在參加 DataRobot 產品發表會, 因為產品很吸引人, 確實對於資料科學家很有幫助, "無碼“時代來臨, 自己對於自動機器學習(AutoML)產生濃厚興趣, 這是如何做到的, 真是神奇.

首先看到 Google Cloud 主推 AotoML 功能, 但是價格不便宜($20/小時), 大家會擔心萬ㄧ做出來的效果不會比手動調整高多少, 如何向老闆要錢. 在 2018 年 Google 發表的論文 Learning Transferable Architectures for Scalable Image Recognition 裡面有些數據可以參考.

有人看不慣 Google 如此斂財, 德州農工大學教授提出 AutoKeras 來取代 AutoML, 可以參考《Efficient NeuralArchitecture Search via Parameter Sharing》. AutoKeras 和谷歌AutoML 的構建思路相同：它使用一個通過循環訓練的 RNN 控制器，對候選架構（即子模型）進行採樣，然後對其進行訓練，以測量其在期望任務中的性能。接著，控制器使用性能作為指導信號，以找到更有前景的架構。

Auto-sklearn 是走另外ㄧ條路, 詳情請參閱論文《Efficient and Robust Automated Machine Learning》。使用的 CASH（組合算法選擇和超參數優化）問題的定義以及和 Azure Automated ML 相同的思路構建的：他們考慮同時選擇一個學習算法和設置其超參數的問題。他們提出的主要區別是將兩個額外的步驟合併到主進程中：一開始是元學習步驟，最後是自動化集成構造步驟.