Il est devenu plus facile que jamais de créer des modèles d’apprentissage automatique

Le besoin du monde moderne de modèles d’apprentissage automatique et d’intelligence artificielle de plus en plus complexes ne peut être satisfait. Ces lignes de code et ces ensembles de données permettent aux systèmes informatiques de diagnostiquer des maladies, de créer des images et des vidéos à partir de texte, d’extraire des informations commerciales précieuses à partir de vastes quantités de données clients. C’est une innovation moderne qui change rapidement notre vie professionnelle et quotidienne.
Le seul problème est que les entreprises de tous types, et pas seulement les entreprises technologiques, recherchent des scientifiques des données et des experts en ML pour créer ces modèles, et il n’y en a tout simplement pas assez pour répondre à la demande.
C’est là qu’interviennent l’abstraction et le ML automatisé (AutoML). Plates-formes AutoML sont des outils qui peuvent automatiser l’ensemble du pipeline d’apprentissage automatique en éliminant les complexités et en simplifiant le processus, afin que les personnes ayant moins de connaissances techniques puissent créer elles-mêmes des modèles ML. Ces outils ont donné naissance à une nouvelle classe de travailleurs appelés « scientifiques citoyens des données ».

Purnima Ramaswamy, directeur de la transformation chez Qlik, déclare que les scientifiques des données citoyens deviendront une partie importante de l’écosystème des données pour aider à combler le fossé entre le besoin et l’opportunité, afin que les scientifiques experts en données puissent se concentrer sur les problèmes les plus complexes que les entreprises doivent résoudre. « Contrairement à un data scientist, un ‘citoyen data scientist’ est celui qui crée des modèles ML et dont la fonction principale est en dehors du domaine des statistiques et de l’analyse. La plupart du temps, les scientifiques des données citoyens apportent une solide compréhension des besoins de l’entreprise et de la profondeur du domaine. Gartner prédit qu’il y aura cinq fois plus de scientifiques des données citoyens que d’experts des données scientifiques à l’avenir », dit-elle.
Qlik a un AutoML Offre SaaS pour créer et déployer des modèles ML sans écrire de code. Il automatise la préparation des données, l’extraction des caractéristiques et la sélection et l’optimisation des algorithmes, des tâches qui nécessitent traditionnellement un data scientist.
Les entreprises technologiques proposent également différents outils AutoML pour différents niveaux d’expertise. « Les clients ont généralement deux exigences clés en matière de ML : premièrement, offrir le ML aux professionnels tels que les analystes commerciaux d’une manière facile à utiliser, et deuxièmement, augmenter la productivité de l’équipe de science des données et leur permettre de mettre le ML sur le marché. plus rapidement », explique Guru Bala, responsable de l’architecture des solutions pour les services spécialisés AWS chez AISPL, l’entité indienne qui agit en tant que vendeur des services AWS en Inde.
Bala dit qu’AWS propose quatre offres AutoML sous sa plate-forme cloud ML qui répondent à ces différentes exigences. Certains nécessitent une expertise minimale en science des données, tandis que d’autres nécessitent des connaissances plus approfondies. Plus de 100 000 clients AWS l’utilisent quotidiennement.
Himani Agarwal, responsable du groupe commercial Azure chez Microsoft, déclare que l’échelle et la rapidité avec lesquelles les modèles ML peuvent être déployés à l’aide des outils AutoML conduisent à une adoption plus large et qu’ils voient des cas d’utilisation dans un large éventail d’industries. Par exemple, dit Agarwal, le géant pétrolier britannique BP utilise la plate-forme AutoML de Microsoft pour créer rapidement des modèles ML capables de prédire où se trouvent les réserves de pétrole et de gaz. « Ce qui prenait auparavant des jours ne prend plus que quelques heures », dit-elle.
Jared Danaraj, vice-président des ventes et de l’ingénierie des solutions pour l’Asie-Pacifique et le Japon chez UiPath, déclare que les scientifiques des données citoyens armés d’outils AutoML et de robots d’automatisation (UiPath est un expert en solutions d’automatisation des processus robotiques) peuvent non seulement « découvrir quelque chose » dans les ensembles de données, mais avec le l’aide de robots d’automatisation peut prendre des mesures avec facilité. « Par exemple, le modèle découvre une transaction frauduleuse (sur un serveur bancaire, par exemple), et les robots verrouillent alors immédiatement ce compte contre toute autre activité frauduleuse », dit-il.
La révolution AutoML en est encore à ses balbutiements. Deepak Visweswaraiah, vice-président de l’ingénierie de la plate-forme et directeur du site chez Pegasystems India, explique qu’un bon scientifique des données peut créer des modèles avec une précision supérieure à celle des plates-formes AutoML aujourd’hui pour un cas d’utilisation spécifique en quelques semaines. Il dit que les entreprises technologiques travaillent dur pour créer de meilleurs outils AutoML avec un meilleur réglage des hyper paramètres, afin que les modèles qui sortent des plates-formes rivalisent même avec les modèles créés par des data scientists chevronnés. Cela va véritablement révolutionner notre quotidien.