AutoML — это процесс создания конвейерной системы машинного обучения, который включает в себя подготовку данных, конструирование признаков, генерацию моделей и их оценку. Однако, большинство подходов AutoML требуют большого количества вычислительных ресурсов и не подходят для больших наборов данных. Мета-обучение решает эту проблему, позволяя найти оптимальный ML-пайплайн за счет использования суррогатных моделей на мета-признаках.
Мардышкин Р.Р. (науч. рук. Шиков Е.Н.) НЕЙРОСЕТЕВЫЕ МОДЕЛИ РАНЖИРОВАНИЯ ДЛЯ ЗАДАЧ МЕТААВТОМАТИЧЕСКОГО МАШИННОГО ОБУЧЕНИЯ // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2024]. URL: https://kmu.itmo.ru/digests/article/13224