O End-to-End AutoML Tables é uma solução de classificação e regressão que permite escolher o que controlar e o que automatizar.
Por padrão, a Vertex AI pesquisa o conjunto ideal de hiperparâmetros de treinamento. Esses hiperparâmetros incluem o tipo de modelo e os parâmetros do modelo. Em seguida, ele treina vários modelos com vários conjuntos de hiperparâmetros e cria um único modelo final a partir de um ensemble dos principais modelos.
Por padrão, a Vertex AI faz uma escolha conservadora de hardware (melhor para conjuntos de dados menores).
Há três opções para personalizar esse fluxo de trabalho:
- Pular pesquisa de arquitetura
- Substituir espaço de pesquisa
- Configurar hardware
Pular pesquisa de arquitetura
Com essa opção ativada, você fornece o conjunto completo de hiperparâmetros (N conjuntos de hiperparâmetros para os principais N modelos). Normalmente, esses hiperparâmetros são um artefato de uma pesquisa de arquitetura anterior.
Substituir espaço de pesquisa
Com essa opção ativada, você fornece valores fixos para um subconjunto dos hiperparâmetros. A Vertex AI pesquisa os valores ideais dos hiperparâmetros não fixos restantes. Essa é uma boa opção se você tem uma preferência forte para o tipo de modelo. Aqui, o tipo de modelo são redes neurais ou árvores aprimoradas.
Configurar hardware
Com essa opção ativada, é possível configurar os tipos de máquina e o número de máquinas para treinamento. Essa é uma boa opção para quem tem um conjunto de dados grande e quer otimizar o hardware da máquina adequadamente.