酷应用

报名 | 第四范式机器学习架构师涂威威：AutoML技术现状与展望

百家作者：机器之心 2018-06-25 04:10:21

2017 年5月，谷歌在I/O大会上发布了AutoML，受到业界的极大关注。除了谷歌，国内也有一批创业公司、团队在研究相关技术，如第四范式的AutoML技术已经投入实际工业应用，并从谷歌等巨头中脱颖而出，拿下NIPS 2018 AutoML比赛的主办权。为了让更多人了解这一前沿研究，机器之心最新一期的INTERFACE邀请到了第四范式资深机器学习架构师涂威威来为大家讲解AutoML的技术现状与展望。

演讲主题：AutoML：回顾与展望

演讲大纲：机器学习在计算广告、推荐系统、金融应用、计算机视觉、自然语言处理、生物信息学等诸多领域取得了很多成功。在几乎所有这些成功的机器学习应用中，机器学习专家在机器学习的各个阶段扮演了非常重要的角色，这些阶段包括：将现实世界问题转换为机器学习问题、收集数据、数据预处理、特征工程、选择或设计算法、调整算法超参数、评估模型性能、在线部署机器学习系统等，这些任务的复杂性超出了非机器学习专家的能力范围。

AutoML（Automatic Machine Learning，自动机器学习）旨在研究在没有专业知识的情况下使用的低门槛甚至零门槛的机器学习算法，摆脱对机器学习专家的依赖，该技术正在成为机器学习赋能行业的关键。谷歌此前发布了 Cloud AutoML，第四范式的 AutoML 技术已经投入实际工业应用。

AutoML 看起来很美好，却也挑战重重。AutoML 有哪些优势与挑战？AutoML 的技术现状与发展展望如何？AutoML 应用案例中有哪些思考和经验？第四范式资深科学家、NIPS 2018 AutoML 比赛负责人涂威威将在此次报告中一一讲解。

个人简介

涂威威，第四范式资深机器学习架构师。在大规模分布式机器学习系统架构、大规模机器学习算法设计和应用、在线营销系统方面有深厚积累。涂威威曾是百度最高奖 trinity 发起人之一，首次将 FPGA 应用于在线营销深度学习预估系统，设计开发了百度机器学习计算框架 ELF。

目前就职于第四范式，是第四范式先知平台独有的大规模分布式机器学习框架 GDBT 的设计者，将 AutoML 及迁移学习应用到工业界并取得显著的效果提升。涂威威也是 PAKDD 2018 AutoML 比赛主席、NIPS 2018 AutoML 比赛负责人、PRICAI 2018 AutoML Workshop 主席。

时间：2018 年 6 月 30 日