Qual é a diferença entre AutoML para dados tabulares e CV/NLP?

AutoML para dados tabulares difere de AutoML para CV (Visão Computacional) e NLP (Processamento de Linguagem Natural) em vários aspetos-chave:

• Tipo de dados e pré-processamento:

  • Os dados tabulares geralmente contêm valores numéricos, categóricos e valores ausentes, que requerem um processamento específico (codificação de categorias, preenchimento de valores ausentes).
  • CV e NLP trabalham com imagens e texto respetivamente, onde a importância está no processamento de píxeis, tokenização, vetorização.

• Modelos e arquiteturas:

  • Para dados tabulares, usam-se frequentemente conjuntos de árvores de decisão (por exemplo, XGBoost, LightGBM), modelos lineares, redes neuronais com camadas densas.
  • Em CV, empregam-se redes neuronais convolucionais, em NLP — transformadores e redes recorrentes.

• Hiperparâmetros e pesquisa:

  • Em dados tabulares, o foco está na seleção de parâmetros de modelos e processamento de características.
  • Em CV/NLP, é importante ajustar a arquitetura, as camadas, os otimizadores.

• Métricas e tarefas:

  • Os dados tabulares geralmente resolvem tarefas de classificação e regressão com métricas clássicas.
  • CV e NLP podem ter métricas específicas (por exemplo, IoU para segmentação, BLEU para tradução).

Assim, o AutoML para dados tabulares é orientado para um processamento eficiente de diversas características e seleção de modelos clássicos, enquanto que para CV/NLP — para trabalhar com dados de alta dimensão e estruturados, usando arquiteturas neuronais especializadas.