비 CS 배경에 대한 코드 머신 러닝이 없습니다

머신 러닝의 폭발적인 성장과 노 코드 플랫폼의 상승

지난 10 년 동안 연구, 교육, 비즈니스, 건강 관리 및 생명 공학을 포함한 수많은 부문에서 기계 학습 (ML) 응용 프로그램이 전례없는 급증했습니다. ML을 기존 시스템에 통합하는 것은 단순한 IT 업데이트가 아닙니다. 새로운 기회를 잠금 해제하고 프로세스를 최적화하며 고객 서비스를 개선 할 수있는 회사 전체의 변화입니다. 그러나 진입에 대한 기술적 장벽은 전통적으로 컴퓨터 과학 배경이 강한 사람들에 대한 ML 채택을 제한했습니다. 이 기사에서는 해결책 : No-Code ML 플랫폼을 탐구합니다.

학습 목표 :

• 다양한 분야에서 ML의 광범위한 영향을 파악하십시오.
• 전통적인 ML 구현의 과제와 No-Code 솔루션의 장점을 이해하십시오.
• No-Code ML 플랫폼의 주요 기능과 이점에 대해 알아보십시오.
• 노 코드 플랫폼의 기능을 보여주는 실용적인 사용 사례를 검사하십시오.
• Python 및 No-Code 플랫폼을 사용하여 ML 솔루션 구현과 관련된 단계를 살펴보십시오.

(이 기사는 데이터 과학 블로그의 일부입니다.)

목차 :

• 전통적인 ML 구현 과제
• 코드 없음 솔루션
• No-Code ML 플랫폼의 기능
• 사용 사례 : 난 모세포 분류
• 파이썬 코드 개요
• 코드 플랫폼 구현 (오렌지)
• 자주 묻는 질문

전통적인 ML 구현 과제 :

전통적인 방법을 사용하여 ML 응용 프로그램을 구축하는 것은 복잡하고 시간이 많이 걸리며 비싸다. 내부 개발은 숙련 된 전문가 모집, 필요한 하드웨어 및 소프트웨어 라이센스 조달, 긴 개발주기를 탐색하는 것과 같은 장애물에 직면 해 있습니다. 이 코딩 집약적 접근 방식은 직관적 인 인터페이스를 사용하여 사용자 친화적 인 도구를 선호하는 많은 시민 개발자와 프로그래머를 억제하고 있습니다.

강력한 코딩 기술을 가진 자격을 갖춘 ML 전문가를 찾는 것은 중요한 과제입니다. 전통적인 ML 프로젝트는 종종 ML 시스템을 코딩하고 배포 해야하는 데이터 과학자 또는 분석가에게 의존합니다. 그러한 인재의 부족은 사업체가 대안을 찾도록 이끌고 있습니다. 또한 전문가 코더를 사용하더라도 기술 솔루션과 비즈니스 요구 사이에 연결이 끊어 질 수 있습니다.

일반적인 ML 워크 플로에는 데이터 청소, 준비, 모델 선택, 교육, 테스트, 하이퍼 파라미터 튜닝 및보고가 포함됩니다. 이 프로세스는 프로그래밍, 수학 및 통계에 대한 확실한 이해가 필요합니다.

코드 없음 솔루션 :

코드가없는 플랫폼은 이러한 제한 사항을 해결하도록 설계되었습니다. 이 자동화 된 ML 도구는 신속한 결과를 제공하며 특히 마감일이 엄격하고 자원이 제한된 프로젝트에 유용합니다. 그들은 광범위한 프로그래밍 지식의 필요성을 제거하여 최소한의 코딩 경험을 가진 개인이 맞춤형 응용 프로그램을 만들 수 있도록합니다.

No-Code 플랫폼은 비즈니스가 기술에 접근하는 방식을 변화시키고 있습니다. Gartner는 2024 년까지 기술 제품과 서비스의 80%가 IT 부서 밖에서 구축 될 것으로 예측하여 이러한 도구의 중요성이 커지고 있습니다. 이러한 사용자 친화적 인 플랫폼은 종종 드래그 앤 드롭 인터페이스를 통해 데이터 분석, 딥 러닝 및 ML 모델 개발을 단순화합니다. Python, C 및 C 및 C와 같은 언어로 작성된 코드와의 모델 수정 및 통합을 허용합니다.

(다양한 비 코드 플랫폼 비교 - 테이블 컨텐츠의 원래 입력을 참조하십시오)

No-Code ML 플랫폼의 기능 :

진정한 비 코드 플랫폼은 다음을 제공해야합니다.

• 다양한 형식의 자동 데이터 수집.
• 누락 및 불균형 처리를 포함하여 시각화로 자동화 된 데이터 처리.
• 자동화 된 교육, 테스트 및 검증을 통해 다양한 모델 및 분석 레시피. 모델 비교 및 ​​순위 기능이 필수적입니다.
• 대시 보드 및 표준 메트릭을 통한 자동 성능보고 (예 : 혼동 행렬).
• 확장 가능한 생산 준비 모델.
• 자동화 된 하이퍼 파라미터 튜닝.
• 지속적인 모델 성능 모니터링.

사용 사례 : 난 모세포 분류 :

포유 동물 난 모세포는 염색질 구성에 기초하여 둘러싸인 핵 (SN) 또는 주변 핵 (NSN)으로 분류됩니다. 분류를 위해 마우스 난 모세포 이미지 데이터 세트 ([원래 입력으로 제공된 링크]에서 사용 가능)를 사용합니다. 이것은 고전적인 ML 분류 문제입니다.

파이썬 코드 개요 :

다음 단계는이 작업의 Python 코드를 간략하게 설명합니다 (간단함을 위해 단순화) :

1. 데이터로드 및 전처리 : 이미지를 배열로로드 및 변환합니다.
2. 이미지 임베딩 : inceptionv3를 사용하여 이미지 임베딩 (피처 벡터)을 추출합니다.
3. 거리 계산 : 임베딩 사이의 쌍별 유클리드 거리를 계산합니다.
4. 다차원 스케일링 (MDS) : 시각화를 위해 차원을 2D로 줄입니다.
5. 시각화 : 분류를 보여주기 위해 2D 산점도를 만듭니다.

(자세한 파이썬 코드의 원래 입력을 참조하십시오.)

코드가없는 플랫폼 구현 (Orange) :

동일한 난 모세포 분류 작업은 No-Code 플랫폼 Orange를 사용하여 수행 할 수 있습니다. 단계는 아래 이미지에서 시각적으로 시연됩니다. (이미지의 원래 입력 참조)

결론:

No-Code ML 플랫폼은 빠르게 중요한 SaaS 도구가되어 액세스 가능하고 확장 가능한 솔루션을 제공합니다. 사용 편의성, 자동화 된 기능 및 유연성으로 인해 모든 규모의 비즈니스에 가치가 있습니다. 매우 복잡한 작업에 대한 제한이있을 수 있지만 속도, 비용 효율성 및 접근성 측면에서 이점은 부인할 수 없습니다.

주요 테이크 아웃 :

• 코드가없는 플랫폼은 ML 액세스를 민주화합니다.
• 그들은 ML 개발을 간소화하여 시간과 돈을 절약합니다.
• 사용자 친화적 인 인터페이스와 자동화 된 기능을 제공합니다.
• 그들은 다양한 산업에 적용 할 수 있습니다.
• 그들은 매우 복잡한 작업에 대한 제한이있을 수 있습니다.

자주 묻는 질문 :

• Q1 : 코드가없는 ML 플랫폼이란 무엇입니까? A1 : 코딩없이 ML 모델 구축 및 배포를 허용하는 플랫폼.
• Q2 : 그들의 혜택은 무엇입니까? A2 : 단순화 된 개발, 시간 및 비용 절감, 비 프로그래머에 대한 접근성.
• Q3 : 복잡한 모델을 처리 할 수 ​​있습니까? A3 : 예, 다양한 모델을 지원하고 많은 프로세스를 자동화합니다.
• Q4 : 모든 비즈니스에 적합합니까? A4 : 그렇습니다. 많은 도메인에 적용됩니다.

(참고 : 이미지는 원래 입력에서 참조되며 올바르게 연결된 것으로 가정합니다.)

위 내용은 비 CS 배경에 대한 코드 머신 러닝이 없습니다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!