IDC预计，2020-2025年间，中国人工智能市场复合增长率将达到35.2%，持续保持中国速度，依然占据寰球主导地位。从整体解决方案的角度，预计到2024年，人工智能技术收入占整体IT收入的比例也将从2020年的5.2%晋升至9.1%。

AutoML技术将为企业数智化降级带来何种时机和可能？

九章云极DataCanvas联结寰球出名的钻研机构IDC中国重磅公布《引入AutoML，破局企业智能白皮书》，探讨AutoML翻新利用的新将来。

明天的AI：后劲与挑战并存

人工智能倒退迅猛，其落地利用带来的业务价值——为客户提供全渠道智能服务体验，精准辨认潜在用户，升高经营老本，升高经营危险，进步生产效率等等日渐清晰。然而，推动AI落地的挑战仍然十分突出：


图丨开发机器学习、AI面临的挑战

在行业企业开始宽泛而深刻地推动AI的阶段，如何解决人才匮乏、数据稀缺、外部技能短缺的挑战是事不宜迟。IDC认为，解决这些挑战的门路有提供低代码开发模式、预训练模型、自动化AI等，这些门路都能够在自动化机器学习平台得以实现。

机器学习开发新要求：自动化

残缺的机器学习/AI利用开发链路蕴含数据筹备、模型训练、上线部署过程。而数据筹备耗时长、模型抉择以及训练技术门槛高，都是现阶段制约机器学习与AI规模化利用的瓶颈。自动化机器学习旨在解决如上挑战，升高组织利用AI的门槛，放慢AI利用，实现真正的AI普惠。

图丨机器学习开发流程

人工智能的先行者对残缺的AI开发流程曾经积攒了肯定的实践经验，而处于人工智能利用初期的企业则可能会面临数据、人才、技能等多方面的挑战。

图丨企业采纳机器学习平台心愿改善的环节

要减速机器学习与人工智能的落地，除了解决人才、技能、数据资源、AI解决方案老本问题，在进行AI开发的过程中，也有必要从数据收集到特色工程提取、模型训练、再到部署上线的全流程，为各个环节提供肯定的自动化工具或端到端的开发套件，引入自动化机器学习工具。

升高AI门槛，减速智能化

升高机器学习、AI利用开发门槛已成为推动AI规模落地的重要门路。如何实现端到端的AI开发自动化、机器学习自动化，也是技术供应商的重点攻关方向。

图丨机器学习自动化实现形式

围绕ML （机器学习）过程中的数据获取和预测，AutoML （自动化机器学习）用于实现自动化的特色工程、模型抉择、超参优化等性能，曾经实现了很多性能晋升。IDC依据以后的实现门路分成如下几个阶段。

图丨AutoML成熟度阶段划分

IDC认为，全面意识AutoML工具，理解不同机器学习平台提供的自动化能力，能力为企业外部各部门的用户适配不同水平的自动化工具。

企业级AutoML需具备的能力

在综合以后产品以及行业用户智能化现状的根底上，IDC认为企业级AutoML产品在遵循机器学习开发流程的根底之上，现阶段必须具备六大能力：需具备适配行业属性、凋谢灵便、低代码易上手、良好的可视化成果、效率与老本的均衡以及反对疾速部署的能力。

图丨企业级AutoML须要具备的能力

自动化之外，可解释性也将减速AutoML的利用。在采纳自动化机器学习减速AI落地、扩大AI利用部署的同时，可解释性、AI治理能力也须要被强调、被器重，这一议题在行业用户中也逐步被提上日程。

应用九章云极DAT自动化机器学习开发流程

作为中立的软件提供商，九章云极将外围的DataCanvas数据迷信平台软件产品定位为“凋谢、主动、云原生”，为客户提供自动化机器学习剖析和实时计算能力，提供从主动建模、模型经营到模型生产化的全生命周期服务，实现不同部门、不同技术能力的人群高效协同开发、共享模型成绩，真正施展企业级AI平台的价值。

九章云极DataCanvas自主研发的DataCanvas AutoML Toolkit（DAT）作为数据迷信平台软件的重要组件，用于晋升客户已有的各类机器学习平台的技术能力并对其进行减速，以升高企业应用AI等数据科学技术的门槛。DAT产品蕴含了一系列功能强大的AutoML开源工具，从底层的通用主动机器学习框架到用于结构化及非结构化畛域端到端的主动建模工具，其中蕴含：

图丨九章云极DAT2.3工具栈总览

基于AutoML技术，DAT将开发流变成自助流，通过扩充搜寻空间并对现有模型深挖以获得更好成果来辅助数据科学家的工作，同时提供简略可视化Web界面的交互式零碎来实现业务自助流，在不裸露任何编程接口的状况下，通过界面点击操作的形式即可实现建模，让没有业余根底的人员也能够实现机器学习建模工作，开释业务价值。

图丨DAT最佳实际案例（图源：九章云极DataCanvas）

目前，DAT已在金融、航空、电信等多行业企业中实现翻新利用。

利用AutoML，减速您的AI利用上线

在AI人才还不短缺的明天，随着组织中须要治理的模型数量的增长以及日益减少的利用AI实现智能化降级的需要，有必要思考引入AutoML工具，减速智能化利用的部署上线。从机器学习开发流程的角度，AutoML能够缩小人类在设计机器学习模型时呈现的偏差和谬误；企业也能够通过利用AutoML来升高人力和工夫老本。

图丨采纳自动化机器学习，减速AI上线

人工智能利用开发的治理正在从模型训练、测试、部署上线等单个环节扩大到全生命周期的治理。IDC指出，专一在模型运维层面，拥抱全自动或者半自动化机器学习，从成熟的利用场景开始，将减速企业的智能化转型降级，实现普惠AI。

在公众号九章云极DataCanvas后盾回复关键词“AutoML”获取完整版PDF报告