Aujourd’hui nous présentons notre dernier article de la série autour de l’utilisation des services autoML cloud. Il s’agit de la solution proposé par Microsoft : Azure Machine Learning automatisé.

Avant d’aller plus loin, une brève présentation d’Azure Machine Learning s’impose.

Nous avons vu ensemble dans notre dernier article la solution autoML Tables de Google. Aujourd’hui nous poursuivons cette série d’articles avec la présentation de la solution autoML d’Amazon : Amazon SageMaker Autopilot.

Dans notre dernier article, nous avons vu ce qu’est l’autoML, ses avantages/inconvénients et son utilisation dans le cadre d'un projet de machine learning. Nous avons dressé un comparatif des différentes solutions autoML présentes sur le marché pour finir sur un cas pratique développé avec MLBox.

Nous prenons au quotidien de nombreuses décisions en fonction de nos expériences passées, de l’avis des autres ou encore du rapport bénéfice/risque que comporte notre choix sur le court-terme comme sur le long-terme.

L’AutoML (ou en français, « le machine learning automatisé ») permet l’assistance et l’automatisation du processus de création d’un modèle de Machine Learning.

A l’instar des data scientists, de telles solutions sont capables d’élaborer des modèles mathématiques complexes et de développer ces modèles jusqu’à l’implémentation en production.