谷歌把打败99%程序员的AutoML集成到Kaggle平台！(2)

然而，比赛进行几个小时后，让人震惊的结果出现了，AutoML提交了第1个自动生成的代码，在排行榜上名列第2，领先了绝大多数小组。但这对于谷歌团队来说一点都不奇怪，该软件是3年前他们花巨资开发的，一开始的目的就是要替代自己的部分工作。

领导了谷歌AutoML开发的AI研究员Quoc Le感到兴奋。他和团队在过去的几场Kaggle比赛中测试了AutoML，通常都需要花费几个月而不是几个小时。他们认为在现场比赛中AutoML能取得前10%的成绩就算是成功了。

到了下午3：30，AutoML的胜利似乎已成定局，最接近它的人类团队也落后很远。当选手们在下午5:30集合查看最终比分时，欢呼声爆发了：AutoML 排名第二。

AutoML赢了99%的顶尖人类程序员。

而且在竞赛中，使用AutoML的团队只需要付出较少的精力，就能迅速获得出色的性能，并且无需领域专业知识或监督。在数据准备上花费时间很少，而在特征工程、模型选择和超参数调参上几乎不用花什么时间。

此外，在另一个IEEE的竞赛中，AutoML的时间效率的优势更加突出，数千团队花了几周的时间，才能在排行榜上大幅超越AutoML的基准水平。

上图为该赛事前四周的提交分数（个人得分），与比赛开始时发布的AutoML Tables基准分数（绿线）。蓝点虚线表示每日提交分数的90％分位水平。AutoML Tables基准在比赛的前两周中都超过了这一水平

AutoML的简单性和有效性为存在数据科学问题需求的人群（这些人不一定具有深厚的数据科学背景）提供了创建性能强大的模型的可能。

大酬宾：Kaggle用户使用AutoML，每个关联账号补贴300刀

Cloud AutoML可帮助用户针对各种任务集（视觉，语言到结构化数据）构建自定义机器学习模型。每种应用的实际用法各不相同，但所有方法都遵循从SDK或Web UI提取数据的一般模式，用户可以调节设置，并输出训练好的模型。今天的重点是，我们的社区已经能够直接在Kaggle Notebook中使用SDK。

Kaggle与AutoML的集成遵循了我们先前将BigQuery引入Kaggle Notebook的脚步。

首先，只需关联用户的GCP帐户并授权访问要使用的云服务，同时启用云存储将使AutoML轻松访问您的数据。

关联Google帐户后，需要仔细检查云帐户是否已准备就绪。为此，请确保已为GCP项目启用了机器学习API和结算设置。AutoML是一项付费服务，为了使更多的Kagglers可以使用AutoML，我们计划在全年内提供GCP积分，以补贴使用该服务的费用，所有注册G谷歌云平台的新帐户都将获得300美元的额度。

用户可以使用Kaggle Notebook中的内置客户端SDK，也可以使用云控制台中的Web界面轻松运行AutoML。要在Notebook中使用AutoML，请查看帮助文档或教程。要了解有关自动机器学习的主题及其改善数据科学工作流程的更多信息，请观看我们的讲解视频。

现在，AutoML已经深度集成到Kaggle竞赛平台，相信今后的Kaggle竞赛，派出AutoML参赛的程序员会越来越多。

（编辑：ASP站长网）