AutoML技术
AutoML是一系列技术的集合。
数据：数据自动清洗，线性分形技术
特征：并行多尺度特征的重要性；超高阶可解释强的自动特征组合；目标驱动的时序特征提取；深度时序特征表征
模型：高效率样本采样优化；启发式算法配置搜索；多保真超参优化；超参数优化集成
借助AutoML 降低技术门槛，带领企业进入AI自动化时代
AI优化要点：
高维：特征越多越好，高维特征可以挖掘出更多细节，有效的减少信息损失以广告投放为例-千人千面->对数据采集要求提高；
尽可能不降维->对模型训练计算框架和模型上线工程化要求能力极高
特征工程X做多：自动特征组合、自动时序特征、自动特征变化、自动离散化
特征组合：会组合出更有意义的特征表述（权重值较高）
实时:
预测实时：用户行为频繁的场景使用实时预估-贴近真实世界
实时特征计算：高维时序特征
模型实时更新：模型增量自学习
Q；Why we need timing/sequential characters?历史流水型数据压缩仅当前模型
闭环：
AI应用的痛点：
数据：数据采集，数据清洗
特征：特征构造，时序特征如何防止穿越
模型：如何完成大数据高纬度的模型训练，如何构造“即宽又深”的模型
应用：如何上线具有复杂特征的模型，如何兼顾模型（特征）复杂性与预测实时性；如何保障线上线下一致性
数据回流：如何快速收集最新反馈并用于模型更新
实操：科大讯飞广告CTR
导入数据（行为数据、反馈数据）->数据扩增->特征组合
算法PK：选择适合当前数据的算法（3）
调参
申请下账号试用一下