Auto-Keras — это библиотека с открытым исходным кодом для Автоматизированного машинного обучения (Automated Machine Learning (AutoML)).

Auto-Keras предоставляет функции для автоматического поиска архитектуры и гиперпараметров моделей глубокого обучения.

Сейчас уже отовсюду только и слышно, как использование технологий искусственного интеллекта и машинного обучения применяется для решения разнообразных задач в бизнесе, медицине, творчестве, робототехнике и т.д.
С другой стороны, стоимость привлечения программистов и дата-сайентистов проложает расти, что даёт серьёзный толчок развитию систем Автоматизированного Машинного Обучения, которые становится всё более популярными.
Действительно — зачем платить большую зарплату дата-сайентисту, если можно воспользоваться избыточными вычислительными мощностями, которые позволят автоматически подобрать лучшую модель для решения бизнес-задачи.

Компания Google уже запустила свой сервис для ИИ — публично доступный облачный сервис для создания систем машинного обучения — Cloud AutoML.
Сервис предоставляет набор продуктов для машинного обучения и позволяет пользователям без опыта в области машинного обучения использовать технологии Google для поиска нейронной архитектуры, способной соответствовать их бизнес-потребностям.
По задумке, работать это должно так: пользователь загружаете туда свои данные (например, картинки), а сервис сам настраивает модель (нейронную сеть) для распознавания образов на этих картинках.

Таким образом, AutoML предоставляет доступные инструменты глубокого обучения, для пользователей, имеющим ограниченные знания в области анализа данных или машинного обучения.

С Auto-Keras, разработанным в DATA LAB (Texas A&M University), можно пробовать сделать то же самое — только самостоятельно. Auto-Keras автоматически выполняет Поиск Архитектуры Нейронной сети (Neural Architecture Search (NAS)) — подбирая её структуру и гиперпараметры для оптимального решения заданной задачи (классификация, регрессия).

Установка Auto-Keras

pip install autokeras

Пример использования

import autokeras as ak

clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)

Статьи
Jin H., Song Q., Hu X. Efficient neural architecture search with network morphism //arXiv preprint arXiv:1806.10282. – 2018.

Ссылки
Auto-Keras
https://github.com/jhfjhfj1/autokeras

По теме
Google представит свою платформу для облачной робототехники в 2019 году
Глубокие нейронные сети как следующий этап развития программного обеспечения
Будущее глубокого обучения
Проблемы применения машинного обучения для решения реальных задач

Нейронная сеть
Нейронная сеть — введение
Принцип обучения многослойной нейронной сети с помощью алгоритма обратного распространения
Пример работы самоорганизующейся инкрементной нейронной сети SOINN