Enable javascript in your browser for better experience. Need to know to enable it? Go here.
radar blip
radar blip

Automated machine learning (AutoML)

发布于 : Nov 20, 2019
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中,那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中,那么它很有可能已经不再具有相关性,我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。 了解更多
Nov 2019
Trial ? 值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。

机器学习的强大能力和远大前途使得对专业人才的需求远远超出了专门从事该领域的数据科学家的数目。针对这种技能上的差距,我们看到了自动化机器学习AutoML)工具的出现,这类工具旨在帮助非专业人士更容易地自动化完成从模型选择到模型训练的端到端过程。比如Google的AutoMLDataRobotH2O AutoML Interface。尽管我们已经从这些工具中看到了可喜的成果,但还是要提醒企业不要将其视为机器学习旅程的全部。如H2O网站所述,“在数据科学领域,仍需要相当深厚的知识和经验才能产出高性能的机器学习模型”。对自动化技术的盲目信任,还会增加引入道德偏见或做出不利于少数群体的决策风险。虽然企业可以使用这些工具作为起点,生成基本有用的经过训练的模型,但我们还是鼓励他们寻找经验丰富的数据科学家来验证和完善最终的模型。

下载第29期技术雷达

English | Español | Português | 中文

获取最新技术洞见

 

立即订阅

查看存档并阅读往期内容