Revenir au contenu principal

AutoML

Soutenez les experts. Donnez du pouvoir aux data scientists citoyens.

AutoML hero
Glass Box Approach to AutoML

Databricks AutoML vous permet de générer rapidement des modèles de base et des notebooks. Les experts du ML vont pouvoir accélérer leurs workflows en réduisant la phase « essais-erreurs » pour se concentrer sur la personnalisation en s'appuyant sur leur connaissance du domaine. Quant aux data scientists citoyens, ils parviendront rapidement à des résultats exploitables grâce à une approche low-code.

Jump-start new ML projects

Accélérez le démarrage des nouveaux projets de ML

Databricks AutoML fournit le code d'entraînement pour chaque cycle d'essai afin de permettre aux data scientists de gagner du temps en début de développement. Ils peuvent en effet utiliser cette fonctionnalité pour déterminer rapidement si un jeu de données est exploitable par le machine learning (ML) ou pour faire une évaluation rapide de l'orientation d'un projet de ML.

Aucun problème de ML n'est trop grand

Utilisez le machine learning automatisé pour résoudre un large éventail de problèmes de machine learning, de la classification à la prévision en passant par la régression. Databricks AutoML s'appuie sur des algorithmes issus de différentes bibliothèques de machine learning pour chaque type de problème, et vous permet de choisir celui qui convient le mieux.

Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo
Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo
Automate the grind of machine learning

Automatisez les aspects fastidieux du machine learning

Configurez automatiquement votre projet de machine learning avec les librairies d'entraînement et l'intégration de MLflow pour assurer le suivi des expérimentations. Tirez également profit des bonnes pratiques ML intégrées comme la division des entraînements et des tests, la normalisation des caractéristiques et l'ajustement des hyperparamètres.

Glass Box Approach to AutoML

Une approche transparente du machine learning automatisé

Partez de notebooks générés et éditez-les pour personnaliser facilement des modèles de référence en vous appuyant sur votre expertise sectorielle. Vous pouvez également utiliser ces notebooks pour expliquer de quelle manière vos modèles de machine learning automatisé ont été entraînés afin de répondre aux exigences d'audit et de conformité.

Prêt à vous lancer ?