Да, теперь даже ваша бабушка может создавать модели машинного обучения
Заявление об ограничении ответственности: это не спонсируемая статья. Я не имею отношения к Neuton или ее создателям. В статье представлен непредвзятый обзор решения AutoML, цель которого - сделать инструменты анализа данных доступными для широких масс.
Кажется, что каждый день в блоке AutoML появляется новый ребенок. NeutonAI - один из тех детей, которые заставляют задуматься, зачем тратить годы на изучение науки о данных, если три клика могут дать вам 90% пути. Для большинства из нас достаточно 90%.
Предупреждение для ботаников: NeutonAI имеет запатентованную структуру нейронной сети, которая работает совершенно иначе, чем, например, TensorFlow. Создатели заявили о его уникальных характеристиках, которые отличают Neuton от других решений AutoML, поскольку в большинстве из них используются известные алгоритмы. Вы можете прочитать больше об этом здесь".
Сегодня вы увидите, что может предложить это решение AutoML. Вы также создадите и оцените свою первую модель машинного обучения на платформе всего за пару кликов - никаких предварительных знаний не требуется.
Статья построена следующим образом:
- Начало работы с NeutonAI - Регистрация и настройка
- Создание нового проекта AutoML
- Обучение моделей машинного обучения с NeutonAI
- Оценка моделей машинного обучения
- Делать прогнозы
Начало работы с NeutonAI - Регистрация и настройка
Перед построением моделей машинного обучения вам необходимо настроить учетную запись в Neuton и Google Cloud. В этом разделе описан процесс, но не стесняйтесь проверить их официальный Документ по началу работы, если вы застряли.
Зайдите на страницу Попробуйте Neuton бесплатно на их веб-сайте. Это должно выглядеть примерно так:
Вам нужно будет ввести свое имя и данные телефона, после чего появится возможность подключить вашу учетную запись Google Cloud. Это обязательный шаг, поэтому либо подключите свою облачную учетную запись, либо создайте новую.
Следующим шагом является выбор тарифного плана, если у вас есть готовая учетная запись Google Cloud. План Gravity полностью бесплатен, поэтому вы начнете с него. Новая учетная запись Google Cloud поставляется с бесплатными кредитами в размере 300 долларов США, которые могут пригодиться в будущем:
Вы должны оставить для всех параметров значения по умолчанию и согласиться с условиями использования. После этого вы сможете завершить настройку проекта Google Cloud, которая перенаправит вас обратно на страницу Neuton.
Если все прошло хорошо, вы увидите кнопку для создания нового проекта:
Вот и все - вы готовы создать свой первый проект AutoML на платформе.
Создание нового проекта AutoML
Новое модальное окно появится после нажатия кнопки Добавить решение. Вам будет предложено указать название и описание проекта. Мы создадим проект машинного обучения на основе известного набора данных Titanic:
Следующий шаг - набор данных. Neuton предоставляет вам возможность либо загрузить набор данных, либо выбрать один из них. В их библиотеке вы найдете множество наборов данных, в том числе «Титаник»:
После выбора набора данных вам нужно будет выбрать целевую переменную (то, что вы хотите предсказать). В столбце Survived указано, выжил ли пассажир в аварии или нет, поэтому вам нужно выбрать следующее:
И, наконец, вы можете нажать кнопку Начать обучение. Остальные варианты оставьте как есть. Вам следует использовать опцию TinyML только в том случае, если вы создаете модели для микроконтроллеров, чего вы не делаете сегодня.
Теперь начнется тренировочный процесс - в ожидании выпейте себе чашку кофе.
Обучение моделей машинного обучения с NeutonAI
В процессе обучения модели не так много всего. Он уже начался, и вам остается только сидеть и ждать:
NeutonAI занимается обработкой данных и разработкой функций за вас. Вам не нужно пошевелить пальцем. Больше не нужно тратить часы на работу с беспорядочными данными - все обрабатывается автоматически, при условии, что ваши данные правильно отформатированы.
Обучение модели для набора данных Титаника заняло у меня около 5 минут. После этого вы должны увидеть следующее сообщение:
Вот и все - теперь вы можете оценить модель и делать прогнозы на основе новых данных.
Оценка моделей машинного обучения
Нейтон снова очень прост. Панель управления EDA создается для вас автоматически, и это то, что мы изучим в первую очередь.
Нажмите Мои решения - Инструменты аналитики. Должно появиться подобное меню:
Neuton генерирует всю информационную панель после нажатия на опцию Анализ данных Expolarotry:
Вы также можете выбрать параметр Матрица важности функций - вот что он показывает:
Вы также можете получить дополнительную информацию о показателях обучения, перейдя на вкладку Обучение. Это покажет вам диаграмму качества модели и матрицу путаницы:
Для бизнес-пользователей существует множество удобных метрик, которые помогают им понять, достаточно ли точна модель или нет. Единственная релевантная метрика, которую я здесь не вижу, - это MAPE, но, возможно, она будет добавлена в будущих выпусках. Подробнее о диаграмме качества модели можно узнать здесь.
Подводя итог, Neuton предлагает множество возможностей для оценки моделей машинного обучения. Конечно, это еще не все, но это тема для другого раза.
Наконец, давайте посмотрим, как вы можете делать прогнозы на основе ранее невидимых данных.
Делать прогнозы
Для начала откройте свое решение и нажмите розовую кнопку с надписью Включить в разделе "Прогнозирование":
Это позволит задействовать как веб-интерфейс, так и REST API, так что вы сможете выбрать метод, который лучше всего соответствует вашим потребностям. Давайте сначала рассмотрим веб-интерфейс.
веб интерфейс
Интерфейс Web Prediction полезен, когда у вас есть отдельные наборы данных для обучения и тестирования. Например, набор данных Titanic включает два файла CSV. Вы обучили модель первому, а теперь пора оценить эффективность второго.
Вот в чем преимущество веб-интерфейса.
Единственная проблема заключается в том, что бесплатная версия ограничена предсказанием только 100 строк файла CSV, но вы можете разрезать свой файл на части и продолжать использовать бесплатную версию столько, сколько захотите.
Нажмите кнопку Пуск в разделе Прогноз - Веб-прогноз:
Вам будет предложено выбрать файл CSV, поэтому выберите тот, который предоставлен Neuton:
После завершения вы можете либо загрузить прогнозы, либо просмотреть их в Интернете в виде таблицы:
Выберите вариант для просмотра прогнозируемых данных в Интернете. Вот как это будет выглядеть:
Полезно, чтобы вы также получали вероятности, чтобы при необходимости вручную настроить порог принятия решения.
Говоря о корректировках, вы можете щелкнуть любую строку прогноза, чтобы открыть Model Interpreter. Это позволяет вам изменять параметры и наблюдать, как меняются прогнозы, а также получать дополнительную информацию о причинах, лежащих в основе модели. Вот как это выглядит:
Найти переводчика целиком довольно сложно. Я надеюсь, что в будущих обновлениях он будет размещен на более заметном месте. Вы можете прочитать больше об этом здесь".
Давайте теперь рассмотрим вариант REST API.
REST API
API - это более или менее стандартный подход к внедрению моделей машинного обучения в производство. Идея состоит в том, чтобы раскрыть прогностические возможности модели, чтобы любой мог получить к ним доступ, даже люди без технических знаний. Вы также можете создавать приложения на основе REST API, чтобы было легко понять, почему они используются в производственной среде.
Neuton сделает все это за вас.
В бесплатной версии вы ограничены 5000 запросами API, но этого будет более чем достаточно для нужд малого бизнеса или проекта.
Щелкните Инструкции по доступу в разделе Прогнозирование - Доступ к REST API. Здесь вы найдете все подробности:
Просто, не правда ли? Вы сэкономите часы, если не нуждаетесь в чем-то особенном. И в большинстве случаев вы этого не делаете.
Вердикт
Теперь вы знаете, как перейти от набора данных к развернутой модели машинного обучения. Остается вопрос: Подходит ли NeutonAI для работы?
Это зависит.
Если вы компания, занимающаяся наукой о данных и предоставляющая индивидуальные решения на основе исследований SOTA, платформа NeutonAI не для вас. Никакое решение AutoML не поможет. Тем не менее, NeutonAI может быть интересен вам в качестве основы, так как он имеет запатентованную нейронную структуру под капотом, которая автоматически строит оптимальные модели по мнению создателей.
С другой стороны, если вы бизнес-пользователь, которому не нужно ничего сверхспецифичного, Neuton может быть именно тем, что вам нужно. Даже самая премиум-версия обойдется вам меньше, чем ежемесячная зарплата специалиста по данным среднего уровня, и она определенно может сделать больше.
Что вы думаете? Вы пробовали NeutonAI? Не стесняйтесь оставлять свои мысли в разделе комментариев.
Понравилась статья? Станьте средним участником, чтобы продолжить обучение без ограничений. Если вы воспользуетесь следующей ссылкой, я получу часть вашего членского взноса без дополнительных затрат: https://medium.com/@radecicdario/membership
