NVIDIA تطلق نموذجاً أساسياً جديداً للتنبؤ ببيانات الجداول

أطلقت NVIDIA نموذج Kumo Tabular، وهو مجموعة من النماذج الأساسية المصممة للتعامل مع البيانات المهيكلة الموجودة في جداول الأعمال. تم تصميم هذا النموذج للتنبؤ بنتائج مثل معدلات إلغاء اشتراكات العملاء أو تسعير المنتجات أو الطلب مباشرة من مجموعات البيانات.

اعتاد المهندسون في السابق على بذل جهود كبيرة للتعامل مع البيانات الجدولية. وكان خبراء البيانات يقضون أسابيع في تنظيف المعلومات وتجهيز الميزات وضبط الإعدادات لنماذج تقليدية. يغير Kumo Tabular هذا الواقع من خلال تبني نهج التعلم في السياق، وهو أسلوب مشابه لما تفعله نماذج اللغة الكبيرة.

كيف يعمل النموذج

عند تزويد النموذج بجدول مصنف وبيانات جديدة، فإنه يعالج المعلومات في تمريرة واحدة. يستخدم النموذج بنية Transformer لإنشاء تمثيلات رقمية لخلايا وصفوف الجدول، مما يسمح له بفهم العلاقات بين الأعمدة والصفوف دون الحاجة لإعادة تدريبه لكل مهمة جديدة.

• يدعم مهام التصنيف والانحدار.
• لا يتطلب هندسة ميزات أو تعويضاً للقيم المفقودة.
• يتوفر بثلاثة أحجام تتراوح بين 28 مليوناً و215 مليون معلمة.

بفضل تدريبه المسبق على ملايين الجداول الاصطناعية، تعلم النموذج كيفية تفسير هياكل البيانات المختلفة والعيوب الشائعة. وهذا يمكنه من الأداء بفاعلية على بيانات العالم الحقيقي متفوقاً غالباً على الطرق الحالية من حيث السرعة والدقة.

رغم هذه القدرات، توجد حدود لهذا النموذج. فهو مصمم أساساً للبيانات الرقمية والفئوية. وإذا كانت بياناتك تتضمن نصوصاً أو صوراً أو طوابع زمنية، فستحتاج إلى تحويلها إلى تنسيق متوافق أولاً. كما قد تنخفض الدقة إذا اختلفت بياناتك بشكل كبير عن الأنماط التي رآها النموذج أثناء تدريبه. هل فكرت في مقدار الوقت الذي يمكنك توفيره إذا كان جدول البيانات الخاص بك قادراً على التنبؤ باتجاهاته بنفسه؟