Kubeflow para el aprendizaje automático

Capítulo 10. Ajuste de hiperparámetros yaprendizaje automáticode máquinas

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En los capítulos anteriores, hemos visto cómo Kubeflow ayuda en las distintas fases del aprendizaje automático. Pero saber qué hacer en cada fase -ya sea la preparación de las características, el entrenamiento o la implementación de los modelos- requiere cierto grado de conocimiento experto y experimentación. Según el teorema de "no hay almuerzo gratis", no hay un único modelo que funcione mejor para todos los problemas de aprendizaje automático, por lo que cada modelo debe construirse cuidadosamente. Construir por completo un modelo de alto rendimiento puede llevar mucho tiempo y resultar muy caro si cada fase requiere una importante aportación humana.

Naturalmente, cabe preguntarse: ¿es posible automatizar partes -o incluso la totalidad- del proceso de aprendizaje automático? ¿Podemos reducir los gastos generales de los científicos de datos, manteniendo al mismo tiempo la alta calidad de los modelos?

En el aprendizaje automático, el término general para resolver este tipo de problemas es aprendizaje automático automatizado (AutoML). Es un campo de investigación en constante evolución, y ha llegado a la industria con aplicaciones prácticas. El AutoML pretende simplificar el aprendizaje automático tanto para los expertos como para los que no lo son, reduciendo la necesidad de interacción manual ...