近年來，自動化機器學習（AutoML）因可大幅降低機器學習的門檻和人力成本受到了學術(shù)界和工業(yè)界的廣泛關(guān)注。其在超參數(shù)優(yōu)化、模型選擇、神經(jīng)網(wǎng)絡(luò)搜索和特征工程等方面顯示出其強大的功能。隨著探智立方全新AutoML產(chǎn)品DarwinML的上線，將進一步推動國內(nèi)自動建模平臺的應用進程。

傳統(tǒng)上，術(shù)語AutoML用于描述模型選擇和／或超參數(shù)優(yōu)化的自動化方法。這些方法適用于許多類型的算法，例如隨機森林、神經(jīng)網(wǎng)絡(luò)等。說白了，AutoML 最核心的內(nèi)容其實就是用計算力和數(shù)學方法自動做數(shù)據(jù)特征提取以及模型建模。

AutoML 被認為是降低機器學習工作門檻，讓 AI 真正推動行業(yè)變革的重要一環(huán)。探智立方的產(chǎn)品，可以讓各領(lǐng)域的專家們僅需專業(yè)知識和數(shù)據(jù)，就能完成機器學習復雜算法的開發(fā)。

在 2017 年谷歌剛剛推出 AutoML 工具的時候，「AutoML」還僅有機器學習模型自動化的意思。而現(xiàn)在，人們已經(jīng)普遍認為 AutoML 需要貫穿機器學習的整個流程：從數(shù)據(jù)清洗開始、特征工程、到模型的生成，甚至包括模型評估，所有階段都包括在了 AutoML 的范疇之內(nèi)。

這也為機器學習自動化提出了更高的要求�！柑街橇⒎降腄arwinML自動建模平臺可以把開發(fā)者構(gòu)建模型的時間從若干周減少到一天，甚至僅僅幾個小時，」探智立方產(chǎn)品總監(jiān)宋煜說道�！付�現(xiàn)在，數(shù)據(jù)整理的工作也可以自動化了，甚至數(shù)據(jù)特征工程也可以嵌入到整個模型設(shè)計過程中去。對于開發(fā)者來說，這些事可以在不被感知到的情況下完成，人們無需關(guān)心它們是如何被處理的。」

「如何在數(shù)據(jù)缺乏整理，或內(nèi)容過多、缺少標注的情況下構(gòu)建高效的 AI 模型，驗證商業(yè)模式是否可行，是機器學習落地的最大挑戰(zhàn)�！顾戊险f道。

探智立方的自動建模平臺面向機器學習模型和深度學習模型，在已有工具的基礎(chǔ)上進行了大幅度改進。在數(shù)據(jù)自動分析工具 DarwinML Data Fusion 中，人們可以通過圖形化界面，拖拉拽的形式控制系統(tǒng)自動整理數(shù)據(jù)。經(jīng)過整理的數(shù)據(jù)不光在探智立方的平臺上，在任何其他機器學習平臺中都是可用的。

在核心產(chǎn)品 DarwinML Studio 中，探智立方新增了大量特征工程擴展，帶來更為豐富的自動化能力，讓「設(shè)計大腦」變得聰明，其中還包括數(shù)據(jù)增強和自動標注技術(shù)。此外，探智立方還對模型的結(jié)構(gòu)生成進行了進一步優(yōu)化，使其效率更高。

「國內(nèi)絕大多數(shù)企業(yè)都沒有強大的 AI 開發(fā)團隊，DarwinML可以把AI的整個流程工具化，無需高度專業(yè)的AI建模知識就可以開展工作。」徐寧說道。「對于傳統(tǒng)公司而言，招募 AI 建模的開發(fā)者難度很大。但使用DarwinML就可以很大程度上省去這一過程。」探智立方DarwinML的出現(xiàn)將進一步助推國內(nèi)自動建模平臺創(chuàng)新應用。