AUTOMATED MACHINE LEARNING OVERVIEW
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F19%3A63524121" target="_blank" >RIV/70883521:28140/19:63524121 - isvavai.cz</a>
Výsledek na webu
<a href="https://content.sciendo.com/view/journals/rput/27/45/article-p107.xml" target="_blank" >https://content.sciendo.com/view/journals/rput/27/45/article-p107.xml</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.2478/rput-2019-0033" target="_blank" >10.2478/rput-2019-0033</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
AUTOMATED MACHINE LEARNING OVERVIEW
Popis výsledku v původním jazyce
This paper aims at deeper exploration of the new field named auto-machine learning, as it shows promising results in specific machine learning tasks e.g. image classification. The following article is about to summarize the most successful approaches now available in the A.I. community. The automated machine learning method is very briefly described here, but the concept of automated task solving seems to be very promising, since it can significantly reduce expertise level of a person developing the machine learning model. We used Auto-Keras to find the best architecture on several datasets, and demonstrated several automated machine learning features, as well as discussed the issue deeper
Název v anglickém jazyce
AUTOMATED MACHINE LEARNING OVERVIEW
Popis výsledku anglicky
This paper aims at deeper exploration of the new field named auto-machine learning, as it shows promising results in specific machine learning tasks e.g. image classification. The following article is about to summarize the most successful approaches now available in the A.I. community. The automated machine learning method is very briefly described here, but the concept of automated task solving seems to be very promising, since it can significantly reduce expertise level of a person developing the machine learning model. We used Auto-Keras to find the best architecture on several datasets, and demonstrated several automated machine learning features, as well as discussed the issue deeper
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Research Papers Faculty of Materials Science and Technology Slovak University of Technology
ISSN
1338-0532
e-ISSN
—
Svazek periodika
27
Číslo periodika v rámci svazku
45
Stát vydavatele periodika
SK - Slovenská republika
Počet stran výsledku
6
Strana od-do
107-112
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—