Tipos de modelo do AutoML

Os modelos de machine learning (ML) usam dados de treinamento para aprender a inferir resultados de dados para os quais não foram treinados. O AutoML no Vertex AI permite que você crie um modelo sem código com base nos dados de treinamento fornecidos.

Este documento descreve alguns dos tipos de problemas que podem ser solucionados com o AutoML.

Tipos de modelos que você pode criar usando o AutoML

Os tipos de modelo que você pode criar dependem do tipo de dados que você tem. As seções a seguir descrevem os tipos de modelos que podem ser criados com dados de imagem, dados em tabela, dados de texto e dados de vídeo.

Para resolver um problema complexo que não corresponde aos tipos de problemas nas seções a seguir, procure maneiras de dividi-lo em um conjunto de problemas menores. A combinação de vários modelos pode ajudar a resolver um problema especialmente complexo.

Dados de imagem

O AutoML usa machine learning para analisar o conteúdo dos dados de imagem. É possível usar o AutoML para treinar um modelo de ML que classifique dados de imagem ou encontre objetos nos dados da imagem.

  • Um modelo de classificação analisa dados de imagem e retorna uma lista de categorias de conteúdo que se aplicam à imagem. Por exemplo, você pode treinar um modelo para classificar imagens de acordo com a presença ou não de um gato, ou treinar um modelo para classificar imagens de cães de acordo com a raça.

  • Um modelo de detecção de objetos analisa os dados da imagem e retorna anotações para todos os objetos encontrados em uma imagem, que consiste em um rótulo e um local da caixa delimitadora para cada objeto. Por exemplo, é possível treinar um modelo para encontrar a localização dos gatos em dados de imagem.

Para começar a criar seu modelo de dados de imagem usando o AutoML, siga estes passos:

Dados em tabela

O AutoML usa machine learning para analisar o conteúdo dos dados em tabela. É possível usar o AutoML para treinar um modelo de ML a usar regressão para encontrar um valor numérico, ou a usar uma classificação para prever um resultado categórico dos dados em tabela.

  • Um modelo de regressão analisa seus dados em tabela e retorna um valor numérico. Por exemplo, é possível treinar um modelo para estimar o valor de uma casa.

  • Um modelo de classificação analisa dados em tabela e retorna uma lista de categorias que descrevem os dados. Por exemplo, é possível treinar um modelo para prever se o histórico de compras de um cliente prevê que ele comprará uma assinatura ou não.

  • Um modelo de previsão (visualização) usa várias linhas de dados tabulares dependentes do tempo do passado para prever uma série de valores numéricos que se estendem. para o futuro. Por exemplo, ao prever a demanda futura do produto, uma organização de varejo pode otimizar a cadeia de suprimentos para reduzir a chance de superestoque ou vender esse produto.

Para começar a criar um modelo de dados em tabela com o AutoML, siga estes passos:

Dados de texto

O AutoML usa machine learning para analisar a estrutura e o significado dos dados de texto. É possível usar o AutoML para treinar um modelo de ML para classificar dados de texto, extrair informações ou entender o sentimento dos autores.

  • Um modelo de classificação analisa dados de texto e retorna uma lista de categorias que se aplicam ao texto encontrado nos dados. A Vertex AI oferece modelos de classificação de texto com um ou vários rótulos.

  • Um modelo de extração de entidade inspeciona os dados de texto de entidades conhecidas citadas nos dados e rotula essas entidades no texto.

  • Um modelo de análise de sentimento inspeciona dados de texto e identifica a opinião emocional predominante nele, principalmente para determinar a atitude de um escritor como positiva, negativa ou neutra.

Para começar a criar o modelo de dados de texto usando o AutoML, siga estes passos:

Dados de vídeo

O AutoML usa machine learning para analisar dados de vídeos para classificar sequências e segmentos ou para detectar e rastrear vários objetos nos dados do vídeo.

  • Um modelo de classificação analisa os dados do vídeo e retorna uma lista de sequências e segmentos categorizados. Por exemplo, é possível treinar um modelo que analisa dados de vídeo para identificar se o vídeo é de um futebol, beisebol, basquete ou futebol americano.

  • Um modelo de rastreamento de objetos analisa os dados de vídeo e retorna uma lista de sequências e segmentos em que esses objetos foram detectados. Por exemplo, é possível treinar um modelo que analisa dados de vídeo de jogos de futebol para identificar e rastrear a bola.

  • Um modelo de reconhecimento de ações analisa os dados de vídeo e retorna uma lista de ações categorizadas com os momentos em que as ações ocorreram. Por exemplo, é possível treinar um modelo que analisa dados de vídeo para identificar os momentos de ação envolvendo um gol, um swing, um touchdown ou um "high five".

Para começar a criar o modelo de dados de vídeo usando o AutoML, siga estes passos: