Google propuso recientemente AutoML que automatiza el diseño de una red neuronal adecuada para una tarea en particular. Utiliza el aprendizaje por refuerzo, donde una red neuronal controladora propone una arquitectura modelo infantil . Luego, se evalúa el rendimiento de este modelo secundario en una determinada tarea (por ejemplo, reconocimiento de imagen, modelado de idioma) y los resultados se envían de vuelta al controlador. La red del controlador luego propone otra arquitectura a partir de su espacio candidato de modelos secundarios (¡se puede diseñar una red de 10 capas de 10 ^ 10 formas!). Este proceso se reitera hasta que se encuentre una arquitectura adecuada.
Además, los hiperparámetros aprendidos una vez para un modelo no se pueden reutilizar / ajustar para otra arquitectura.
- ¿Qué resultado arrojará una máquina de aprendizaje profundo bien entrenada de esta imagen?
- ¿Cuáles son los límites del aprendizaje automático? ¿Cuándo puede estar seguro de que un algoritmo ML no podrá darle un resultado satisfactorio?
- ¿Qué tan bueno es el ADVI en STAN en la práctica?
- Si hay investigaciones que muestran que una máquina interactúa con un humano dentro de la realidad a través de una conciencia cuántica, ¿cómo se recibirá?
- Tengo una oferta de Qualcomm y una oferta postdoc de CMU. Trabajo en visión artificial / aprendizaje automático. ¿Qué tengo que hacer?