Genel

H2O World San Francisco 2019 notları

H2O World etkinliği bu sene San Francisco Körfez Bölgesinde gerçekleştirildi. Platformu takip edenlerin oluşturduğu topluluk her geçen gün artmakta. 1350 teknoloji insanı bu seneki etkinliğe katılırken, 2018 yılında Londra’da gerçekleşen önceki etkinliğe 1000, ondan öncesinde de New York’ta gerçekleşene 750 kişi katılmıştı.

Mike Gualtieri, Mara Averick, Megan Risdal ve Erin LeDell gibi veri dünyasının birçok fikir önderi etkinlikte sahne aldılar.

Mara Averick

Yapay zeka öncelikli şirketler ilk olarak veri bilimcileri ile başla yaklaşımını benimserken, H2O bunu biraz modifiye ederek Kaggle ustaları ile başla şeklinde değiştirmişler. Bu neden H2O’nun birçok Kaggle kazananını işe aldığını açıklamakta.

Konfor alanı

Veriye dayalı makine öğrenmesi ve yapay zeka toplulukları Python ve R dillerini benimsemiş durumdalar. Fakat halen yapay zeka konusunda emekleme aşamasındayız. Bu dillerin ise üretim ortamındaki stabilitesi halen birer soru işareti çünkü bu betimleme dillerinin araştırma öncelikli kaygılarla geliştirildiklerini biliyoruz. Bu sistemleri üretim ortamına koyup günde milyonlarca işleme cevap vermesini beklersek neyle karşılaşacağımızı bilmiyoruz.

Bu noktada H2O, Python ve R dillerini birer arayüz olarak sunarken arka tarafta size hissettirmeden Java sanal makinesi (JVM) üzerinden çalışmakta. H2O’yu rakiplerinden ayıran da en büyük özellik bu olsa gerek. Ne veri bilimcileri ne de sistem yöneticilerinden araç kutularına yeni bir araç eklemesini istiyorsunuz ne de bunlar konfor alanlarından uzaklaşıyorlar. Öte yandan kurumsal seviyede Java’nın desteği göz ardı edilemeyecek bir konu.

Açıklanabilirlik

Makine öğrenmesi açıklanabilirliği etkinliğin bir başka anahtar konusuydu. Her ne kadar platform TensorFlow gibi altyapılarla derin öğrenme algoritmalarını desteklese de, XGBoost ve LightGBM gibi açıklanabilir algoritmalar platformun güçlü olduğu taraf. Burada H2O kendi boosting implementasyonunu geliştirmiş durumda. Wells Fargo bankasından Agus Sudjianto’nun değindiği gibi ülkemizde de olduğu gibi bankacılık dünyasında ağır regülasyonlar sebebiyle yapay zeka açıklanabilir olmak zorundadır. Makine öğrenmesi modelleri kara kutular olamazlar, transparan olmak mecburiyetindediler.

Derin öğrenme, sinir ağları ve destekçi vektör algoritmaları gibi açıklanamaz yöntemlerle geliştirilen modeller üretim ortamına taşınamazlar. Öte yandan açıklanabilirlik ve başarının ters orantılı olduğunu biliyoruz. Derin öğrenme sonsuz bir güce sahipken açıklanabilirlik söz konusu olduğunda duvara toslamakta. Bu sebeple sinir ağları kullanmanız gerektiğinde açıklanabilir sinir ağlarını kullanmayı göz önünde bulundurabilirsiniz.

Makine Öğrenmesi Açıklanabilirliği ve Doğruluk

Makine öğrenmesi modellerinin üretim ortamına taşınması etkinliğin bir başka önemli konusuydu. Bir makine öğrenmesi modeli ancak üretim ortamına konulduğu takdirde başarılı sayılabilir. Amacımız sadece akademik çalışmalar üretmek değilse bu kabul edilebilir bir gerçek. Üretim ortamına taşımak da her zaman yeterli olmaz. Üretim ortamındaki gözlemleme de hayati bir gereksinimdir. Başarılı bir makine öğrenmesi modeli de zamanla üretim ortamında çürüyebilir. Üretim hattında ancak yeniden modelleme ya da yeniden eğitim ile bu konu ile başa çıkılabilir.

Açık kaynaklı H2O platformunun dışında otomatik makine öğrenmesi için şirket paralı ve opsiyonel sürücüsüz yapay zeka (Driveless AI) modülünü de sağlamakta. Bu modül ile öznitelik mühendisliği adımlarının büyük bir kısmı bypass edebilmekte. Böylelikle veri bilimcilerinin eforu büyük ölçüde azaltılabilmekte. Kullanma şansım olmasa da modül güzel bir ilk izlenim verdi. Otomatik makine öğrenmesinin Google gibi diğer yapay zeka öncelikli şirketlerinin de odağında olduğunu zaten biliyorduk. Öyle görülüyor ki otonom makine öğrenmesi bu on yılın en önemli konularından olacak.

Google AutoML

Açıklanabilirlik, üretim ortamına taşıma ve stabilite gibi makine öğrenmesi uygulayıcılarının genel kaygılarına değinildiği H2O World San Francisco 2019 etkinliği geleceğin makine öğrenmesi teknolojilerini, teknoloji devlerinin perspektifinden hayal edebildiğimiz çok keyifli bir konferanstı. Önümüzdeki dönemde makine öğrenmesi otomizasyonunu yapay zeka ürünlerinde çok daha fazla göreceğiz gibi görünüyor.

Paylaş
Etiketler

İlgili yazılar

Close