインを説明するための、インタラクティブなビジュアル分析ツールである。 XAutoMLは、インタラクティブな視覚化と、説明可能な人工知能(XAI)の確立したテクニックを組み合わせることで、完全なAutoML手順を透過的かつ説明可能なものにする。
論文参考訳（メタデータ） (2022-02-24T08:18:25Z)
Towards Green Automated Machine Learning: Status Quo and Future Directions [71.86820260846369]
AutoMLは高いリソース消費で批判されている。本稿では,AutoMLプロセス全体を環境に優しいものにするためのパラダイムであるGreen AutoMLを提案する。
論文参考訳（メタデータ） (2021-11-10T18:57:27Z)
AutoGL: A Library for Automated Graph Learning [67.63587865669372]
グラフ上での機械学習を自動化するための,最初の専用ライブラリであるAutomated Graph Learning(AutoGL)を紹介する。 AutoGLはオープンソースで、使いやすく、拡張も柔軟です。また、パイプラインのカスタマイズとアプリケーションの強化を容易にする、AutoGLの軽量バージョンであるAutoGL-lightも紹介します。
論文参考訳（メタデータ） (2021-04-11T10:49:23Z)
PyGlove: Symbolic Programming for Automated Machine Learning [88.15565138144042]
シンボリックプログラミングに基づくAutoMLの新しいプログラミング方法を紹介します。このパラダイムでは、MLプログラムは変更可能であるため、他のプログラムで簡単に操作できます。 PyGloveユーザーは、静的プログラムを検索空間に簡単に変換し、検索空間と検索アルゴリズムをすばやく繰り返し、複雑な検索フローを作成できることを示しています。
論文参考訳（メタデータ） (2021-01-21T19:05:44Z)
Automated Machine Learning -- a brief review at the end of the early years [14.211962590104111]
Automated Machine Learning (AutoML)は、機械学習システムの設計のすべての段階を自動化、拡張することを目的とした機械学習のサブフィールドである。教師あり学習の文脈では、AutoMLは特徴抽出、事前処理、モデル設計、ポスト処理に関係している。
論文参考訳（メタデータ） (2020-08-19T15:48:49Z)
Automated Machine Learning: From Principles to Practices [40.57162255913511]
AutoMLは、与えられたタスクに対して、データ駆動方式で満足いくML構成を生成することを目的としている。まずはAutoMLの正式な定義から始め、二段階学習の目的を含むその原則を導入します。 MLパイプラインの設定、ワンショットのニューラルアーキテクチャサーチ、基礎モデルとの統合など、模範的なアプリケーションによる原則とプラクティスについて説明する。
論文参考訳（メタデータ） (2018-10-31T14:35:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。