Görüntü Verileri
AutoML, görüntü verilerinin içeriğini analiz etmek için makine öğrenimini kullanır. Görüntü verilerini sınıflandırmak veya görüntü verilerindeki nesneleri bulmak için bir ML modelini eğitmek için AutoML’yi kullanabilirsiniz.
Bir sınıflandırma modeli, görüntü verilerini analiz eder ve görüntüye uygulanan içerik kategorilerinin bir listesini döndürür. Örneğin, görüntüleri kedi içeren veya içermeyen olarak sınıflandıran bir modeli eğitebilir veya köpek görüntülerini cinslerine göre sınıflandırmak için bir modeli eğitebilirsiniz.
Bir nesne algılama modeli, görüntü verilerinizi analiz eder ve bir görüntüde bulunan tüm nesneler için, her nesne için bir etiket ve sınırlayıcı kutu konumundan oluşan açıklamaları döndürür. Örneğin, görüntü verilerinde kedilerin konumunu bulmak için bir model eğitebilirsiniz.
Tablo Verileri
AutoML, tablo verilerinin içeriğini analiz etmek için makine öğrenimini kullanır. Sayısal bir değer bulmak üzere regresyon kullanmak üzere bir ML modelini eğitmek için AutoML’yi kullanabilir veya tablo verilerinizden kategorik bir sonucu tahmin etmek için sınıflandırmayı kullanabilirsiniz.
Bir regresyon modeli, tablo verilerinizi analiz eder ve sayısal bir değer döndürür. Örneğin, bir evin değerini tahmin etmek için bir model eğitebilirsiniz.
Bir sınıflandırma modeli, tablo halindeki verilerinizi analiz eder ve verileri tanımlayan bir kategori listesi döndürür. Örneğin, bir müşterinin satın alma geçmişinin bir abonelik satın alıp almayacağını tahmin edip etmeyeceğini tahmin etmek için bir model eğitebilirsiniz.
Bir tahmin modeli (Önizleme), geleceğe uzanan bir dizi sayısal değeri tahmin etmek için geçmişten zamana bağlı birden çok tablo verisi satırı kullanır. Örneğin, bir perakende kuruluşu, gelecekteki ürün talebini tahmin ederek, o ürünün fazla stoklanması veya satılması olasılığını azaltmak için tedarik zincirini optimize edebilir.
Yazı devam ediyor…
