自动化机器学习(AutoML)作为AI产业化的关键性技术，在该领域的探索及突破被认为是AI发展的领航灯。去年第四范式主办了"NeurIPS 2018 AutoML Challenge"、"PAKDD 2018 Data Competition"等AutoML重要赛事，今年第四范式将携手谷歌、ChaLearn联合举办全球首届AutoDL大赛——AutoDL2019挑战赛。
对于首届AutoDL大赛的期望，大赛组委会负责人之一——第四范式资深算法科学家涂威威表示：欢迎google加入，一起承办首届AutoDL挑战赛。过去AutoML比赛主要集中解决结构化数据的应用问题，本次AutoDL挑战赛参赛者将面临多种结构化和非结构化数据的新问题，挑战难度更大。今天，我们对机器“自动”学习技术的探索和发展旨在让机器更加智能，相信未来无论是在传统机器学习及 学习领域，它都将为整个行业带来全新改变，这是我们承办挑战赛的初衷和期望。
据悉，本次AutoDL比赛的目标是利用 学习解决多种结构化和非结构化数据的问题，涉及到结构化数据、文本、语音、图像等多个不同领域的多分类问题，大赛将提供大量预先格式化的公共数据集，并建立一个数据交换库，以实现元学习。参赛者最终提交自动 学习方案，在多个全新的测试数据集上盲测，按盲测的效果进行最终排名。
近年来， 学习在语音、图像等领域应用成果大家有目共睹，但技术门槛高、人才匮乏等多方面原因，成为阻碍其大规模落地的绊脚石。因此，实现自动化 学习的技术AutoDL成为行业探索和研究的重要方向。第四范式自2015年成立就开始AutoML的研究探索和应用，目前已经发布了自动特征组合(FeatureGo)、自动时序特征(TemporalGo)、自动 稀疏网络DSN(Deep Sparse Network)、自动半监督学习(Auto-SSL)等多项AutoML核心技术，并成功应用在反欺诈、个性化推荐等业务场景中，让普通开发人员开发的AI应用有接近甚至超过数据科学家的效果。
基于在AutoML领域的技术积累和与落地实践，第四范式本次与Google、ChaLearn携手合办AutoDL 2019挑战赛，旨在进一步扩大自动化机器学习的技术版图，为推动AI大规模产业化落地奠定更坚实的基础。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
