自动化机器学习 (AutoML) 有望将原始数据转化为准确的预测，而无需大量的人力、专业知识和手动实验。在这个讲座式的教程中，我们展示了支持多模式 AutoML 的基本技术。与大多数专注于解决包含分类和数字特征的表格任务的 AutoML 系统不同，我们考虑对各种类型的数据进行监督学习任务，包括表格特征、文本和图像，以及它们的组合。我们不是对单个 ML 模型如何工作的技术描述，而是强调如何在整个 ML 管道中最好地使用模型，该管道接收原始训练数据并输出测试数据的预测。

我们教程的一个主要重点是自动构建和训练深度学习模型，这些模型功能强大但手动管理很麻烦。几乎没有任何教育材料描述了他们成功的自动化。教程中涵盖的每个主题都附有一个实践最佳实践的 Jupyter 笔记本（将在教程前后在 GitHub 上提供）。大部分代码均来自 AutoGluon，这是一个最新的开源 AutoML 工具包，既先进又易于使用。

链 接：https://docs.google.com/presentation/d/10pmrQha7Jr-1sXebG5rPOq4qTPXqeIj-/edit#slide=id.p1

内容中包含的图片若涉及版权问题，请及时与我们联系删除