过去十年里，人工智能（AI）构建自动化发展迅速并取得了多项成就。在关于AI未来的讨论中，您可能会经常听到人们交替使用数据科学自动化与机器学习自动化这两个术语。事实上，这些术语有着不同的定义：如今的自动化机器学习，即AutoML，特指模型构建自动化。但是，数据科学家的工作内容并不仅止于此。简单地说，数据科学家从数据中获取信息，以解决现实世界中的问题；机器学习只是数据科学家的众多工作方法之一。从数据预处理到解决方案部署，自动化贯穿数据科学生命周期的每个阶段。毋庸置疑，AutoML极大地提升了数据科学生命周期的自动化程度，尤其是在模型构建阶段。在大多数情况下，自动化主要针对最耗时、最复杂的任务，以降低任务难度，提高效率。借助先进的自动化技术，数据科学家可以将更多时间花在训练任务上：利用数据洞察为其服务的企业开发差异化解决方案。
数据生命周期中的自动化在解决方案开发过程中，数据科学家完成的每一项任务都包括在数据科学生命周期中。于我们而言，我们需要
转载请注明：http://www.0431gb208.com/sjszjzl/7451.html
