7月28日，由《麻省理工科技評論》中國主辦的“D?Future 數(shù)智未來創(chuàng)新峰會”在京召開。本次峰會特邀科學家、創(chuàng)業(yè)者、投資人以及吉利集團、IBM、富士康等產(chǎn)業(yè)巨頭高管在內(nèi)的二十余位行業(yè)大咖，聚焦熱點話題，共同探討中國產(chǎn)業(yè)數(shù)字化發(fā)展的現(xiàn)狀與數(shù)字經(jīng)濟時代下企業(yè)的破局之道。九章云極DataCanvas聯(lián)合創(chuàng)始人兼CTO尚明棟先生受邀出席峰會，并發(fā)表“自動機器學習賦能AI全行業(yè)落地”的精彩演講。

AutoML推進AI建模能力普及化

過去一年，在國家政策與行業(yè)需求雙重因素的影響下，人工智能與產(chǎn)業(yè)融合成效愈發(fā)明顯，以機器學習為主的核心技術(shù)正成為創(chuàng)新發(fā)展的主要驅(qū)動力。尚明棟提到，自動機器學習（AutoML）從早期的探索應用進入到不僅限數(shù)據(jù)科學家，業(yè)務人員也能使用AI能力實現(xiàn)數(shù)據(jù)分析的發(fā)展過程中，其本質(zhì)就是機器學習的能力下沉。作為數(shù)據(jù)科學平臺的重要支柱，自動機器學習通過與行業(yè)數(shù)據(jù)結(jié)合，形成可預測的模型，在不同的行業(yè)中呈現(xiàn)出多樣性結(jié)合，對行業(yè)業(yè)務實現(xiàn)指導性的價值輸出，最終實現(xiàn)AI能力的普及化。

在“數(shù)智化”轉(zhuǎn)型的大背景下，新的預測性分析業(yè)務需求層出不窮，目前數(shù)據(jù)科學家依然緊缺，編碼建模的方式難以滿足未來建模效率和預測精準度同時提高的要求，傳統(tǒng)機器學習的實踐也面臨樣本不均衡，數(shù)據(jù)概念的漂移，以及泛化能力不足等眾多難題。尚明棟介紹到，結(jié)合當前企業(yè)需求與行業(yè)趨勢，九章云極DataCanvas自主研發(fā)的自動機器學習平臺正在解各行業(yè)企業(yè)的燃眉之急：覆蓋數(shù)據(jù)預處理、特征生成和篩選、模型超參數(shù)優(yōu)化、模型選擇、模型融合的全流程，實現(xiàn)端到端的自動建模，快速在政府、金融、通信、航空、制造等眾多行業(yè)中的實現(xiàn)應用，加速企業(yè)數(shù)智化轉(zhuǎn)型。

九章云極DataCanvas以自主研發(fā)的標準化AI基礎(chǔ)架構(gòu)軟件為基石，憑借智能化的高效復用，加速AI在全行業(yè)落地。為了賦能AI生態(tài)，九章云極DataCanvas開源了AutoML框架：Hypernets。作為一個自動機器學習的底層通用框架，Hypernets實現(xiàn)了富有表現(xiàn)力的搜索空間描述語言、支持高維空間的高效搜索算法、高性能的評估策略三大部分，通過算法的不斷優(yōu)化能夠生成各類業(yè)務問題的最優(yōu)解決方案。