Aprendendo o AutoML (Portuguese Edition)

Epílogo: A revolução silenciosa do AutoML

Se você chegou até aqui, você fez algo significativo. Você dominou as técnicas que impulsionam o aprendizado de máquina automatizado moderno: otimização de hiperparâmetros, pesquisa de arquitetura neural e engenharia de recursos automatizada. Você construiu pipelines para dados tabulares, texto, imagens e séries temporais. Você implantou modelos em produção usando MLflow, Kubeflow e Airflow. Você viu como o AutoML funciona em diversos setores — desde a detecção de fraudes até a previsão de demanda e a previsão de readmissão.

Agora você possui habilidades que, há uma década, exigiriam anos de treinamento especializado para serem adquiridas.

E estou prestes a te dizer que o AutoML que você acabou de aprender já está se transformando em algo completamente diferente.

Não entre em pânico. Isso não é uma propaganda enganosa. Tudo neste livro continua valioso — na verdade, mais valioso do que teria sido há cinco anos. Mas o contexto em que essas habilidades operam está mudando rapidamente, e eu estaria te prejudicando se te mandasse para o mundo sem te preparar para o que está por vir.

O futuro do AutoML não se resume a um melhor ajuste de hiperparâmetros. Trata-se de sistemas capazes de raciocinar sobre por que um modelo falhou, quais dados ele precisa e como se corrigir. Estamos passando da automação para a autonomia. E compreender o que você aprendeu neste livro é o pré-requisito para construir — e governar — o que está por vir.

A promessa ...