课程概要

背景介绍：
自动化机器学习作为目前人工智能领域发展非常迅速的一项技术，在极大的降低数据分析门槛的同时，也面临着模型训练效率、模型准确率以及模型可解释性等等问题。

解决思路/成功要点：
东软在参考业界最前沿的自动化机器学习理论研究成果、开源框架的基础上，结合自身技术积累和业务积累，给出一套最佳技术实践方案，本次议题主要从以下几个方面展开讨论：
 自动化机器学习背景介绍
 SaCa RealRec自动化机器学习平台关键技术及实践经验分享，重点介绍基于超参数搜索的tree-based pipeline生成方法、meta-learning工程化实现、及模型融合等关键技术
 SaCa RealRec自动化机器学习平台性能评测及优化方向

成果：
核心技术积累
 7年，上百项大数据技术发明专利
国际论文、证书与获奖
 2017 CBI年度创新产品大奖
 工信部大数据优秀案例100强
 中国数据智能类产品奖
国家项目创新技术
 工业和信息化部：2016年度工业强基-《工业大数据公共服务平台》
 2012年度国家重点基础研究发展计划：973 -《云应用软件架构技术研究》
 2011年度国家科技重大专项：核高基 -《网络化应用支撑工具》

听众收益

通过本次议题课程，与会者可以了解：
1、业务专家、数据专家在进行数据分析建模过程中面临哪些问题和挑战，自动化机器学习是如何解决这些问题的
2、自动化机器学习在解决超参数搜索、模型训练效率、模型准确率以及模型可解释性方面采用的关键技术及实际效果
3、自动化机器学习目前存还在什么关键技术尚待解决及未来发展方向