章云极|九章云极DataCanvas DAT：端到端AutoML，把AI建模效率提升一百倍_AutoML|工作|框架|自动|Hype

机器之心原创
作者：泽南

同样是构建 AI 模型，用 AutoML 工具可以提升百倍效率，而且模型的准确度还能更高。

给定一个数据集，如何找到一套高效解决问题的 AI 算法加超参数？对于机器学习开发者来说，这是需要耗费大量时间来完成的工作。不过近几年来出现的自动机器学习工具 AutoML ，用 AI 的方式让构建 AI 的模型选择、调参工作变成了全自动。
10 月 22 日，在「2021 年数智化高峰论坛」上，九章云极 DataCanvas 发布的自动机器学习工具（DataCanvas AutoML Toolkit ， DAT）又将 AutoML 的范围拓展到了机器学习任务的全流程。
「从工具形态上来看， AutoML 目前已经具备独立部署的条件了，」九章云极 DataCanvas 资深架构师杨健说道。「实用化的框架会对这一领域带来基础支撑，其意义类似于 TensorFlow 和 PyTorch 之于深度学习——我们认为 AutoML 正需要这样的工具来促进应用的铺开。」

章云极|九章云极DataCanvas DAT：端到端AutoML，把AI建模效率提升一百倍

文章图片

而且，九章云极 DataCanvas 还希望通过完全开源的形式对社区作出更多贡献。
让端到端的 AutoML 成为可能
神经网络设计是一项极为耗时的工作，其对专业知识的要求让开发的门槛一直难以降低，而有了 AutoML 方法，神经网络也可以设计神经网络。
常规 AutoML 工具针对机器学习算法，面向超参数优化、特征工程等任务，这类工具今天看已不能满足企业的需求。近几年人们陆续的一些定位为端到端的 AutoML 工具，提升了很多工作的效率，在机器学习社区也获得了可观的影响力。
但九章云极 DataCanvas 认为，这还不是真正意义上的端到端自动建模——在机器学习的任务流程中，人们还要面临数据不均衡、数据漂移、模型泛化、大规模数据建模等问题的挑战。
如果 AutoML 工具不能自动化地解决这些问题，就很难成为工业界 AI 建模的核心。「在企业智能化转型的过程中，自动化意味着脱胎换骨的改造，应用 AI 不仅意味着使用新技术，还触及到了企业的管理模式、技术架构、运营体系。要想转型，我们需要做很多努力。」杨健说道。
DAT 被设计成技术栈的形式，分清了层次和框架，提供了很多开箱即用的工具，可处理结构化、非结构化数据，如果无法满足需求，用户可以使用底层框架自由构建出符合业务需求的算法。