作者:Flytxt 翻译:张恬钰 来源：机器之心

本文介绍了AutoML的发展历史及其在时间关系数据上的应用方案。

现实世界中的数据科学家和领域专家来建立和维护，而这样的人才却总是供不应求。自动化机器学习(AutoML)由于在构建和维护机器学习工作流中的关键步骤中所展现出的广泛适用性，使得该领域的研究前景一片光明。它减轻了人类专家的工作负担，使他们能够专注于复杂、非重复和具有创造性的学习问题。

AutoML的最新进展主要包括从时间关系数据库中自动发现有意义的表间关系的复杂功能合成(例如，深度特征综合)，使用模型自动调整进行概念漂移(例如，AutoGBT)，以及深度学习模型的自动设计(例如，神经结构搜索)，如图1所示。这些研究进展提高了数据科学家的生产力，从而显著提高了AutoML系统的实用性，并使得非机器学习专家也能够处理现实中不同领域的数据科学问题。