Tipos de modelos de AutoML

Los modelos del aprendizaje automático (AA) usan datos de entrenamiento para aprender a inferir los resultados de los datos sobre los que no se entrenó el modelo. AutoML en Vertex AI te permite compilar un modelo personalizado según los datos de entrenamiento que proporciones.

En este documento, se describen algunos de los tipos de problemas que puedes resolver mediante AutoML.

Tipos de modelos que puedes compilar con AutoML

Los tipos de modelos que puedes compilar dependen del tipo de datos que tengas. En las siguientes secciones, se describen los tipos de modelos que puedes compilar con datos de imágenes, datos tabulares, datos de texto y datos de video.

Para resolver un problema complejo que no coincide con los tipos de problemas en las siguientes secciones, busca formas de dividir tu problema en un conjunto de problemas más pequeños. Si combinas varios modelos puede ayudarte a resolver un problema especialmente complejo.

Datos de imágenes

AutoML usa el aprendizaje automático para analizar el contenido de los datos de imágenes. Puedes usar AutoML para entrenar un modelo de AA con el fin de clasificar los datos de imágenes o encontrar objetos en los datos de imagen.

  • Un modelo de clasificación analiza los datos de imágenes y muestra una lista de las categorías de contenido que se aplican a la imagen. Por ejemplo, podrías entrenar un modelo que clasifique imágenes que contengan o no un gato, o podrías entrenar un modelo para clasificar imágenes de perros según la raza.

  • Un modelo de detección de objetos analiza los datos de tus imágenes y muestra las anotaciones para todos los objetos que se encuentran en una imagen, que constan de una etiqueta y la ubicación del cuadro de límite para cada objeto. Por ejemplo, podrías entrenar un modelo para que busque la ubicación de los gatos en los datos de imágenes.

Sigue estos pasos para comenzar a compilar tu modelo de datos de imagen mediante AutoML:

Datos tabulares

AutoML usa el aprendizaje automático para analizar el contenido de los datos tabulares. Puedes usar AutoML para entrenar un modelo de AA a fin de usar la regresión para encontrar un valor numérico o usar la clasificación a fin de predecir un resultado categórico de tus datos tabulares.

  • Un modelo de regresión analiza tus datos tabulares y muestra un valor numérico. Por ejemplo, podrías entrenar un modelo para que calcule el valor de una casa.

  • Un modelo de clasificación analiza tus datos tabulares y muestra una lista de categorías que los describen. Por ejemplo, podrías entrenar un modelo para predecir si el historial de compras de un cliente predice si comprará una suscripción o no.

  • Un modelo de previsión (vista previa) utiliza varias filas de datos tabulares dependientes del tiempo anteriores para predecir una serie de valores numéricos que se extienden en el futuro. Por ejemplo, mediante la previsión de la demanda futura de productos, una organización de venta minorista podría optimizar su cadena de suministro a fin de reducir la posibilidad de producir en exceso o de quedarse sin stock del producto.

Sigue estos pasos para comenzar a compilar tu modelo de datos tabulares con AutoML:

Datos de texto

AutoML usa el aprendizaje automático para analizar la estructura y el significado del texto de datos. Puedes usar AutoML para entrenar un modelo de AA a fin de clasificar datos de texto, extraer información o comprender las opiniones de los autores.

  • Un modelo de clasificación analiza los datos del texto y muestra una lista de las categorías que se aplican al texto encontrado en los datos. Vertex AI ofrece modelos de clasificación de texto de una sola etiqueta y de varias etiquetas.

  • Un modelo de extracción de entidades inspecciona datos de texto en busca de entidades conocidas a las que se hace referencia en los datos y las etiqueta de esas entidades en el texto.

  • Un modelo de análisis de opiniones inspecciona datos de texto para identificar la opinión emocional que predomina en él; en particular, con el propósito de determinar si la actitud del escritor es positiva, negativa o neutral.

Para comenzar a compilar tu modelo de datos de texto mediante AutoML, haz lo siguiente:

Datos de video

AutoML usa el aprendizaje automático para analizar los datos de video a fin de clasificar tomas y segmentos, o detectar y seguir varios objetos en tus datos de video.

  • Un modelo de clasificación analiza los datos de tus videos y muestra una lista de tomas y segmentos clasificados. Por ejemplo, podrías entrenar un modelo que analice los datos de video a fin de identificar si es un partido de fútbol, béisbol, baloncesto o fútbol americano.

  • Un modelo de seguimiento de objetos analiza los datos de tus videos y muestra una lista de tomas y segmentos donde se detectaron estos objetos. Por ejemplo, podrías entrenar un modelo que analice datos de video de partidos de fútbol para identificar y hacer un seguimiento de la pelota.

  • Un modelo de reconocimiento de acciones analiza los datos de tus videos y muestra una lista de acciones clasificadas con los momentos en que ocurrieron las acciones. Por ejemplo, podrías entrenar un modelo que analice los datos de video para identificar los momentos de la acción que implica un gol de fútbol, un swing de golf, un touchdown o un choca esos cinco.

Sigue estos pasos para comenzar a compilar tu modelo de datos de video mediante AutoML: