Я же уже говорил, что мы применяем AutoML на стажировках?
👉 Вот история применения:
Auto-sklearn - AutoML фреймворк для классифического машинного обучения, на табличных данных он иногда побеждает нейронки
👉 История от нашего тимлида Василия про проект компании “Гринэкспертиза”:
«Стажировка по проекту: "Оценка стоимости квадратного метра коммерческой недвижимости в Москве и Московской области"
🔹 Задача - создать систему, которая способна производить оценку стоимости квадратного метра коммерческой недвижимости в г. Москва и Московской области по определенным параметрам
🔹 Для чего - система нужна для того, чтобы клиент мог зайти на сайт компании “Гринэкспертиза”, на котором указать нужные ему параметры недвижимости и получить в результате оценку стоимости квадратного метра указанного объекта и несколько примеров похожих объектов
🔹 Для разработки системы использовались данные за 2021 год, которые были разделены на 2 файла (г. Москва и Московская область) общим количеством примерно в 40 000 объектов. Данные состояли из характеристик объекта: год постройки, этаж, площадь, адрес и тд.
🔹 Для каждого пользователя сайта будет выбор ввести ряд параметров, по которым система выдаст ему примерную цену объекта за квадратный метр, а также несколько похожих объектов на выбор
👉 В ходе работы над данным проектом были проведены десятки экспериментов с различными архитектурами нейросетей в том числе сети с двумя входами, кроме того был использован ряд методов машинного обучения (ML), такие как LinearRegression, RandomForest и тд. В результате данных экспериментов не удалось опустить ниже 20% ошибки на тестовом наборе данных (согласно ТЗ данный показатель должен быть 10% +- 3%). В итоге по предложению одного участника команды было принято решение протестировать фреймворк Auto Sklearn (Автоматическое машинное обучение (AutoML) позволяет автоматизировать процесс дизайна ML-пайплайнов. Это позволяет сократить требуемые ресурсы на процесс отбора оптимальных гиперпараметров модели и на тестирование).
🚀 В результате данный метод позволил добиться ошибки в размере 12.8% на тестовых данных, что оказалось наилучшим результатом, который и был в конечном итоге представлен заказчику. Обратная связь от заказчика была исключительно положительной и проект был успешно сдан командой», –рассказывает Василий.
❗️Как вы видите, для решения задач стажировок мы не ограничиваемся учебной программой, мы делаем всё, чтобы реализовать проект!
И AutoML стал теперь нашим важнейшим инструментом
Жду вас на вебинарах 28 и 29 марта!
👉 Вот история применения:
Auto-sklearn - AutoML фреймворк для классифического машинного обучения, на табличных данных он иногда побеждает нейронки
👉 История от нашего тимлида Василия про проект компании “Гринэкспертиза”:
«Стажировка по проекту: "Оценка стоимости квадратного метра коммерческой недвижимости в Москве и Московской области"
🔹 Задача - создать систему, которая способна производить оценку стоимости квадратного метра коммерческой недвижимости в г. Москва и Московской области по определенным параметрам
🔹 Для чего - система нужна для того, чтобы клиент мог зайти на сайт компании “Гринэкспертиза”, на котором указать нужные ему параметры недвижимости и получить в результате оценку стоимости квадратного метра указанного объекта и несколько примеров похожих объектов
🔹 Для разработки системы использовались данные за 2021 год, которые были разделены на 2 файла (г. Москва и Московская область) общим количеством примерно в 40 000 объектов. Данные состояли из характеристик объекта: год постройки, этаж, площадь, адрес и тд.
🔹 Для каждого пользователя сайта будет выбор ввести ряд параметров, по которым система выдаст ему примерную цену объекта за квадратный метр, а также несколько похожих объектов на выбор
👉 В ходе работы над данным проектом были проведены десятки экспериментов с различными архитектурами нейросетей в том числе сети с двумя входами, кроме того был использован ряд методов машинного обучения (ML), такие как LinearRegression, RandomForest и тд. В результате данных экспериментов не удалось опустить ниже 20% ошибки на тестовом наборе данных (согласно ТЗ данный показатель должен быть 10% +- 3%). В итоге по предложению одного участника команды было принято решение протестировать фреймворк Auto Sklearn (Автоматическое машинное обучение (AutoML) позволяет автоматизировать процесс дизайна ML-пайплайнов. Это позволяет сократить требуемые ресурсы на процесс отбора оптимальных гиперпараметров модели и на тестирование).
🚀 В результате данный метод позволил добиться ошибки в размере 12.8% на тестовых данных, что оказалось наилучшим результатом, который и был в конечном итоге представлен заказчику. Обратная связь от заказчика была исключительно положительной и проект был успешно сдан командой», –рассказывает Василий.
❗️Как вы видите, для решения задач стажировок мы не ограничиваемся учебной программой, мы делаем всё, чтобы реализовать проект!
И AutoML стал теперь нашим важнейшим инструментом
Жду вас на вебинарах 28 и 29 марта!