Capital One inova o aprendizado de máquina, promovendo o avanço do setor por meio da agregação de modelo federado de código aberto

Numa tendência ascendente transformadora, a metodologia de aprendizagem automática está preparada para uma atualização com a introdução de uma abordagem relativamente nova – aprendizagem federada (FL). Liderando uma nova era, o gigante financeiro Capital One impulsiona o espírito do treinamento de modelos descentralizados, minimizando a necessidade de armazenamento central de dados. Detalhando a inovação pioneira da empresa, Kenny Bean, engenheiro de software de aprendizado de máquina da Capital One, propõe seu novo projeto de código aberto – Federated Model Aggregation (FMA).

O FMA foi projetado para capacitar os programadores com capacidades irrestritas para operacionalizar seus pipelines de aprendizado de máquina em uma atmosfera federada, capitalizando as vantagens que o FL oferece. É um conjunto pioneiro de módulos Python. Além de fornecer conectores para agilizar a comunicação entre esses módulos, o FMA oferece flexibilidade adicional para vincular componentes personalizados.

Ampliando ainda mais as capacidades do FMA, Bean discorre sobre seu cliente inclusivo, projetado para promover interações de atendimento ao cliente; um agregador para assimilar atualizações de modelo de vários clientes e um serviço de API para lidar com as interações de UI e API entre componentes do sistema.

Discutindo as origens do FMA, Bean, um dos principais desenvolvedores por trás do projeto, compartilha que a ferramenta de código aberto foi criada para atender desenvolvedores ansiosos por aprimorar modelos em dados provenientes de vários locais, muitas vezes inacessíveis para remoção dos sites de origem. Ele afirma: Sempre que um modelo é exercido de forma distribuída, surge uma oportunidade de empregar o serviço FMA e introduzir a aprendizagem federada no processo de treinamento.

A visão central por trás do FMA, de acordo com Bean, era projetar uma ferramenta que fosse adaptável e reutilizável, integrando-se facilmente a modelos de estruturas de treinamento pré-existentes. Bean reflete: Foi essencialmente assim que nasceu o conceito do serviço FMA.

Outro foco importante da equipe de desenvolvimento durante o início do FMA foi a fácil implantação. Com apenas um comando, os modelos podem ser iniciados rapidamente com o FMA. Bean credita essa facilidade de operação à integração do projeto com o Terraform – uma ferramenta de infraestrutura como código da HashiCorp.

Ao revelar a jornada da FMA, Bean revela que o projeto foi inicialmente conceituado para um caso de uso específico, mas o potencial para aplicações mais amplas foi rapidamente reconhecido, levando à decisão de torná-lo uma oferta de código aberto. Ecoando a crença da Capital One no potencial recíproco da comunidade de tecnologia de código aberto, acrescenta Bean, a Capital One sempre foi uma beneficiária da tecnologia de código aberto e acreditamos sinceramente em contribuir para a comunidade que nos ajudou imensamente por meio de nossos metamorfose tecnológica.

Com a ambição de continuar a melhorar o FMA, a equipe está trabalhando diligentemente na descoberta de recursos e aprimorando sua interação com a comunidade em geral para agilizar a recepção de feedback. Eles também estão trabalhando para expandir os componentes do projeto para idiomas adicionais. O impacto do FMA no mundo do aprendizado de máquina representa o poder dos projetos de código aberto, assim como vimos em plataformas como AppMaster.