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界和工業(yè)界的廣泛關注。其在超參數優(yōu)化、模型選擇、神經網絡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產品DarwinML的上線，將進一步推動國內自動建模平臺的應用進程。

傳統(tǒng)上，術語AutoML用于描述模型選擇和／或超參數優(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、神經網絡等。說白了，AutoML 最核心的內容其實就是用計算力和數學方法自動做數據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)。探智立方的產品，可以讓各領域的專家們僅需專業(yè)知識和數據，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。而現在，人們已經普遍認為 AutoML 需要貫穿機器學習的整個流程：從數據清洗開始、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。

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，」探智立方產品總監(jiān)宋煜說道�！付�現在，數據整理的工作也可以自動化了，甚至數據特征工程也可以嵌入到整個模型設計過程中去。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，人們無需關心它們是如何被處理的�！�

「如何在數據缺乏整理，或內容過多、缺少標注的情況下構建高效的 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，在已有工具的基礎上進行了大幅度改進。在數據自動分析工具 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)自動整理數據。經過整理的數據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「設計大腦」變得聰明，其中還包括數據增強和自動標注技術。此外，探智立方還對模型的結構生成進行了進一步優(yōu)化，使其效率更高。

「國內絕大多數企業(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的出現將進一步助推國內自動建模平臺創(chuàng)新應用。