O AutoML é uma tecnologia importante que simplifica a construção, o treinamento e a implantação de modelos de aprendizado de máquina, ou Machine Learning (ML). Em suma, ele retira a complexidade no fluxo de trabalho de ponta a ponta. Isto permite que até mesmo os usuários iniciantes possam experimentar o poder do ML. Startups, grandes empresas e comunidades em todo o mundo estão desenvolvendo ferramentas com recursos de fácil uso que, em alguns casos, exigem apenas algumas linhas de código para operar, como o AutoGluon, uma das ferramentas mais populares nesta categoria.
A promessa do AutoML parece ficção, mas não é. Um dia, no futuro, essa tecnologia estará em todos os lugares; não apenas na nuvem, mas também em carros, telefones, sites, aplicativos e muito mais, cada peça desempenhando seu papel. Além disso, exigirá o mínimo de intervenção humana para construir, treinar e implantar modelos em tempo real.
Hoje, algumas ferramentas, como o próprio AutoGluon, são capazes de preparar os dados, limpá-los, realizar engenharia de recursos ou Feature Engineering, seleção de algoritmos, ajuste de hiperparâmetros, seleção de modelos, treinamento e muito mais. Todo cortesia da Amazon, a organização por trás da ferramenta.
O AutoGluon pode “treinar modelos de ML de última geração para classificação de imagens, detecção de objetos, classificação de texto e previsão de dados tabulares” sem a necessidade de ser um especialista na área. Existem outras ferramentas populares de AutoML de código aberto, como Auto-sklearn, NNI e Google Model Search. A seguir está uma lista de ferramentas que foram identificadas no mercado. Algumas delas continuam a evoluir em maturidade e têm grandes comunidades por trás delas.
Ferramentas de AutoML
- AutoGluon
- TransmogrifAI
- Auto-sklearn
- Neural Network Intelligence (NNI)
- Auto-Keras
- TPOT
- AutoWeka
- Model Search
Algumas das tarefas mais difíceis no trabalho com Machine Learning (ML), principalmente para pessoas que não são cientistas de dados, são a preparação dos dados, seleção de algoritmos, seleção de modelos e ajuste de hiperparâmetros. O AutoML ajuda a resolver tudo isso em minutos.
Lista de ferramentas de AutoML de código aberto
| Nome | Tipo | Notas | Características |
| AutoGluon | Funciona com aprendizagem profunda (deep learning) e ML clássico. | Suporta texto, objetos e dados tabulares. | Ajuste automático de hiperparâmetros, seleção de modelos, busca de arquiteturas. |
| TransmogrifAI | Acelera a produtividade do desenvolvedor de ML. | Funciona com dados estruturados. | Os algoritmos ajudam na feature engineering, seleção de recursos e modelos. |
| Auto-sklearn | Aprendizado de máquina supervisionado pronto para uso. | Vem com 15 algoritmos de classificação e 14 algoritmos de pré-processamento de recursos. | Busca um conjunto de dados correto e otimiza os hiperparâmetros. |
| NNI | Gerencia experimentos de AutoML. | Busca a melhor arquitetura neural e hiperparâmetros. | Automatiza a feature engineering, o ajuste de hiperparâmetros, a compressão de modelos e NAS (busca). |
| Auto-Keras | Trabalha com aprendizagem profunda, classificação e regressão. | Muito integrado ao TensorFlow. | Encontra os melhores hiperparâmetros e arquitetura de modelo. |
| TPOT | Inicialmente desenvolvido para a comunidade científica. | Otimiza pipelines de aprendizado de ML. | Explora milhares de possíveis pipelines para identificar o melhor. |
| Auto-Weka | Para preparação, classificação, regressão, agrupamento e visualização de dados. | Ajuda a identificar os melhores algoritmos e hiperparâmetros para uma determinada aplicação. | Coleta de algoritmos para mineração de dados. |
| Google Model Search | Ajuda com problemas de classificação. | Pronto para uso, busca e compara modelos. | Buscas de arquitetura de modelo. |
Embora algumas ferramentas de AutoML forneçam um conjunto mais restrito de funcionalidades prontas para uso, outras como o AutoGluon são abrangentes. Em três anos, nosso palpite é que o AutoML vai se tornar de uso comum.