סוגי המודלים שאפשר לבנות באמצעות AutoML
סוגי המודלים שאפשר ליצור תלויים בסוג הנתונים שיש לכם. Gemini Enterprise Agent Platform מציעה פתרונות AutoML לסוגי הנתונים ולמטרות המודל הבאים:
| סוג נתונים | יעדים נתמכים |
|---|---|
| נתוני תמונות | סיווג, זיהוי אובייקטים. |
| נתונים בטבלה | סיווג/רגרסיה, חיזוי. |
תהליך העבודה לאימון מודל AutoML ולשימוש בו זהה, ללא קשר לסוג הנתונים או למטרה:
- הכנת נתוני האימון.
- יוצרים מערך נתונים.
- אימון מודל.
- מעריכים את המודל ומבצעים בו איטרציות.
- קבלת מסקנות מהמודל.
- פירוש תוצאות ההסקה.
נתוני תמונות
AutoML משתמשת בלמידת מכונה כדי לנתח את התוכן של נתוני תמונות. אתם יכולים להשתמש ב-AutoML כדי לאמן מודל ML לסיווג נתוני תמונות או לחיפוש אובייקטים בנתוני תמונות.
Gemini Enterprise Agent Platform מאפשרת לכם לקבל היסקים אונליין והיסקים באצווה מהמודלים מבוססי התמונות שלכם. הסקת מסקנות אונליין היא בקשות סינכרוניות שנשלחות לנקודת קצה של מודל. משתמשים בהסקת מסקנות אונליין כשמבצעים בקשות בתגובה לקלט של אפליקציה או במצבים שבהם נדרשת הסקת מסקנות בזמן אמת. הסקת מסקנות באצווה היא בקשה אסינכרונית. אתם יכולים לבקש מסקנות (inferences) של אצווה ישירות ממקור המידע של המודל, בלי שתצטרכו לפרוס את המודל לנקודת קצה. לגבי נתוני תמונות, כדאי להשתמש בהסקת מסקנות באצווה כשלא נדרשת תשובה מיידית ורוצים לעבד נתונים שנצברו באמצעות בקשה אחת.
סיווג תמונות
מודל סיווג מנתח נתוני תמונה ומחזיר רשימה של קטגוריות תוכן שרלוונטיות לתמונה. לדוגמה, אפשר לאמן מודל שמסווג תמונות לפי אם יש בהן חתול או לא, או לאמן מודל שמסווג תמונות של כלבים לפי גזע.
תיעוד: הכנת נתונים | יצירת מערך נתונים | אימון מודל | הערכת מודל | קבלת מסקנות | פירוש התוצאות
זיהוי אובייקטים בתמונות
מודל לזיהוי אובייקטים מנתח את נתוני התמונות ומחזיר הערות לכל האובייקטים שנמצאו בתמונה. ההערות כוללות תווית ומיקום של תיבת תוחמת לכל אובייקט. לדוגמה, אפשר לאמן מודל כדי למצוא את המיקום של החתולים בנתוני תמונות.
תיעוד: הכנת נתונים | יצירת מערך נתונים | אימון מודל | הערכת מודל | קבלת מסקנות | פירוש התוצאות
נתונים בטבלה
Agent Platform מאפשרת לכם לבצע למידת מכונה עם נתונים טבלאיים באמצעות תהליכים וממשקים פשוטים. אפשר ליצור את סוגי המודלים הבאים לבעיות שקשורות לנתונים טבלאיים:
- מודלים של סיווג בינארי חוזים תוצאה בינארית (אחת משתי קטגוריות). משתמשים בסוג המודל הזה לשאלות שהתשובה עליהן היא כן או לא. לדוגמה, יכול להיות שתרצו ליצור מודל סיווג בינארי כדי לחזות אם לקוח ירכוש מינוי. באופן כללי, בעיה של סיווג בינארי דורשת פחות נתונים מאשר סוגים אחרים של מודלים.
- מודלים של סיווג רב-מחלקתי חוזים מחלקה אחת מתוך שלוש מחלקות נפרדות או יותר. משתמשים בסוג המודל הזה לסיווג. לדוגמה, אם אתם קמעונאים, יכול להיות שתרצו לבנות מודל סיווג רב-מחלקתי כדי לפלח את הלקוחות לפי פרסונות שונות.
- מודלים של רגרסיה חוזים ערך רציף. לדוגמה, אם אתם קמעונאים, יכול להיות שתרצו ליצור מודל רגרסיה כדי לחזות כמה לקוח יוציא בחודש הבא.
- מודלים של חיזוי חוזים רצף של ערכים. לדוגמה, אם אתם קמעונאים, יכול להיות שתרצו לחזות את הביקוש היומי למוצרים שלכם ל-3 החודשים הבאים, כדי שתוכלו להכין מראש את מלאי המוצרים.
מידע נוסף זמין במאמר סקירה כללית על נתונים בטבלה.
אם הנתונים הטבלאיים שלכם מאוחסנים ב-BigQuery ML, אתם יכולים לאמן מודל טבלאי של AutoML ישירות ב-BigQuery ML. מידע נוסף מופיע במאמרי העזרה בנושא AutoML Tabular.