Was ist AutoML (Automated Machine Learning)?
„AutoML“ ist die Abkürzung für „Automated Machine Learning“. AutoML ist eine neue Entwicklung in der Evolution des Machine Learning (ML). Das Ziel von AutoML ist es, iterative Schritte bei der ML-Modellentwicklung zu automatisieren, um effizient ein optimiertes Modell zu erstellen.
Funktionsweise von AutoML-Lösungen
Der Schwierigkeitsgrad der Automatisierung zwischen den einzelnen Schritten variiert, wobei sich die Schritte der Modellauswahl und der Hyperparameter-Optimierung wegen ihrer Use Case Unabhängigkeit für die Automatisierung anbieten. Daher es ist die Automatisierung dieser beiden Schritte das, was gemeinhin unter AutoML verstanden wird. Im Idealfall umfasst die Eingabe lediglich einen bereinigten Datensatz, eine Fehlermetrik und die maximale Zeit für die Suche nach dem besten Modell. Die Ausgabe ist eine Rangliste der abgestimmten Modelle, geordnet nach der Fehlermetrik.
AutoML-Lösungen finden grob in drei Hauptkategorien Anwendung: in eigenständigen Code-Paketen, Cloud-Diensten und spezialisierten Data-Science-Plattformen.
Nutzen und Vorteile
Insgesamt erhöht der Einsatz von AutoML-Lösungen die Produktivität der Data Scientists und reduziert die Komplexität der ML-Modellentwicklung, indem mechanische Aufgaben automatisiert werden. Konkret bedeutet dies, dass:
- weniger Zeit für sich wiederholende Aufgaben wie die Modellauswahl und das Abstimmen von Hyperparametern benötigt wird – womit mehr Zeit für die Konzentration auf das Geschäftsproblem, das Sammeln und Vorverarbeiten hilfreicher Daten und die Kommunikation des Ansatzes und der Ergebnisse an die Beteiligten bleibt.
- eine solide Basis für einen Proof of Concept geliefert wird, die in späteren Phasen weiter verfeinert werden kann.
Falls Sie sich für eine kritische Auseinandersetzung mit AutoML interessieren, schauen Sie doch gerne in unserem weiterführenden Blogartikel vorbei. Stefan Lautenbacher (Senior Data Scientist) erörtert dort anhand eines stilisierten Arbeitsablaufs eines ML-Projekts inwiefern AutoML den Bedarf an menschlichen Data Scientists abdecken kann.
