Description du projet
Un accès facile et abordable aux méthodes d’apprentissage automatique les plus avancées
Les chefs d’entreprise d’aujourd’hui fondent leurs décisions sur une énorme quantité de données fiables intégrées dans les processus commerciaux et les demandes des clients. L’apprentissage automatique (ML pour machine learning) est devenu la technologie la plus utile, en particulier pour les industries intelligentes axées sur les données, permettant l’automatisation de nombre de ces processus. Toutefois, les PME ne disposent pas de l’expertise nécessaire pour personnaliser les méthodes d’apprentissage automatique. C’est pourquoi le projet AutoML, financé par l’UE, se révélera être une méthode d’apprentissage automatique (AutoML) abordable qui permettra une mise en œuvre efficace des applications de ML les plus avancées. L’objectif sera d’élaborer et d’exploiter automatiquement les données de l’utilisateur. L’AutoML utilisera un prototype développé par le projet BeyondBlackbox financé par le CER. Il sera adapté en un prototype professionnel pour une mise en œuvre dans un cadre industriel.
Objectif
Machine learning has become a key technology for modern data-driven industrial applications. This success is built on recent research advances in the field of artificial intelligence and more specifically was enabled by key advances in machine learning. Unfortunately, the performance of many machine learning methods is very sensitive to a myriad of design decisions and thus requires a significant amount of machine learning expertise which is often rare and makes this technology inaccessible for small and medium-sized companies that cannot afford their own team of machine learning experts. My ERC grant BeyondBlackbox on automated machine learning (AutoML) addresses this problem from a research perspective. In it, my team and I developed methods which systematically and efficiently adapt and tune machine learning pipelines and implemented them into a research prototype. This resulting research prototype, in principle, allows ML novices easy and affordable access to the most advanced ML methods, automatically customized for the user's own data, and with this research prototype, my team and I have won several competitions, including competitions against up to 130 teams of human ML experts. The potential economic impact is substantial since AutoML technology saves computational resources and human time and therefore reduces the cost of creating value from ML. In this POC project, I and my team will transform our existing research prototype to a professional prototype, perform a technical validation, perform market research and build up business contacts to evaluate this prototype in an industrial setting. Furthermore, we will develop a sustainable business model and assess ways of commercializing the advances made in my ERC grant in order to bring them to market.
Champ scientifique
Programme(s)
Régime de financement
ERC-POC-LS - ERC Proof of Concept Lump Sum PilotInstitution d’accueil
79098 Freiburg
Allemagne