A Google nemrégiben bemutatta a TabFM-et, egy új típusú alapmodellt, amelyet kifejezetten táblázatos adatokhoz és adatlapokhoz fejlesztettek. A fejlesztés célja, hogy automatizálja és leegyszerűsítse a hagyományos gépi tanulási modellekkel – például XGBoost vagy random forest – szemben a strukturált adatokon végzett előrejelzéseket.
Ez a megközelítés abban különbözik a megszokott módszerektől, hogy nincs szükség manuális tanítási vagy beállítási folyamatra. Mindössze néhány mintasort kell megadni egy promptban, majd rögtön képes előrejelezni a hiányzó címkéket, akár klasszifikációt, akár regressziót végzünk.
Az epizódban a bemutató lépésről lépésre végigvezet a telepítésen, az erőforrásigényen (például az NVIDIA RTX 6000 GPU választásán), valamint a TabFM használatának konkrét példáin. Megtudhatjuk, mennyire könnyű vele egyszerű szabályszerűségek vagy összetettebb árazási minták felismerése teljesen tanítás nélkül.
Nagy hangsúlyt kap az, hogy az új modell miként kezeli mind a kategóriaalapú, mind a numerikus válaszokat, valamint hogy miben különbözik a klasszikus előfeldolgozástól és hiperparaméter-hangolástól. Felmerül annak kérdése is, hogy ez a „zero-shot” szemlélet milyen előnyökkel és esetleges kihívásokkal járhat a mindennapi adattudományi munkában.
