H2O Driverless AI è una piattaforma studiata per rendere più semplice e rapido il processo di integrazione e utilizzo del machine learning all’interno delle aziende.
La tecnologia driverless consente alle aziende di non avere più bisogno di svolgere un ampio lavoro di progettazione di funzioni iniziale; inoltre permette di automatizzare la convalida e l’ottimizzazione dei modelli.
H2O Driverless AI è in grado di automatizzare quasi tutti i processi che generalmente compongono un progetto di machine learning: 

  1. Data Visualization 
  2. Feature Engineering
  3. Model Selection 
  4. Model Tuning 
  5. Automatic Scoring Pipeline 
  6. Machine Learning Interpretability 
  7. Deployment

Ecco di seguito un esempio di workflow in cui è coinvolto un sistema Driverless AI:

smeup H2O Driverless AI

Semplificazione e automatizzazione dei processi

Vediamo più nello specifico in che modo H2O Driverless AI riesce a semplificare e  automatizzare i processi all’interno di un progetto di machine learning.

Data Visualization 

H2O Driverless AI è in grado di creare in maniera automatica grafici di differenti tipologie per analizzare i dati, le correlazioni tra le variabili, la distribuzione di ogni variabile. E’ in grado inoltre di fornire consigli circa le trasformazioni da applicare ad una o più variabili.

Feature Engineering

H2O Driverless AI è in grado di testare automaticamente diverse trasformazioni delle variabili, raggrupparle, trasformarle con trasformatori differenti a seconda delle diverse tipologie di dati, creare nuove variabili combinandole tra loro e molto altro ancora, garantendo un alto livello di accuratezza.

Model Selection / Model Tuning

Per quanto riguarda la selezione del modello da utilizzare, H2O è in grado di individuare un gruppo di modelli a seconda della tipologia di target (Classificazione, Regressione etc..), scegliere i modelli e aggiustarne i parametri(model tuning) per ottenere il minor tasso di errore.

Machine Learning Interpretability

H2O Driverless AI attraverso la Machine Learning Interpretability è capace di individuare e mostrare mostra quale variabile ha avuto un impatto negativo o positivo sul modello, in base a quale ragionamento il modello ha fatto quelle previsioni, quale modello è stato utilizzato e perché e molto altro ancora.

Deployment

Al termine del processo, H2O Driverless AI crea la Scoring Pipeline all’interno della quale è riportato il modello migliore. La scoring pipeline rappresenta il prodotto finito che può essere trasposto su cloud o scaricato in locale.

Aziz Ur Rehman
R&D Department Intern – smeup
My LinkedIn Profile

Published On: Novembre 15th, 2020 / Categories: Machine learning /

Naviga per categoria:

Seleziona una categoria d’interesse dal nostro magazine