無需數(shù)據(jù)科學(xué)專業(yè)知識(shí)即可輕松使用機(jī)器學(xué)習(xí)

希望明日保持盈利的公司，必須在今日設(shè)定方向。數(shù)字化是關(guān)鍵，因?yàn)榛跀?shù)據(jù)的服務(wù)決定了未來的業(yè)務(wù)成功。這使得在工業(yè)生產(chǎn)中使用人工智能（AI）成為當(dāng)今機(jī)器和工廠面臨的主要挑戰(zhàn)之一。從檢測(cè)異常，到分類和預(yù)測(cè)磨損或損壞，再到質(zhì)量控制，人工智能解決方案已用于許多領(lǐng)域。

人工智能從何用起？借助自動(dòng)化機(jī)器學(xué)習(xí)（AML）工具，魏德米勒為用戶提供了合適的軟件。自動(dòng)化機(jī)器學(xué)習(xí)工具使行業(yè)專家可以根據(jù)他們的應(yīng)用知識(shí)獨(dú)立創(chuàng)建機(jī)器學(xué)習(xí)（ML）模型。如此一來，他們就可以將其對(duì)機(jī)器和工廠業(yè)務(wù)的專業(yè)知識(shí)應(yīng)用到軟件工具中。在建模過程結(jié)束時(shí)，專家將獲得適合其應(yīng)用的模型。

復(fù)雜的建模過程

如今，數(shù)據(jù)科學(xué)家可以分析數(shù)據(jù)并創(chuàng)建機(jī)器學(xué)習(xí)模型。這個(gè)過程主要涉及手動(dòng)操作并具有探索性。這不僅創(chuàng)建了實(shí)際的模型，而且還創(chuàng)建了所謂的機(jī)器學(xué)習(xí)流程，其中，數(shù)據(jù)經(jīng)過許多處理步驟，最后顯示模型并輸出結(jié)果。創(chuàng)建模型和機(jī)器學(xué)習(xí)流程的過程非常復(fù)雜。總共有多達(dá)1040種可能的組合來構(gòu)建機(jī)器學(xué)習(xí)解決方案。ML-Pipeline的具體設(shè)計(jì)在每種用例中都是獨(dú)一無二的。當(dāng)然，數(shù)據(jù)科學(xué)家可以使用一些軟件工具來支持Pipeline的基本結(jié)構(gòu)，從而簡(jiǎn)化工作。但是，機(jī)器學(xué)習(xí)解決方案的大多數(shù)參數(shù)必須以創(chuàng)造性的方式手動(dòng)確定，這是一項(xiàng)艱巨的工作。在Pipeline建模和構(gòu)建過程中，數(shù)據(jù)科學(xué)家不斷與機(jī)器和過程專家討論數(shù)據(jù)中所體現(xiàn)的關(guān)系。共同解釋結(jié)果，從而最終確定模型參數(shù)并構(gòu)建Pipeline。因此，行業(yè)專家的應(yīng)用知識(shí)對(duì)于創(chuàng)造一個(gè)成功的機(jī)器學(xué)習(xí)解決方案而言至關(guān)重要。

使機(jī)器學(xué)習(xí)的使用民主化

魏德米勒的愿景是使機(jī)器學(xué)習(xí)的應(yīng)用民主化，即，使每一位行業(yè)專家都能獲得機(jī)器學(xué)習(xí)知識(shí)，并且確保機(jī)器學(xué)習(xí)在工業(yè)中的應(yīng)用不為數(shù)據(jù)科學(xué)家數(shù)量所限。如此便可充分利用行業(yè)專家的現(xiàn)有知識(shí)。因此，需要標(biāo)準(zhǔn)化、簡(jiǎn)化機(jī)器學(xué)習(xí)在工業(yè)中的應(yīng)用，以使行業(yè)專家無需數(shù)據(jù)科學(xué)領(lǐng)域的專業(yè)知識(shí)即可獨(dú)立創(chuàng)建機(jī)器學(xué)習(xí)解決方案。此外，還需要最大化地實(shí)現(xiàn)建模自動(dòng)化，創(chuàng)建ML-Pipeline，以加快機(jī)器學(xué)習(xí)解決方案的創(chuàng)建?？梢杂?/span>“自動(dòng)化機(jī)器學(xué)習(xí)”這一術(shù)語來描述上述流程背后的技術(shù)方法。盡管“自動(dòng)化機(jī)器學(xué)習(xí)”確實(shí)是指完全自動(dòng)化地創(chuàng)建機(jī)器學(xué)習(xí)解決方案，但行業(yè)專家應(yīng)積極地將其知識(shí)與自動(dòng)化機(jī)器學(xué)習(xí)過程聯(lián)系起來，以創(chuàng)建出色的機(jī)器學(xué)習(xí)解決方案。

指導(dǎo)分析

借助自動(dòng)化機(jī)器學(xué)習(xí)軟件，行業(yè)專家可以創(chuàng)建機(jī)器學(xué)習(xí)模型。自動(dòng)化機(jī)器學(xué)習(xí)軟件指導(dǎo)用戶完成模型開發(fā)過程，這就是為什么需要指導(dǎo)分析的原因。專家專注于研究機(jī)器和過程行為知識(shí)，并將這些知識(shí)鏈接到后臺(tái)運(yùn)行的機(jī)器學(xué)習(xí)過程。這意味著自動(dòng)化機(jī)器學(xué)習(xí)軟件巧妙地查詢現(xiàn)有知識(shí)并將其與后臺(tái)運(yùn)行的機(jī)器學(xué)習(xí)過程結(jié)合起來，從而將現(xiàn)有的和有價(jià)值的應(yīng)用知識(shí)傳輸?shù)娇煽康臋C(jī)器學(xué)習(xí)應(yīng)用中并存檔。

行業(yè)專家獨(dú)立開發(fā)機(jī)器學(xué)習(xí)解決方案

自動(dòng)化機(jī)器學(xué)習(xí)解決方案本質(zhì)上由兩個(gè)模塊組成，這些模塊用于模型的創(chuàng)建、執(zhí)行和優(yōu)化，以及在模型整個(gè)生命周期中對(duì)其進(jìn)行管理。

使用建模模塊，行業(yè)專家可以基于訓(xùn)練數(shù)據(jù)及其在異常檢測(cè)、分類和故障預(yù)測(cè)方面的應(yīng)用知識(shí)，創(chuàng)建機(jī)器學(xué)習(xí)解決方案。

僅基于“良好數(shù)據(jù)”（即所謂的“無監(jiān)督”培訓(xùn)）的異常檢測(cè)是目前較為先進(jìn)的方法。這是一種根據(jù)歷史數(shù)據(jù)學(xué)習(xí)正常機(jī)器行為的典型數(shù)據(jù)模式的算法。在運(yùn)行時(shí)，可以識(shí)別出實(shí)際情況與典型數(shù)據(jù)模式之間的偏差。檢測(cè)到的異?？赡苁怯捎谛实拖隆⑤p微故障或重大錯(cuò)誤。借助這種方法，系統(tǒng)甚至可以在發(fā)生完全未知的錯(cuò)誤情況時(shí)立即檢測(cè)到它們。建模過程的結(jié)果是一個(gè)完整配置的ML-Pipeline，包括模型。

此外，模型構(gòu)建器用于在運(yùn)行期間優(yōu)化機(jī)器學(xué)習(xí)模型。只需輕擊幾下鼠標(biāo)，就可以將訓(xùn)練數(shù)據(jù)中未包含的新事件（例如某些運(yùn)行情況，機(jī)器運(yùn)行時(shí)發(fā)生的異常或錯(cuò)誤）包含在模型中。這使得模型可以在其生命周期中不斷改進(jìn)。

自動(dòng)化機(jī)器學(xué)習(xí)模型的第二個(gè)模塊是執(zhí)行環(huán)境，在云短或現(xiàn)場(chǎng)應(yīng)用中運(yùn)行機(jī)器學(xué)習(xí)模型。自動(dòng)化機(jī)器學(xué)習(xí)工作室不依賴于某個(gè)平臺(tái)，而是根據(jù)要執(zhí)行的模型數(shù)量自動(dòng)調(diào)整。 另外，執(zhí)行環(huán)境以易于理解的方式呈現(xiàn)模型結(jié)果，便于用戶采取具體行動(dòng)，例如避免錯(cuò)誤。由于模型在生命周期中不斷改進(jìn)，因此創(chuàng)建了新的模型版本，所以模型管理是執(zhí)行環(huán)境的另一個(gè)組成部分。其中，模型管理負(fù)責(zé)模型版本控制，模型恢復(fù)和模型監(jiān)控。

應(yīng)用知識(shí)具有決定性意義

在自動(dòng)建模中，首先根據(jù)應(yīng)用知識(shí)以及用于分析任務(wù)的訓(xùn)練數(shù)據(jù)的結(jié)構(gòu)，自動(dòng)選擇合適的機(jī)器學(xué)習(xí)過程。這樣，最多為原始數(shù)據(jù)中的每個(gè)數(shù)據(jù)磁道生成300個(gè)特性，從而覆蓋了相對(duì)較大的解決方案空間。然后，訓(xùn)練具有不同特性組合的替代機(jī)器學(xué)習(xí)模型并優(yōu)化其超參數(shù)。最后，驗(yàn)證模型并將其集成到并行生成的ML-Pipeline中。所有這些步驟都將完全自動(dòng)運(yùn)行。根據(jù)復(fù)雜程度，計(jì)算模型可能需要幾分鐘或幾小時(shí)。只需數(shù)分鐘就可使用第一個(gè)模型，以便用戶可以及時(shí)獲得有關(guān)模型質(zhì)量的反饋，繼而決定是繼續(xù)還是終止模型構(gòu)建過程。

對(duì)于成功模型構(gòu)建而言至關(guān)重要的是行業(yè)專家的應(yīng)用知識(shí)，可利用這些知識(shí)來改進(jìn)訓(xùn)練數(shù)據(jù)集。基于機(jī)器和過程知識(shí)，行業(yè)專家可以標(biāo)記數(shù)據(jù)，例如，在數(shù)據(jù)中標(biāo)記期望的和不期望的機(jī)器行為。根據(jù)相同的原理，標(biāo)記某些過程或生產(chǎn)步驟，比如典型的機(jī)器啟動(dòng)行為。用戶還可以創(chuàng)建自己的特性，這些特性不包含在原始數(shù)據(jù)中，但仍有助于評(píng)估制造過程。

含有豐富應(yīng)用知識(shí)的數(shù)據(jù)集為后續(xù)自動(dòng)生成機(jī)器學(xué)習(xí)模型提供輸入變量。這樣得出的機(jī)器學(xué)習(xí)解決方案與數(shù)據(jù)科學(xué)家手動(dòng)創(chuàng)建的解決方案相當(dāng)。在建模過程結(jié)束時(shí)，用戶根據(jù)某些標(biāo)準(zhǔn)（例如模型質(zhì)量或執(zhí)行時(shí)間）選擇最適合其應(yīng)用的模型。可以將偏愛的模型導(dǎo)出并保存或集成到執(zhí)行環(huán)境中。

重點(diǎn)在于用戶的應(yīng)用專有技術(shù)

用戶的應(yīng)用專有技術(shù)對(duì)于專注于機(jī)器學(xué)習(xí)應(yīng)用的行業(yè)做出了巨大貢獻(xiàn)，這對(duì)于歐洲經(jīng)濟(jì)的成功至關(guān)重要。來自第一批機(jī)器制造商和操作員試點(diǎn)用戶的反饋表明，自動(dòng)化機(jī)器學(xué)習(xí)工具對(duì)用戶友好，并且在功能和用戶指導(dǎo)方面最能滿足用戶的需求。

魏德米勒自動(dòng)化機(jī)器學(xué)習(xí)工具：使用人工智能（AI）輔助創(chuàng)建模型。

無需數(shù)據(jù)科學(xué)領(lǐng)域的專業(yè)知識(shí)即可輕松應(yīng)用機(jī)器學(xué)習(xí)——自動(dòng)建模

易于操作，模型持續(xù)優(yōu)化——該軟件工具可指導(dǎo)用戶完成模型開發(fā)和優(yōu)化過程