传统机器学习的解决范式可表示为：
ML Solution = ML expertise + Computation + Data
新机器学习范式可表示为：
New ML Solution = 100x Computation + 100x Data
通过表示的变化，可以看出，传统范式的“ML expertise”被“100x”的“Computation 和 Data”取代。而“100x Computation”是如何实现的呢，这就是
今天我们要探讨的核心技术——AutoML。
2017 年，Google 发布了 AutoML 受到了业界广泛关注。到今天，对开发者们来说这已不是一个新名词。甚至曾经一度引发了一些算法工程师的担忧：“AutoML 可以自动设计模型了，算
法工程师是要被取代了吗？
”近两年，国内外都在 AutoML 领域的研究与应用取得了长足的进展，而对它的发展现状、应用情况、未来趋势，你们了解得如何呢？
本期公开课，我们针对《AutoML前沿技术与实践经验分享》
这一主题，为大家邀请到了第四范式资深算法专家涂威威，带领大家深入 AutoML，了解技术核心，研究进展与技术应用，帮助开发者紧跟技术潮流的同时，能高效开发、部署模型。
什么 是 AutoML？
AutoML，也称为 meta-learning，是利用机器学习来自动化机器学习的某些方面的方法。在传统深度学习的模型构建中，主要包含以下步骤：数据处理、特征工程、模型架构选择、超参数优化、模型后处理、结果分析。这些步骤往往会耗费大量人力和时间。在 AutoML 中，则可以对大部分步骤进行自动处理。
我们要学些什么？
怎么学习？
神经网络结构搜索（Neural Architecture Search, NAS）是自动机器学习（AutoML）中的热点问题之一。除了 NAS，AutoML 的主要技术还有什么呢？“meta-learning”！还有呢？这次公开课，涂威威将为大家讲解不止 于NAS、meta-learning 的主要技术，及不同技术面临的难点与挑战。
对于开发者来说，学习了技术，下一步就要实践与应用。在这个过程中，必然离不开一些开发工具。如果没有便于使用的工具，对于绝大多数开发者来说，都会面临重重艰难险阻。2018 年，Google 开源了用 TensorFlow 实现的 AutoML 框架——AdaNet，AdaNet 提供了一个通用框架，不仅可以学习神经网络架构，还可以学习集合以获得更好地模型。
掌握了技术与运用工具的技能，还需要开发者能将技术应用于实际工程中。而不同领域、不同企业的落地场景不同，需求也不同，这就需要开发者们能真正、高效的运用自身技能。
AutoML 已经成为业界研究与应用的热点，而这两年究竟发展得如何了？未来值得大家关注的问题有什么？
本次公开课，涂威威都将为大家一一分享这些内容。
更重要的是，我们还将在交流群关注与收集大家的问题与建议
关于 AutoML，你有什么想问的？
关于 AI 技术，你有什么想学的？
CV、NLP、知识图谱、前沿技术？
And More.......
都可以在交流群中 @我们！2019 下半年，AI科技大本营将为大家准备更多主题、技术专题的 AI公开课。
每期公开课，我们还将准备学习资料、CSDN 纪念品、技术图书等干货与福利！本期公开课，我们还为大家准备了更特殊，机会更难得的福利！
由 AI科技大本营联合第四范式共同推出 AutoML 技术产品试用评测，进群参与报名即有机会体验，让每一个开发者变为 AI 应用专家。
可扫描下方小助手二维码，回复：
automl
，加入公开课交流群，我们等大家哦！
课程信息
主题：
AutoML前沿技术与实践经验分享
时间：
7 月 25 日 晚 8 点--9 点半
主讲人：
涂威威
第四范式资深算法科学家
课程大纲
1、AutoML技术发展史
2、解读当下AutoML核心、主流方法
3、AutoML的优势、挑战与未来发展趋势
4、AutoML技术实践案例与经验分享
5、开发者技能成长路径与学习资源分享
适合人群：
