Direkt zum Hauptinhalt

AutoML

Augmentationsexperten. Geben Sie Citizen Data Scientists ungeahnte Möglichkeiten in die Hand.

Glass Box Approach to AutoML

Mit Databricks AutoML können Sie schnell Basismodelle und Notebooks erstellen. ML-Experten können ihre Workflows beschleunigen, indem sie das übliche Trial-and-Error-Verfahren überspringen und sich auf Anpassungen konzentrieren, die ihr Fachwissen nutzen, und Data Scientists können mit einem Low-Code-Ansatz schnell umsetzbare Ergebnisse erzielen.

Jump-start new ML projects

Starthilfe für neue ML-Projekte

Databricks AutoML stellt den Trainingscode für jeden Testlauf bereit, um Data Scientists beim Start ihrer Entwicklung zu helfen. Data Scientists können dies nutzen, um schnell die Machbarkeit der Verwendung eines Datensatzes für Machine Learning (ML) zu bewerten oder eine schnelle Plausibilitätsprüfung der Ausrichtung eines ML-Projekts zu erhalten.

Kein ML-Problem ist zu groß

Nutzen Sie AutoML, um eine Vielzahl von Problemen beim Machine Learning zu bewältigen, die von Klassifizierung, Regression und Prognose reichen. AutoML verwendet mehrere Algorithmen aus einer Vielzahl von Bibliotheken für Machine Learning für jeden Problemtyp und lässt Sie den besten für Ihr Problem auswählen.

Automate the grind of machine learning

Den ansonsten mühsamen Ablauf beim Machine Learning durch Automatisierung drastisch vereinfachen

Richten Sie Ihr ML-Projekt automatisch mit den Trainingsbibliotheken, der MLflow-Integration zur Nachverfolgung von Experimenten und integrierten ML-Best-Practices wie Trainings- und Testaufteilung, Normalisierung von Funktionen und Hyperparameter-Tuning ein.

Glass Box Approach to AutoML

Ein Glass-Box-Ansatz bei AutoML

Verwenden Sie generierte bearbeitbare Notebooks, um Basismodelle einfach mit Ihrem Fachwissen anzupassen. Sie können diese Notebooks auch nutzen, um zu erklären, wie Ihre AutoML-Modelle trainiert wurden, um Audit- und Compliance-Anforderungen zu erfüllen.

Möchten Sie loslegen?