Özet

NVIDIA, Kumo Tabular adlı yeni bir açık temel modeli tanıttı. Bu model, etiketlenmiş satırlardan oluşan bir tabloyu kullanarak, yeni satırların etiketlerini tek bir ileri geçişte tahmin edebiliyor. Eğitim, ayarlama veya özellik mühendisliği gerektirmeden, hem sınıflandırma hem de regresyon görevlerini yerine getirebiliyor. Kumo Tabular, Hugging Face platformunda sunulmakta ve ticari kullanım için OpenMDW-1.1 lisansı altında yayımlanmaktadır.

Detaylar

Tabular Veri Modelleme Devrimi

Tabular veriler, kurumsal makine öğreniminin temelini oluşturuyor. Müşteri kayıtları, işlemler, sensör günlükleri gibi veriler genellikle tablolar halinde saklanıyor ve bu verilerden tahmin yapmak, endüstride yaygın bir uygulama. Geleneksel olarak, bu tür veriler üzerinde çalışmak için gradient-boosted ağaçlar kullanılıyordu. Ancak bu yöntem, model yaşam döngüsünde önemli değişiklikler gerektiriyor. Her yeni soru, etiket toplama, özellik mühendisliği yapma ve modelin sıfırdan öğrenmesini gerektiriyor. Kumo Tabular, bu süreci hızlandırarak, önceden eğitilmiş bir modelin birkaç örnekle yeni görevleri çözebilmesini sağlıyor.

Kumo Tabular'ın Yapısı ve İşleyişi

Kumo Tabular, tabloların yapısını dikkate alan bir Transformer mimarisi kullanıyor. Model, hücre gömme, satır gömme ve bağlam içi öğrenme gibi bileşenlerle çalışıyor. Her hücre grubu bir token olarak işleniyor ve sayısal ile kategorik değerler, Fourier özellikleri aracılığıyla işleniyor. Eksik değerler özel bir şekilde ele alınıyor. Satır gömme işlemi, iki tür dikkat mekanizması ile gerçekleştirilerek, her bir satırın içindeki değerlerin etkileşimi öğreniliyor. Bu sayede, modelin tahmin yapma süreci, yalnızca bağlam satırları ile sorgu satırları arasındaki ilişkilere dayanıyor.

Yapay Verilerle Ön Eğitim

Kumo Tabular, tamamen yapay verilerle önceden eğitildi. Model, yapay tabloları kullanarak, her bir tablonun boyutunu, görevini ve eksikliklerini belirleyen bir yapılandırma ile çalışıyor. Bu süreç, modelin gerçek dünya verilerinin karmaşıklığını daha iyi anlamasını sağlıyor. Gerçek dünya tablolarının dağınıklığı göz önünde bulundurularak, modelin bu tür verilerle başa çıkabilmesi için çeşitli hatalar ve eksiklikler yapay olarak oluşturuluyor.

AI Ekonomisi notu

NVIDIA Kumo Tabular, tabular veri analizi alanında önemli bir yenilik sunarak, makine öğrenimi süreçlerini daha verimli hale getiriyor. Bu model, işletmelerin veri odaklı karar alma süreçlerini hızlandırabilir ve maliyetleri düşürebilir. Gelecekte, bu tür açık modellerin benimsenmesi, endüstrideki veri analizi standartlarını değiştirebilir.

Kaynak: Hugging Face Blog — https://huggingface.co/blog/nvidia/kumo-tabular