AutoKeras är en del av en större familj av verktyg känd som automatiserad maskininlärning (AutoML), som syftar till att göra maskininlärning mer tillgänglig genom att automatisera komplicerade och tidskrävande aspekter av modellbyggnad. Inom AutoML-familjen sticker AutoKeras ut genom att fokusera specifikt på djupinlärning – en subfält inom AI som är skapat för att efterlikna det mänskliga nervsystemet.
På teknisk nivå fungerar AutoKeras genom att använda en process känd som neural arkitektursökning (NAS). Detta är en metod för automatiskt att designa artificiella neuronnät – huvudkomponenterna i många djupinlärningsmodeller. I stället för att manuellt ställa in parametrar och hyperparametrar för dessa modeller (en komplex och kunskapsintensiv process), utför AutoKeras denna uppgift automatiskt, vilket effektivt frigör tid och förenklar arbetsflödet för dataforskare.
AutoKeras imponerar med dess förmåga att leverera prestandanivåer som är jämförbara med traditionella (icke-automatiserade) djupinlärningsmetoder. Detta gör det till ett kraftfullt verktyg, inte bara för nybörjare utan också för mer erfarna dataforskare som vill optimera effektiviteten i sitt arbete.
