AutoML: la rivoluzione AI passa dallo sviluppo no-code

Il machine learning ha ​​​introdotto​ innovazion​i​​​ in un numero crescente di ​settori​​​ applicativi, tuttavia il processo di sviluppo sottostante, come già evidenziato, si rivela complesso​ e richiede​ conoscenze specialistiche di dominio. L’AutoML mira a ​ semplificare, velocizzare e ottimizzare la sequenza di attività adottando una serie di automatismi, che possono ​includere​​:

• Feature Engineering: ​selezione automatica delle​​ caratteristiche dei dati più adatte a garantire la precisione del modello;
• Selezione del modello: ​identificazione automatica​​ dell’ algoritmo ML più appropriato per il problema specifico;
• Ottimizzazione degli iperparametri: ​regolazione automatica​​ ​​del​le variabili di configurazione dell’algoritmo selezionato, ​per​​​ massimizzare le performance di addestramento.
• Preprocessing e ​apprendimento: ​creazione automatica di​​​ una pipeline ottimizzata per le fasi di pre-elaborazione dei dati e addestramento del modello;
• Valutazione e selezione ​del modello​: ​esplorazione e test automatici di​​ diverse configurazioni o modelli per trovare la soluzione più adatta in base a criteri predefiniti.

Google Cloud ​mette a disposizione degli sviluppatori l’opzione AutoML all’interno della piattaforma Vertex AI. Vertex AI è​ una piattaforma di sviluppo AI unificata e completamente gestita che permette di addestrare e fare ​il deployment di modelli ML e applicazioni AI, ​e di ​personalizza​re​​ ​i Large Language Model. Grazie alle funzionalità e agli strumenti di AutoML, è possibile creare e distribuire modelli di machine learning personalizzati ovvero​ in modalità no-code​, ovvero senza la necessità di scrivere codice​​. ​

Google ​Cloud ​fornisce infatti dei modelli pre-istruiti che possono essere riadattati al caso specifico fornendo dati provenienti da tabelle, testi, immagini e video. Attraverso le API (Application Programming Interface), i modelli sviluppati possono essere facilmente integrati all’interno delle ​applicazioni aziendali.

Grazie ai modelli di machine learning generati con AutoML, un’azienda di e-commerce può generare programmi di marketing personalizzati ​basati sul tipo​ di utente e dalla cronologia degli acquisti. Un ente pubblico può individuare lo stile architettonico dei quartieri cittadini (moderno, storico e così via) semplicemente fornendo all’algoritmo le immagini degli edifici. ​È Possibile catalogare le azioni calcistiche (go​a​l, fallo, rigore, ad esempio) e riconoscerle automaticamente all’interno dei video delle partite: così un allenatore può riesaminare velocemente tutte le scene e capire i punti di forza e debolezza dei suoi giocatori.

​​L​e opportunità del machine learning a supporto dei processi aziendali e del decision making sono ​quindi ​estremamente preziose, in una pluralità di campi e applicazioni: AutoML permette di cogliere i benefici delle nuove tecnologie, portando le potenzialità degli algoritmi nel mondo reale.