自动机器学习-H2O.ai

#自动机器学习
#H2O.ai
#DriverlessAI

H2O，听起来名字像是“水”，有那么点意思。
水这个东西好啊，水这个东东自然界都需要，而且也比较容易获得，孕育了万物。一项技术也应该如此，再好的技术，不容易被应用起来，这个技术也很难走进我们的工作和生活。
the Highest Good is like Water
[上善如水]

引子

AI/ML：人工智能和机器学习都是当今的热门词，而且也的确越来越成熟。但是也的确又离我们还有那么点距离，毕竟这技术不是谁都能搞的，这都是烧人烧钱的活，所以推广应用的范围和深度还不是那么猛烈。
因此，也同时普遍给人们传递出那么点感觉：AI是比如Google/微软/IBM/等等…这一类大公司才能干的事情，不是一般企业或者机构可以干的事情。

如果是这样，那么这项技术就不会是一个被普及性应用的技术了…

通过这篇粗略的介绍，希望可以传递一个理念，或者一个信念给大家：
Technology shouldn’t be a barrier, any company should be able to transform into an AI company.
技术不应该成为一个门槛, 任何公司都应该可以转型成为一个AI公司！

下面我们从不是那么技术的角度来看看H2O这家公司是如何助力您的AI/ML技术应用落地，让您的企业实现AI驱动转型的。

目前机器学习技术应用落地三大宏观方面的挑战

1. 技术人才挑战

机器学习技术的应用对专业算法团队和数据科学家团队的要求非常高，技术门槛高带来的就是高投入和风险。此外即便是实力雄厚的大企业也面临市场上人才短缺的困境。

2. 时间效率挑战

时间效率挑战：因为技术难度高，且需要反反复复修改，迭代，提升，做一个机器学习项目耗费的时间就长效率就低，这样导致实际的技术意义就大打折扣。

3. 技术的沟通与信任

技术的沟通与信任：通常技术部门做的东西业务人员或者其他非技术参与方就比较难理解，更别说机器学习这种新技术做出来的成果了。保证一个技术应用在项目参与方的可沟通性，并且让业务主管部门信任的去使用这个技术的成果也是一件非常有挑战的事情。

此外，技术人员做出来的模型，往往像一个“黑盒子”，其他参与方理解困难，同时很多时候因为一个人的流失，对项目也造成极大损失。

机器学习技术的应用场景

说到应用场景，其实也可以换句话问：机器学习有什么用？

简单的说，机器学习可以解决两大类问题：

1. 非常复杂的事物。
   在我们生活中，面临非常多复杂的问题，有非常