《自动化机器学习》

b站视频链接：https://www.bilibili.com/video/BV1SW411S7xv?spm_id_from=333.880.my_history.page.click

Why AutoML？

1. 企业找不到人工智能的专家，成本过高
2. 机器学习模型研发的不确定性
   
3. 60%人工智能项目以失败告终

什么是AutoML？

Progressive Automation of Machine Learning

机器学习框架

//不包括深度学习的传统机器学习

数据清洗

• 缺失值：补全或产生其他信号

• 数据类型：对人来说很容易，自动化较难
  

• 异常值：算法角度考虑，特殊处理或剔除

• 文本编码：多语言处理，难以检测，根据统计信息做预测

• 数据分割：

特征提取

• 数值衍生特征
  
• 离散特征
• 文本特征
  
• 时序特征
• 交叉特征
  

特征选择、降维

• 线性投影
• 非线性投影
• 特征筛选

模型选择、训练

• 模型选择
• 参数选择
• 模型训练
  超参需要在训练前选择好，系统如何选择超参值得深思

目前的自动化围绕特征工程和超参的选择进行。

AutoML技术平台

AutoML其他功能

深度学习框架

数据清洗

• 缺失值
• 数据类型
• 异常值
• 文本编码
• 数据分割

特征编码

• 数值特征变换
• 序列编码
• 图像编码

模型设计、训练

神经网络模型非常复杂，所以设计困难，网格搜索、随机搜索和贝叶斯搜索效果都不好，而是用neural architecture search

AutoDL技术平台

挑战

• 算法严重依赖先验知识，不能推广到不同的问题（数据）
• 对于不同的网络拓扑结构，需要定制算法
• 计算量大（~1万GPU小时）
• 冷启动

OneClickai-增强元学习

优点

• 统一的算法优化机器学习和深度学习
• 特征工程和模型同步优化
• 训练速度快
• 从数据中积累行业知识

OneClickai界面