Лаборатория автоматического машинного обучения

Целью проекта является повышение эффективности автоматического машинного обучения (АвтоМО, AutoML) за счет резкого снижения временных затрат, требуемых на получение качественного решения (структуры пайплайна моделирования) с помощью методов и алгоритмов мета-оптимизации, сохраняя при этом высокую вариативность возможных вариантов пайплайна, типов задач и данных. Задачи: 1) Создание базы наборов исторических примеров 2) Создание алгоритмов извлечения мета-признаков 3) Создание алгоритма генерации структур пайплайнов МО 4) Создание алгоритма суррогатного оценивания целевых функций 5) Выполнение программной реализации на базе фреймворков автоматического МО FEDOT и FEDOT.Industrial 6) Проведение вычислительных экспериментов 7) Публикация результатов проекта в журналах и сборниках конференций 8) Объединение разработанных методов и алгоритмов в единый подход. Планируемые результаты: 1) Алгоритм генерации структур пайплайнов МО и их гиперпараметров с помощью аппарата графовых нейронных сетей 2) Алгоритм суррогатного оценивания целевых функций с помощью графовых нейронных сетей, применяемого в ходе оптимизации структур пайплайнов 3) Метод мета-автоматического обучения, основанный на применении графовых нейронных сетей, обучения с подкреплением и топологического анализа данных 4) Программная реализация с открытым исходным кодом, совместимая с фреймворком FEDOT.