以深度學習為代表的新一輪人工智能浪潮洶涌，同時，在大數據與超強計算能力的支撐下，正在不斷賦能產品、企業(yè)與社會，人工智能技術已經廣泛滲透眾多的垂直應用領域。作為最受矚目的AI技術，AutoML（Automatic Machine Learning, AutoML），自動化機器學習，即用機器去自動化的完成模型選擇和參數調優(yōu)，讓模型設計自動化，替代人工方式進行模型設計的過程，從而大量節(jié)約人力，提高建模的效率。換言之，就是以AI設計AI,未來將有助于緩解目前AI開發(fā)者供不應求的局面。

AutoML在人工智能頂級編程人才匱乏的情況下應運而生，一般機器學習首先需要大量的訓練數據，再由機器學習工程師/數據科學家對數據進行分析，設計算法形成訓練模型；這需要大量的專業(yè)知識。如果使用AutoML，就像是在使用一個工具，只需要將訓練數據集傳入AutoML，那么這個工具就會自動生成參數和模型，形成訓練模型，這樣即使不具備機器學習方面深入的專業(yè)知識也可以開發(fā)機器學習模型，它也有望縮短數據科學家用來創(chuàng)建模型的時間。未來預計會看到更多的商業(yè)AutoML軟件包、更龐大的機器學習平臺里面整合AutoML。

2018年8月31日，作為“OFweek（第二屆）中國人工智能產業(yè)大會”的重點論壇之一的智能機器人專場論壇在上�？鐕�采購會展中心成功舉辦。本次專場論壇圍繞人工智能技術在機器人應用落地，就智能機器人的發(fā)展現狀、市場趨勢、技術難點等核心環(huán)節(jié)進行了多方分析與探討。

在本次論壇上，南京大學（PASA大數據實驗室）黃宜華教授發(fā)表了《自動化機器學AutoML研究進展》的主題演講。

南京大學（PASA大數據實驗室）黃宜華教授

黃宜華教授為我們簡單介紹PASA（Parallel Algorithms Systems Applications）實驗室：作為國內高校最早從事大數據技術研究和教學的團隊，自2009年開始全面進入大數據領域，在分布式大數據存儲和查詢、分布式文件系統(tǒng)、大數據并行計算模式與系統(tǒng)、Hadoop/Spark/Alluxio性能優(yōu)化與功能增強、分布并行化機器學習和數據挖掘算法、大數據機器學習系統(tǒng)、大規(guī)模文本語義分析、大數據行業(yè)應用等方面展開了廣泛的研究，并與與業(yè)界多家企業(yè)達成合作。

算法模型、業(yè)務場景、計算力、數據資源結合大數據處理技術棧才能形成大數據智能分析應用，與互聯網一樣，大數據將有20年的發(fā)展周期，將孕育很多發(fā)展機遇，從2008的萌芽到如今的行業(yè)大數據應用需求普遍出現，基本分析應用發(fā)展落地階段，到未來的普及階段和成熟階段，大數據趨勢明顯。其強大的計算能力，已成為推動大數據時代人工智能技術和應用發(fā)展的動力，將大數據和人工智能機器學習推上了新一輪發(fā)展浪潮。

從谷歌推出的Google Cloud AutoML到開源AutoML系統(tǒng)AutoKeras、Auto-Sklearn、Auto-Weka，一系列的工具化與商業(yè)落地應征了AutoML的強大適用性與商業(yè)價值。

更多精彩內容請查看“OFweek（第二屆）中國人工智能產業(yè)大會--AI+機器人論壇”現場直播！