¿En qué se diferencia AutoML para datos tabulares de CV/NLP?

AutoML para datos tabulares difiere de AutoML para CV (Visión por Computadora) y NLP (Procesamiento de Lenguaje Natural) en varios aspectos clave:

• Tipo de datos y preprocesamiento:

  • Los datos tabulares generalmente contienen valores numéricos, categóricos y valores faltantes, que requieren un procesamiento específico (codificación de categorías, llenado de valores faltantes).
  • CV y NLP trabajan con imágenes y texto respectivamente, donde la importancia radica en el procesamiento de píxeles, tokenización, vectorización.

• Modelos y arquitecturas:

  • Para datos tabulares, se utilizan a menudo ensamblajes de árboles de decisión (por ejemplo, XGBoost, LightGBM), modelos lineales, redes neuronales con capas densas.
  • En CV se emplean redes neuronales convolucionales, en NLP — transformadores y redes recurrentes.

• Hiperparámetros y búsqueda:

  • En datos tabulares, el enfoque está en la selección de parámetros de modelos y procesamiento de características.
  • En CV/NLP, es importante ajustar la arquitectura, las capas, los optimizadores.

• Métricas y tareas:

  • Los datos tabulares suelen resolver tareas de clasificación y regresión con métricas clásicas.
  • CV y NLP pueden tener métricas específicas (por ejemplo, IoU para segmentación, BLEU para traducción).

Por lo tanto, AutoML para datos tabulares está orientado a un procesamiento eficiente de diversas características y a la selección de modelos clásicos, mientras que para CV/NLP — a trabajar con datos de alta dimensión y estructurados, utilizando arquitecturas neuronales especializadas.