NVIDIA Kumo Tabular - nowy model do predykcji na danych tabelarycznych

Ten news ukazał się 7 min po komunikacie źródła.

👁 122 przeczytań

NVIDIA opublikowała Kumo Tabular - model do predykcji na danych tabelarycznych, który firma pozycjonuje jako nowe optimum między dokładnością wyników a efektywnością obliczeniową. Ogłoszenie pojawiło się na blogu Hugging Face.

Dane tabelaryczne - ustrukturyzowane zbiory w formacie wierszy i kolumn - to jeden z dominujących formatów w zastosowaniach przemysłowych, od finansów po opiekę zdrowotną. Dotychczas najlepsze rezultaty osiągały metody gradientowego boostingu, takie jak XGBoost czy LightGBM, które przez lata stawiały wysoko poprzeczkę dla modeli opartych na sieciach neuronowych. Kumo Tabular ma być odpowiedzią na ten problem - NVIDIA twierdzi, że model osiąga wyniki, które przesuwają tzw. accuracy-efficiency frontier, czyli kompromis między jakością predykcji a kosztem obliczeniowym.

Model wpisuje się w szerszy projekt Kumo, który NVIDIA rozwija z myślą o uczeniu maszynowym na danych relacyjnych i grafowych. Kumo Tabular koncentruje się na scenariuszach predykcyjnych, gdzie kluczowe jest szybkie działanie przy zachowaniu wysokiej dokładności - co czyni go kandydatem do wdrożeń produkcyjnych wymagających niskich opóźnień.

Publikacja na Hugging Face oznacza, że model jest dostępny dla szerokiego grona badaczy i praktyków. To istotny krok, bo benchmarki na danych tabelarycznych bywają w środowisku ML traktowane sceptycznie - społeczność będzie mogła samodzielnie zweryfikować deklarowaną przewagę nad klasycznymi metodami.