AutoML (Otomatik Makine Öğrenmesi), makine öğrenimi sürecini otomatik yapan yapay zeka modelidir. Makine öğreniminde uzman ihtiyacına gereksinim duymadan sorunlara çözüm üretmek amacıyla geliştirilmiştir. Yüksek derecede otomasyona dayalı çalışır. Tekrarlayan görevleri yerine getirmenin yanında otomatik olarak öğrenerek yaptığı görevi daha da basit hâle getirmeyi hedefler.

AutoML Nedir?

AutoML, Türkçeye “otomatik makine öğrenimi” olarak çevrilen “automated machine learning” kelimelerinin kısaltmasıdır. Otomasyona dayalı olmayan klasik makine öğrenimi algoritmalarının otomasyona uygun hâle gelmesinde rol alır. Algoritmaları sınıflandırıp birleştirir, daha basite indirger. Bu sayede makine öğrenimi sürecinde uzmana gerek duyulmaz. Teknolojinin erişilebilirliğini artırır.

Standart makine öğrenimi uygulamalarında bir veri seti sayesinde eğitim verilir ve bu veri seti sürekli güncellenmesi gerekebilir. Verinin, makinenin anlayacağı dile çevrilmesi, düzenlenmesi, güncellenmesi aşamalarında veri bilim alanında uzmanlaşmış birisine ihtiyaç vardır. AutoML, bu aşamaları uzmana gerek kalmadan basitleştirir ve eğitim sürecini otomatik hâle getirir.

AutoML Nasıl Çalışır?

AutoML, veri analistinin makine öğrenimi sürecinde yaptığı işlerin aynısını kendi yaparak çalışır. Otomatik makine öğrenimi sürecinde aşağıdaki adımlar otomatik gerçekleşir:

1. Veri kümesini belirler.
2. Kullanılacak en uygun makine öğrenimi algoritmasını seçer.
3. Algoritmaya uygun analitik model oluşturur.
4. Modeli veri kümesi üzerinden eğitir, gerekli aşamalarda revize yapar.
5. Eğitim sürecinin tamamlanmasıyla çıktı vermeye hazır hâle gelir.

AutoML, en uygun makine öğrenimini algoritmasını seçerken iki farklı yöntem kullanır:

1. Yapay sinir ağları üzerinde araştırma yapar.
2. Önceden eğitilmiş modellerde kullanılan algoritmaları inceler.

AutoML sayesinde veri bilimi üzerine çalışan kullanıcılar, makine öğrenimi ve derin öğrenme hakkında uzmanlık sahibi olmadan Python benzeri basit programlama dilleri kullanarak yapay zeka çözümleri üretebilir hâle gelirler. Henüz geliştirilmeye devam ediliyor olsa da literatürdeki uygulamalarda harika sonuçlar ürettiği görülür. Bu açıdan ortaya konan çalışmalarda sistemin nasıl çalıştığının açıklanması çok önemlidir. Çünkü, otomasyon içerisinde gerçekleşen makine öğrenmesi modelleri ile alınan çıktıların doğruluğu kontrol edilir ve modelin gelişmesine imkân sağlanır.

AutoML’in şu an için gerçekleştirebildiği işlevlerin bazıları aşağıda belirtilmiştir:

• Ham veri analizi
• Mühendislik modellerinde özellik seçimi
• Hiperparametre optimizasyonu
• İzleme ve sorun kontrolü
• Sonuçların analizi

AutoML Neden Önemlidir?

AutoML, makine öğrenim sürecindeki insan faktöründen kaynaklı hataları ve riskleri azaltması açısından önemlidir. Geleneksel makine öğrenimi modellerinde veri analistlerinin uyguladığı farklı metotların yanında deneme yanılma yöntemiyle kendini geliştirebilir. AutoML ise tüm süreci otomatikleştirerek insan müdahalesini aza indirmeyi hedefler. Diğer bir ifadeyle bir veri seti üzerinden optimum performans ile öğrenme sürecini daha hızlı ve doğru tamamlar.

AutoML Araçları Nelerdir?

AutoML için sunulan birçok platform bulunmaktadır. Bunlardan bazıları:

• Google AutoML
• Microsoft Azure AutoML
• AutoKeras
• Auto-sklearn

Deneyimlere göre Microsoft Azure AutoML ve Auto-sklearn, mevcut modellerden kendini geliştirmede daha güçlüdür. Ayrıca daha az kaynak tüketmesinden dolayı uygun maliyetlidir. Google AutoML ve AutoKeras yeni modeller üretmede daha başarılıdır. Yapay sinir ağlarını daha iyi kullanırlar.

AutoML, gelişimi devam eden bir makine öğrenme modelidir. Veri analistlerinin vaktini alan öğrenme süreçlerini otomatik hâle getirmeyi amaçlar. Makine öğrenmesindeki talebin artması ve teknolojinin son kullanıcıya ulaşması yönündeki çalışmalar AutoML’in önemini ortaya koyar.